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。     

基于人眼视觉特性的车载图像增强算法的应用与研究

通过对人眼视觉的图像亮度敏感特性、掩盖效应和多通道特性的分析,针对车载图像处理需求,提出了小波与Retinex结合的图像增强算法,将原始图像进行小波变换,低频尺度系数采用MSR算法处理,高频小波系数进行非线性增强。运用MATLAB软件进行仿真实验,结果表明该方法能够使人眼观察到的图像更清晰,可有效提高驾驶安全性。     

方向非抽样小波变换在多传感器图像融合中的应用

本文分析和研究非下采样方向滤波器组及具有平移不变性的非抽样小波变换的优点,提出了基于方向非抽样小波变换的图像融合方法.首先利用非抽样小波变换将待融合源图像分解成不同尺度,不同分辨率的高低频分量,再对高频分量利用非下采样方向滤波器组进行方向分解,然后采取不同的融合方法对分解的高低频分量进行融合处理,最后将融合的各频带进行相应逆变换得到融合图像.实验表明,在不同评价标准下,本文方法优于传统小波变换和拉普拉斯金字塔变换的融合效果,并能有效地消除小波变换所带来的光谱扭曲和假边缘现象.     

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。     

空间相关性约束联合子空间追踪的高光谱图像稀疏解混

通过深入分析高光谱图像空间相邻数据之间的空间相关性,提出一种利用空间相关性进行约束的联合子空间追踪解混(Spatial correlation constrained simultaneous subspace pursuit,SCCSSP)方法。该方法首先基于分块思想将高光谱图像进行分块处理,然后在图像块的端元提取步骤中,结合空间相关性特征对端元的提取进行约束,从而确保当前端元支撑集相对于高光谱图像残差是最优的。在丰度估计中将图像块的端元集合合并作为整幅图像的端元支撑集,通过求解非负性约束的最小二乘法获得丰度重建图像。模拟图像数据实验结果表明,本文方法在同等条件下能够获得更高的信号重构误差,且解混运算时间低于凸优化算法。在实际图像数据实验中,本文方法丰度图像稀疏度最低,取得了仅次于SUnSAL-TV算法的图像重建误差,其所得到的丰度重建图像也取得了更好的视觉效果。实验结果验证了本文方法具有更高的解混精度。     

基于小波变换与局部离散度的多聚焦图像融合算法

提出了一种基于小波变换与局部离散度的多聚焦图像融合算法。首先对不同聚焦图像进行小波变换,然后采用局部离散度准则对各个方向上的高频系数进行融合,采用重要度准则对低频系数进行融合,最后对融合后的小波系数进行重构,得到了很好的融合图像。实验结果表明,融合效果优于取绝对值大的小波系数和区域方差准则的融合算法。     

基于小波变换的高超声速边界层动态图像分析

利用小波变换技术,研究高超声速下动态尖锥周期俯仰摆动的边界层转捩图像.通过基于二维小波变换的图像消噪和图像增强算法,优化动态实验图像,根据小波变换图像的奇异性提取沿时间历程变化的尖锥边界线和边界层图像,得到尖锥的俯仰摆动周期和迎角变化范围.结果显示边界层厚度的变化周期与尖锥的俯仰摆动周期存在相位差,随着迎角增大,背风面转捩点向尖锥前缘移动.实验结果表明,基于小波变换的图像处理技术不仅能够作为高超声速尖锥实验流动显示进行定性观察.还可以实现对高超声速边界层转捩实验的精确观测和定量分析,成为一种重要的量化和自动化的实验技术和分析手段.     

基于形态学梯度矢量的图像边缘提取算法

图像的边缘在很大程度上可以用梯度的概念来解释和描述,而现有的形态学梯度边缘检测算子抹煞了梯度的矢量性。文章提出了一种新的图像边缘提取算法:在边缘检测部分提出了具有方向估计的形态学梯度算子,且从理论和实际应用两个方面给予证明。并将模糊处理加入该系列算子,使这些算子在噪声抑制和提高边缘清晰度两方面均有较好的表现。同时在图像分割部分改进了最佳阈值化分割,利用小范围的边缘梯度各方向上的最佳阈值化进行调整,使图像的边缘更加完整、清晰。     

