基于边缘检测与颜色目标定位的图像检索

提出一种先利用图像边缘信息缩小检索范围。再利用图像颜色信息进行目标定位的图像检索算法。首先。提取图像边缘信息。利用图像位错率进行边缘信息比较,位错率越小图像边缘信息越接近;然后,利用主色调确定图像的目标块,进行目标子块间的比较。算法忽略图像中不重要的背景因素,有效利用重要的目标因素。从而提高了检索效率。仿真实验证明该算法比单一使用边缘检测、颜色目标定位具有更好的检索性能。     

基于多幅图像的三维形状恢复新算法研究

提出了基于多幅图像的由明暗恢复三维形状的新算法.传统的SFS是基于一幅图像,而反射图方程是含有两个自由度的PDE,因此SFS是一个病态问题.本文提出了一种基于三幅图像的SFS新算法,克服了SFS的病态性.首先在图像的Lambertian反射模型的基础上,由三幅图像的逐个象素点的图像灰度值,建立物体表面方向的一次代数方程组,得到表示物体表面方向的唯一梯度向量.然后经过梯度恢复高度的算法,得到物体表面的形状.最后给出的仿真实例表明算法的有效性.     

基于特征的IHS多源图像融合算法研究

图像融合可将多源的遥感数据信息综合.为了提高融合效果,对传统的IHS光谱变换法进行了改进,提出并实现了基于特征的IHS多源图像融合算法.     

面向目标识别的多特征图像融合技术综述

目标识别是计算机视觉领域重要的研究课题.图像融合由于能对信息进行多级别、多层次以及多方面的处理与综合,因此可以获得更为精确和更为可靠的信息.近年来,基于多特征融合的目标识别方法由于无需精密的图像配准,计算简便的优点得到研究者的重视.本文首先简要介绍了特征融合的基本原理和基本框架;然后梳理了特征融合的几类重要方法;最后,...     

基于小波变换的多聚焦图像融合评述

概述了数据融合的基本概念和应用,简明分析了多聚焦图像的成像机理,从像素级层面上描述了基于小波多尺度变换的图像融合思想和过程.由于在基于小波变换的图像融合过程中,融合规则起很重要的作用,因此本文重点综述了适于多聚焦图像融合的三种融合规则：基于像素的融合规则、基于窗口的融合规则和基于区域的融合规则,并对这些规则进行了比较,最后给出了图像融合效果的客观评测方法.     

航空发动机性能图像纹理片段划分方法

为了解决深度学习在航空发动机性能异常检测中出现的数据不平衡的问题,在高频次纹理片段对应性能稳定状态、低频次纹理片段对应异常波动状态的合理假设下,提出了一种航空发动机性能图像纹理片段划分方法。通过研究性能数据空间与RGB彩色空间的映射,提出高维性能数据图像化。引入分形盒维理论,定义纹理特征维数表征性能图像纹理特征,提出基于高频次生长树的图像纹理片段划分方法,实现性能图像按纹理出现频次的精细划分,建立正常样本和异常样本数量接近的数据集。选取多个航段发动机性能数据,与时频图和采样法生成的数据集进行对比验证。验证结果表明：该方法可以生成数量相当且真实客观的正常样本和异常样本,在ResNet50模型上的准确率达91.72%,减小了数据不平衡对准确率的影响。     

基于目标与相关背景的多特征融合跟踪小目标

本文研究在红外图像序列中跟踪运动小目标的问题。考虑到小目标跟踪要求能够保证跟踪的目标在需要的视场内，同时受到跟踪平台转动的影响，背景在视场内处于时变状态，不能仅仅利用目标的时域轨迹连续性进行跟踪。因此，算法充分利用了目标与相关背景的分布、灰度、形状边界等信息，并加以融合。算法通过在实际包含随机目标的红外图像序列中的应用，它的有效性得到了证明。     

基于边缘特征和方向相关性的图像融合方法

不同传感器获得的多幅图像对同一场景的描述具有信息的冗余性和互补性,在小波图像融合的基础上提出了一种基于边缘和方向相关性的图像融合算法。对参加融合的两幅图像进行小波多尺度分解,对高低频子带系数分别采取不同的融合方法;根据高频分量不同的小波方向特性,采用基于方向相关系数的融合规则,而对低频分量采用能量和边缘特征相结合的融合方法;通过小波重构得到融合图像。实验结果表明,融合图像的视觉效果较好,客观评价指标均有提高。     

一种基于纹理特征的卫星遥感图像云探测方法

 针对卫星遥感图像中的云探测问题,提出了一种有效的纹理特征分析方法。该方法使用反映图像灰度性质和空间关系的分形和灰度共生矩阵两类纹理,分别来描述云区域和无云的下垫面区域,并从这两个纹理的共5个特征参数构成的多维空间中简化出最小的二维分类空间,使该空间能够完全地区分卫星遥感图像中的云和各种下垫面,利用它设计的线性分类器可以高效地实现云的自动探测功能。大量实际图像测试结果正确率达到98%,证实了该方法的有效性。     

无人机载多传感器图像融合评述

为了能为作战指挥系统提供清晰的局部战场信息,提高对局部战场低可观测目标的检测概率、定位精度及识别概率,迫切需要对无人机载SAR、可见光传感器、红外探测器等图像信息及其他非图像信息融合处理。提出了无人机载多传感器图像融合技术需要研究的内容,如: 图像融合新方法研究;无人机载SAR图像的非平稳性处理;基于图像融合目标检测和处理技术; 无人机载图像和非图像信息的融合问题;无人机载多传感器图像融合的实现及评估;多无人机载合成孔径雷达的协同成像;用图像融合的方法实现对运动目标检测等。分析了所提出研究内容的可行性,剖析了其中的关键技术,拟定了可能的技术路线。     

