基于计算机视觉任务的图像直线提取技术

提出一种基于计算机视觉任务的图像直线提取技术 ,首先用边界检测算子提取边缘 ,然后用链码将边缘表示出来 ,并记录链码的端点 ,即直线的端点 ,通过逐步删除对计算机视觉任务无意义的链码 ,得到图像直线的链码表示 ,最后用最小二乘法拟合图像直线的链码。该技术能尽可能多地从图像中提取直线信息 ,既可以较准确地提取直线的端点信息 ,又能得到直线的准确表示     

基于广义背景填充的塔式多相水平集的脑肿瘤分割算法

背景填充技术和Chan-Vese模型的塔式多相水平集算法能够在给定的图像中检测出多个目标,而背景填充技术中采用了固定的填充色彩,故该算法得到的边缘是不可调的.为此提出了一种采用可调填充色的广义背景填充技术,使得轮廓可调以便获得所需边缘.脑肿瘤分割实验表明,采用不同的填充色可以得到不同的脑肿瘤轮廓,有利于临床诊断.     

基于阴影信息的多视角SAR图像识别

传统的SAR图像识别技术主要基于目标的电磁散射特性,而目标阴影信息对SAR图像目标识别具有重要的作用。若能获取同一目标在多个方位角下的多幅SAR图像,可改善目标识别的性能。针对该问题,本文提出了一种基于隐马尔可夫模型及阴影信息的多视角SAR图像识别技术。该技术提取目标阴影形状的链编码作为特征向量,并结合同一目标在不同方位角下的多幅图像的特征向量,生成该目标的特征序列,然后利用HMM对特征序列进行识别。仿真结果表明,该方法可有效实现SAR图像目标识别。     

结合局部高清图像的遥感集群目标区域超分辨率重建

近年来,卫星遥感图像的应用场景越来越广泛。但是由于采集设备有限及其成本限制,卫星传感器获取到的图像通常不具备足够的分辨率且分布不够均匀,同时部分目标聚集成群难以分辨,导致低分辨率遥感图像在目标检测与识别等空间语义理解任务上难以满足准确定位和分类所有目标的要求。相比于一次性采集完整高分辨率遥感图像,已有遥感图像通常在局部区域具有相对清晰的高分辨率,且具备足够的细节信息用于分辨目标群,而传统的遥感图像超分辨率重建方法主要关注遥感图像自身的全局特征,通过图像的全局特征进行分辨率和像素扩充,而忽视了遥感图像的细节信息。为了解决这些挑战,提出了一种将遥感图像局部聚集群目标区域的细节特征信息引入到完整遥感图像的采样重建中的方法,通过多层级的神经网络来提取不同尺度的图像特征,并通过残差学习的方式将这些特征进行融合并重建。在实验中,该方法相比主流现有的遥感图像超分辨率重建方法,在视觉效果和测试实验上都取得了更好的结果,证明该方法可以有效借助局部图像的像素信息,显著地提高全局遥感图像的细节效果和优化集群目标区域的分辨能力,提升了遥感图像的质量和可用性。     

基于波段背景清晰度的小波变换高光谱遥感图像融合

高光谱遥感图像具有大量的光谱波段,有助于地物的精细分类与识别。然而,随着波段的增加,数据冗余度也相应增加,使得图像融合计算量增大,过程繁杂。因此,提出了基于波段背景清晰度的小波加权平均高光谱图像融合方法:以J-M距离和最佳指数值为指标提取优选波段组合,以减少波段数据冗余,提高信息互补,使之有利于高光谱图像融合。该算法包含如下3个步骤:首先,利用J-M距离和最佳指数选择原则,从HSI高光谱遥感图像的115个波段中提取所需优选波段及优选波段组合。其次,采取单波段遥感图像背景清晰度处理的EM算法对所选波段进行遥感图像增强预处理。最后,采用小波加权平均的像素级融合优选波段遥感图像增强数据,使得融合图像质量更优。实验结果表明:本文方法提高了融合图像的标准差、信息量和清晰度,使地物空间细节能力增强,地物特征更加明显。     

基于全卷积孪生神经网络的复杂监控场景下前景提取方法

由于光照变化、相机抖动和动态背景等因素影响,现有基于传统图像处理方法的前景提取算法并不能在复杂场景下获得良好的分割效果。针对此类问题,本文提出了一种基于全卷积孪生神经网络的前景提取算法,仅需任意2帧图像即可准确提取运动前景。将输入的2帧图像分为背景图像与待提取图像,将其输入全卷积孪生神经网络得到二者的相似性度量图,该相似性度量图中包含待提取图像相对于背景图像的各像素变化情况信息;接着将相似性度量图与待提取图像融合,利用编解码网络以实现端到端的前景提取。在CDnet2014数据集上进行综合评估与测试,结果均证明了该方法的有效性。     

稀疏泡状流中变形气泡的三维图像测量技术

研究气泡变形对于分析泡状流中气泡的受力和运动具有重要意义.设计了一种可确定稀疏泡状流中气泡空间坐标与变形参数的图像测量技术:原始图像经预处理和增强后,结合形态学方法识别出变形气泡投影的闭合轮廓.改进了分水岭方法对气泡投影进行分割,并用对称直线法确定投影中心改进Hough变换,得到椭球气泡模型的投影椭圆参数.提出了一种由两幅投影轮廓重构三维气泡模型的算法并分析了实验误差.该技术可较准确地测得气泡空间坐标和变形参数:投影椭圆的参数误差小于3个像素,气泡识别误差小于15%.     

特征视图的链码表示法

根据八方面边界链码规则，首先提出了基于分辨率的直线和椭圆的链码生成成算法；然后给出了在基于形态图方法的物体识别中，模型物的特征视图的链码表示法。从而为形态图方法在三维物体识别中的应用提供了理论基础。     

空间距离变换的彩色图像目标识别方法

研究了彩色图像的分割算法,提出了运用彩色图像的颜色特征相似性进行图像的分割;然后将分割的目标进行检测,运用无监督网络,即竞争网络学习训练聚类,将图像中不同的目标提取出来。在识别方面,研究了一种运用空间距离变换方法来识别的算法,计算出区域半径测试样本点在区域内还是区域外,以达到识别的目的。实验结果表明,本文提出的分割算法和识别算法可以很好地运用到实际中,识别率可达90%以上。     

基于格式塔完形规则的闭合轮廓提取方法

针对传统基于格式塔完形规则的轮廓提取易受到背景上边缘影响,导致轮廓提取的准确率低问题,提出一种新的基于格式塔完形规则的闭合轮廓提取方法。首先,为减少边缘提取过程中提取的背景边缘,给出了融入显著性约束的Canny边缘检测方法,即在Canny边缘提取的框架中,融入显著性约束;接着,针对Canny边缘检测方法检测到的边缘易受噪声影响问题,提出一种融入边缘信息的折线逼近边缘拟合算法;然后,采用格式塔完形规则中的闭合性对拟合边缘进行度量,得到边缘之间的闭合关系;最后,通过分析边缘间的闭合关系与区域的显著性,设计了一个边缘闭合的代价函数,并利用最小权值最优匹配算法求解代价函数,得到最终的闭合轮廓。实验结果表明,该算法提高了轮廓提取的有效性和准确性。