基于线性模型最优预测的高光谱图像压缩

高光谱图像取得较高的光谱分辨率对于分类和识别很有益.但与此同时也带来了巨大的数据量,使其压缩成为必需.传统的预测方法能够在一定程度上去除谱带之间的相关性,但其预测系数不能利用高光谱图像谱带间的信息进行自适应的调整,使得预测效果不是最优.本文建立了高光谱图像谱带间的线性模型,推导出在信噪比最优下的预测.该方法能够更好地降低预测后图像的熵值.实验表明,相对于传统方法重建的平均信噪比提高了4.606 4 dB.     

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。     

基于选择样本自相关阵的高光谱图像约束能量最小化算法

约束能量最小化算法是一种经典的高光谱图像目标检测算法,其在检测大目标地物时,背景自相关阵易受目标信息的干扰,从而影响算法的检测性能。针对此问题,提出一种基于选择样本自相关阵的CEM算法。通过比较高光谱图像每个样本像元与目标信号的光谱相似度,引入光谱相似性阈值,选择与目标信号光谱差异性较大的部分样本像元参与背景自相关阵的构建,使背景自相关阵更好地对背景的统计性进行描述。对AVIRIS获取的两幅真实高光谱图像进行了目标检测实验,结果表明,本算法的检测率有了明显提高,更适合于检测占据一定像元数目的大目标。     

基于无监督学习视觉特征的深度聚类方法

基于自编码器的特征提取技术广泛应用于图像聚类分析,在较简单的图像集上取得了令人满意的聚类结果,但自编码器的特征表示能力有限,很难捕捉到复杂低质图像的局部特征。本文提出一种基于非对称结构卷积自编码器（Convolutional auto-encoder with an asymmetric structure, ASCAE）的学习视觉特征的深度聚类方法,其中非对称结构的卷积自编码器用于学习特征表示,然后使用K-means算法对特征数据进行聚类分析。为进一步提高特征表示能力,ASCAE方法的网络采用变步长的卷积层和全连接的重构误差正则约束网络的重构误差。在7个公开图像集上的实验结果表明该网络有很好的特征表示能力,并且使得K-means算法能提供很好的聚类结果。在COIL-20和MNIST图像集上,聚类方法ASCAE的聚类精度分别为0.754和0.918,优于同类型的4种深度聚类方法（AEC、IEC、DEC和DEN）。     

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。     

冰形表面激光光带中心线快速提取方法

在风洞结冰模型3D冰形测量中，激光三角测量法相对传统测量方法检测速度快、精确度高，具有极高研究价值。然而由于冰体对激光透射严重，影响激光中心线提取精度从而影响测量精度。针对此问题，提出一种冰形表面激光光带中心线快速提取方法。该算法具体实现步骤为:首先，采用基于三维块匹配去噪算法对图像进行降噪，并对图像进行视觉显著性计算，分割出光带区域；其次，求取梯度图并转换至频域空间，根据图像频谱特征求取能量中心区域；最后，对区域采用灰度重心法求取中心线亚像素级位置。采用冰箱冻结的半径已知圆柱冰块评估该算法，测得算法处理时效为28.57FPS，使用该算法的冰形轮廓重建精度达到0.017mm。实验证明算法满足冰形在线测量技术要求，为开展结冰实验中结冰生长过程在线三维检测技术奠定技术基础。     

考虑重投影尺度因子的特征直线三维重建

文章首先用Plücker坐标表示3D直线;然后用重投影几何误差作为线特征三角法的目标函数,实现算法的最大似然估计;最后用线性和非线性两种方法分别实现空间直线的重建。在重投影时,考虑了每条直线投影时的尺度因子λ,提高了重建精度。真实图像和仿真数据的实验结果表明,该方法能够准确有效地实现直线三维重建。     

基于分块图像的二值商标图像检索

提出了一种基于分块图像特征的商标图像检索方法。该方法首先确定商标图像的形状主方向来消除图像旋转带来的影响,然后通过提取目标区域的方式消除图像平移的影响,再将图像的目标区域按照4叉树的分解方式划分为多个小的子图像块,对子图像块提取特征并对图像进行相似性度量。实验证明,利用该方法提取的特征兼顾了商标图像在局部和整体上的一致性,并且具有良好的旋转、平移、尺度的不变性,得到的检索结果能够很好地满足人类的视觉感受。     