高斯模糊下舰船图像的矩特征

针对舰船目标图像受到自身运动、环境和图像预处理的影响出现模糊,丢失轮廓信息,造成像素点阵模糊和矩特征变化的问题,在高斯模糊低阶矩特征分析的基础上,提出并证明了Hu矩、仿射不变矩特征在高斯模糊作用下的变化定理;通过2个仿真实验验证了定理的正确性;为了保证舰船目标的识别效率,提出了建立多尺度特征库的建议。     

基于仿射变换的飞机图像的识别

 先基于细胞神经网络提取飞机图像轮廓,再用基于仿射变换方法对多种飞机的轮廓图像做不变特征的提取,把多种飞机的不变特征放在数据库中。进行飞机类型识别时先计算实时图像中飞机(目标) 的不变特征,然后与数据库中的每个不变特征做相关运算,即可识别飞机的型号。     

高轨目标掩星成像相位恢复技术研究

高轨目标掩星成像通过观测高轨卫星对恒星的遮掩过程,实现对高轨目标的成像.该方法采用望远镜线性阵列观测高轨目标遮掩恒星过程中恒星亮度变换,获得高轨目标在地面的投影,通过相位恢复方法可计算得到卫星轮廓图样,具有成像分辨力高,设备制造难度小等优点,在高轨目标成像领域具有较好应用前景.本文分析利用掩星成像方法对高轨目标成像的可行性,重点对掩星成像过程的相位恢复方法进行改进,根据掩星成像特点对输入输出算法进行优化,仿真结果表明：改进后的相位恢复方法可显著提高图像恢复质量和掩星成像方法的空间分辨力.     

基于控制线方法的机载SAR和可见光图像匹配应用研究

根据无人机(UAV)景象匹配导航的现实需求,对具有典型人造场景的机载合成孔径雷达(SAR)图像与可见光图像,提出一种基于直线特征的SAR图像与可见光图像配准方法.首先,利用改进的直线段检测(LSD)方法提取图像直线特征;其次,构造控制线并设计了一种基于控制线的图像配准方法;最后,依据仿射变换模型实现了待配准图像的精确自动配准.实验表明,在SAR和可见光图像存在较大灰度差异、旋转和平移的情况下,该算法仍能精确配准图像,且运算时间大幅减少,能够满足一些实时性较强的应用.     

基于形象定位分析的西安与成都旅游形象多元化对比研究

以实地调研的问卷统计结果为基础,通过对西安市与成都市的旅游发展状况的简要分析,结合旅游形象定位的理论,对西安与成都的旅游形象多元化定位进行探索性研究,总结了西安与成都旅游形象推陈出新的必要性及可能途径,同时对西安与成都的旅游品牌形象的构建提出可行性构想。     

基于可编程GPU的多源图像融合

针对可编程GPU模型,提出了基于CPU-GPU的并行边缘强度加权融合算法,利用CPU和GPU协同工作模式达到图像融合的目的,其中CPU负责串行任务,而GPU负责并行任务。实验结果表明,并行边缘强度加权融合算法得到的融合图像有着较好的视觉效果,信息熵和QAB/F这两个评价指标均高于文中对比算法的相应指标;从运行时间上分析,基于CPU-GPU的融合方法所需要的运行时间远低于基于CPU方法所需要的运行时间,并且图像尺寸越大,加速比越高。     

基于不变特征和映射抑制的航拍视频图像配准

针对航拍视频图像在光学变换和几何变换下特征匹配容易产生误匹配,以及匹配精度不一致等问题,提出一种结合不变特征和映射抑制的航拍视频配准算法。首先,利用Harris检测器在尺度变化下的局部区域内选择出最稳定角点,并利用分区检测方法提取出分布均匀的角点作为待配准点。然后,计算以特征点为中心邻域窗口的描述符,通过比较两幅待配准图像特征点邻域描述符的欧式距离,提取出初始匹配点对。对匹配对点集建立D-三角网图,利用映射抑制方法提取出精确度最高的少数匹配点,并对模型参数进行估计,完成视频帧间的配准。大量实验表明,所提方法对航拍视频图像配准具有较强的适应性且配准精度高。     

融合背景图像信息和多特征压缩的相关滤波跟踪算法

针对相关滤波类跟踪算法目标背景图像信息利用率较低、目标特征表达能力较弱的问题,提出了一种融合背景图像信息的多特征压缩跟踪算法。首先,在上下文感知滤波器的基础上,将背景图像信息加入位置滤波器。其次,提取颜色名(Color Name, CN)特征与梯度直方图(Histogram of Oriented Gradient, HOG)特征,使用最大响应因子及平均峰相关能量(Average Peak-to-Correlation Energy, APCE)评估跟踪结果的可信度,实现两种特征的自适应融合。最后,利用特征降维简化模型的复杂度,实现算法运行速度的提升。实验结果表明,改进后的算法在遮挡、形变、尺度变化等复杂环境下均具有较高的鲁棒性,其跟踪精度和成功率指标均优于DSST及其他主流的跟踪算法,并且仍保持了实时性。