基于快速均值漂移和水平集方法的图像分割技术

通过加强边缘检测函数的约束作用,对L i提出的无需重新初始化的水平集方法进行了改进,用于提高水平集方法对弱边缘与低对比度图像的分割处理性能。同时,利用快速均值漂移法对图像进行预分割,将得到的轮廓作为水平集方法的初始轮廓,从而降低水平集函数的迭代次数。脑部M R图像的分割实验结果表明,该算法能够准确地提取相应的脑组织,同时大大地提高水平集函数的演化速度。     

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。     

Recursive Dictionary-Based Simultaneous Orthogonal Matching Pursuit for Sparse Unmixing of Hyperspectral Data

The sparse unmixing problem of greedy algorithms still remains a great challenge at finding an optimal subset of endmembers for the observed data from the spectral library,due to the usually high correlation of the spectral library.Under such circumstances,a novel greedy algorithm for sparse unmixing of hyperspectral data is presented,termed the recursive dictionary-based simultaneous orthogonal matching pursuit(RD-SOMP).The algorithm adopts a block-processing strategy to divide the whole hyperspectral image into several blocks.At each iteration of the block,the spectral library is projected into the orthogonal subspace and renormalized,which can reduce the correlation of the spectral library.Then RD-SOMP selects a new endmember with the maximum correlation between the current residual and the orthogonal subspace of the spectral library.The endmembers picked in all the blocks are associated as the endmember sets of the whole hyperspectral data.Finally,the abundances are estimated using the whole hyperspectral data with the obtained endmember sets.It can be proved that RD-SOMP can recover the optimal endmembers from the spectral library under certain conditions.Experimental results demonstrate that the RD-SOMP algorithm outperforms the other algorithms,with a better spectral unmixing accuracy.     

最大熵磁共振成象理论

由于在实际磁共振成象系统中，只能得到有限的频谱数据，利用传统的ＦＦＴ方法重建磁共振图象，将导致截断的伪影和低的分辨率。本文提出了一种基于ＡＲ模型的最大熵磁共振成象算法，利用ＡＲ模型外推未知频谱数据，替代了ＦＦＴ方法的填零法重建，并利用了ＢＵＲＧ算法中的ＡＲ模型参数计算的有效性，不仅消除了截断伪影、抑制噪声、提高了分辨率，而且使重建时间与ＦＦＴ方法相当，完全适用于临床应用。     

医学CT的误差修正方法、图像重建及实现

医学Ｘ光ＣＴ作为一种诊断设备，对其图像质量要求很高，而在实际应用中各种误差都将会影响最终的图像质量，因而对误差进行修正是非常重要的，这一点在各厂家的ＣＴ 产品中表现得尤为突出。通过研究对医学Ｘ光ＣＴ 的探测器、Ｘ光射束硬化效应等所产生的误差进行修正，给出了在ＰＣ机上对误差进行修正和图像重建的方法和步骤，完成了对分辨率水模、对比度水模、病人头部和肺部的图像重建，证明该方法行之有效。     

基于对极几何约束的景象匹配研究

提出了一种图像配准方法来解决实时图与基准图空间不对准问题。它是利用随机采样算法估计基本矩阵，恢复实时图与基准图之间对极几何．然后基于对极几何约束．剔除误匹配点．得到精确匹配控制点，计算出全局仿射变换，从而对实时图进行校正。该方法的特点是精确、稳定和全自动。采用真实图像实验结果表明，该方法是行之有效的。     

基于多目立体视觉和神经网络标定的表面形貌测量方法研究

针对三维表面形貌的非接触式光学测量是计算机多目立体视觉技术的一项重要应用，但目前还存在相机个数受限、特征点匹配算法复杂与纵向测量精度不够等难题。开发了一种基于多目立体视觉和神经网络标定的表面形貌测量方法，其中包括:使用神经网络完成多目标定与三维重构，在表面投射激光点阵作为图像识别与匹配的特征点，应用蚁群粒子跟踪测速技术进行多相机间相同特征点的匹配。经实验测试，相较于传统基于小孔成像模型进行标定与基于核线约束或互相关算法进行匹配的立体视觉测量系统，所提出的方法可适配具有大光学畸变的场景，能有效提高测量的空间分辨率，深度方向的测量误差在1.0%～2.0%的水平。     

粒子运动轨迹的图像处理及流场重构算法研究

为了高效获得颗粒的速度分布，提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法，对该处理过程的主要误差也进行了分析与修正。流场重构使用了基于RBF（Radial Basis Function）插值且采用迎风插值进行优化的算法，插值结果以速度云图及矢量图的形式展示，对该过程的主要误差也进行了分析与验证。最后的处理结果显示，针对单帧单曝光图像的图像处理方法和流场重构方法具有可行性。     

基于Contourlet域SOT结构的SAR图像相干斑抑制算法

把SOT结构引入到能够最优表示图像的Contourlet变换中,结合Contourlet系数域的结构特点和SAR图像相干斑乘性噪声模型提出了一种新的相干斑抑制算法。对基于小波系数域SOT结构的相干斑抑制算法中固定在一个低频尺度中选择根系数的方法进行了改进,根据SAR图像的匀质性条件自适应地在两个不同低频尺度中选择根系数。把该算法应用到实测SAR图像中取得了很好的目视效果,各项指标得到了有效提高。     

基于双光场相机的高分辨率光场三维PIV技术

光场相机粒子图像测速（Light Field Particle Image Velocimetry，LF-PIV）是一种近几年新发展起来的流动测试手段，能够仅通过单个光场相机测量3D-3C瞬态速度场，简化了三维流场测量的实验复杂度，特别是能实现受限空间的三维速度场测量。然而这一技术尚存在一些不足:由于光场相机沿景深方向的空间分辨率较低，沿该方向的速度测量精度低于垂直于景深方向的测量精度。本文尝试从硬件角度入手，发展一种双光场相机流动测试技术，通过增大对示踪粒子的观察视角，来提高光场三维测量系统沿景深方向的空间分辨率。基于乘积代数迭代技术（Multiplicative Algebraic Reconstruction Technique，MART），开发了针对双光场相机的粒子三维重构算法。分别利用直接数值模拟（Direct Numerical Simulation，DNS）水射流的数字合成图像与低速水射流涡环的实验图像，将双光场相机的测量结果与单光场相机的测量结果进行对比分析研究。结果表明双光场相机与单光场相机相比显著提高了相机沿景深方向的测量精度。     

基于波前探测的视网膜图像半盲解卷积复原

获取高分辨视网膜图像的难点在于是否能够消除成像系统中像差的影响。为了进一步改善图像质量、提高视网膜细胞组织的观察分辨率,提出了结合自适应光学成像技术和视网膜图像后处理算法的方法。通过视网膜成像系统中的自适应光学技术实时校正人眼像差并获取初始视网膜图像,根据成像系统中的残余像差重建光学传递函数作为图像复原模型初始参数估计,最后对视网膜图像进行条件约束迭代半盲解卷积复原,进一步消除像差对成像质量的影响,从而得到高分辨率视网膜图像。实验结果表明:由这种方法处理的视网膜图像质量能得到明显提高,其图像质量客观评价参数(GMG,LS和PSV)比原始图像提高近1倍,在视网膜细胞的空间频率范围内(70～90 cyc/deg),复原后图像的功率谱平均值比原始图像提高了10倍左右,基本能满足观察分辨率要求。     

提高图像轮廓清晰度的快速插值放大方法

分析了当前主要的高清晰度图像插值放大方法,为实现快速放大而选择了基于图像轮廓插值改善清晰度的技术路线,并在已有算法的基础上开展了进一步的研究.提出了新的图像轮廓线光顺数值算法,对轮廓线划分的两类子区域提出了精度更高的插值算法.最后,以典型平面图形的图像和由3DMax生成的三维渲染图像为例对本文方法进行检验,与双线性插值结果的对比说明,该方法可以明显改善插值放大效果.