磁共振图像的一种多尺度边缘检测算法

医学图像的病灶呈弱边缘特性,用传统的边缘检测方法效果不理想。本文提出了一种改进的多尺度边缘检测算法：在传统的Mallat小波模极大值边缘检测方法的基础上,应用模糊算法构造相应的隶属函数,提取弱边缘信息,最后应用多尺度边缘融合算法将不同尺度下的边缘图像合成。实验结果表明,该方法对噪声有一定的抑制作用,可有效检测出弱边缘信息,定位准确,且检测效果明显。本算法可以兼顾良好的边界定位、噪声抑制和弱边界检测等性能指标,可以有效解决传统边缘检测方法中存在的高定位精度及强去噪能力之间的矛盾。     

SAR/INS组合导航中基于SURF的鲁棒景象匹配算法

在SAR/INS组合导航系统中,由于合成孔径雷达采用正侧视成像工作方式,会引起SAR图像的严重变形,而且获取的SAR图像还可能存在严重的斑点噪声。为了适应SAR图像的几何畸变和高斑点噪声影响,需要提取出的图像特征具有较高的鲁棒性。本文提出了基于SURF的导航用鲁棒景象匹配算法,算法首先针对惯性组合导航的工作特点,对SURF特征匹配进行了改进和优化设计,然后用RANSAC方法过滤掉错误和低精度的匹配点,最后,进行最小二乘精确匹配获取航向和位置偏差信息。通过仿真分析了算法对SAR图像的适应性、抗斑点噪声性能,匹配精度以及实时性,并与基于SIFT特征的景象匹配算法进行了对比。仿真结果表明,所提出算法性能优越,在匹配适应性、鲁棒性、匹配精度及匹配速度方面都优于SIFT算法,可以满足SAR/INS组合导航系统图像匹配修正的高性能要求。     

基于自适应分数阶微分的SIFT图像配准

针对传统SIFT(Scale Invariant Feature Transform)配准算法中存在的特征点正确匹配率低,配准效果较差的问题,提出了一种新的自适应分数阶SIFT算法用于图像配准。首先根据图像的梯度模值和信息熵构建自适应分数阶的数学模型,自动计算每个像素点的最佳分数阶阶次;其次基于最佳分数阶阶次构造自适应分数阶微分掩模,并将其融入到SIFT算法中,提取到更多精确有效的关键点,从而提高了SIFT算法的精度;在SIFT算法的特征点匹配阶段,进行相似性度量时,增加了余弦相似性约束,解决了欧式距离不能够判定特征向量的空间位置关系的问题,进一步提高特征点匹配的准确率;并使用改进的随机样本一致性算法(Random Sample Consensus,RANSAC)进一步减少误匹配的特征点对;最后根据匹配的特征点对求解空间变换矩阵,从而实现图像配准。验证结果证明:本文算法的匹配精度较高,配准的质量也得到较明显的提升。     

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。     

基于脊波变换的三维工业CT图像空间距离测量

工业CT是一种应用广泛的射线无损检测技术,工业CT三维图像的测量是其中重要的组成部分。本文利用脊波变换,初步实现了三维工业CT图像的空间距离测量。首先对三维图像进行三维Radon变换,得到投影值构成的二维图像(称为投影值图像)。然后在待测量位置画一条直线,对直线上的灰度值进行小波变换。根据变换后的小波系数确定投影值图像的边缘位置,从而求出三维图像内两点的距离。仿真实验表明:采用本文的脊波方法测量三维工业CT图像的两点空间距离可达到较高精度。     

基于低密度粒子图像叠加的Micro-PIV速度场测量

提出了一种基于低密度粒子图像的微流体粒子图像全场测速技术.经过背景噪声去除、阈值过滤、图像增强等图像预处理过程,获得了高质量的低密度荧光示踪粒子图像.对100对图像进行图像叠加处理,得到了满足互相关算法求解二维速度场的高密度叠加粒子图像.针对宽度为250μm,深60μm的长直微通道开展了覆盖全场不同流体层平面的二维速度测量,并利用多个流体平面的二维速度场实现了微通道内全场速度的构建.研究结果表明:由于图像叠加法去除了像径大但灰度低的背景粒子图像,采用互相关分析能够准确获得分层二维速度场,所构建的全场速度场正确反映了长直微通道内流流场特征.     

基于FLICM与几何特征组合的缺陷识别算法

针对边缘模糊、对比度低的缺陷图像,采用传统模糊聚类方法容易引起目标聚类错误,阻碍了缺陷特征参数的提取精度,从而引发了缺陷错误分类和降低了缺陷识别率。为此,本文提出了一种新颖的基于FLICM与几何特征组合的图像缺陷识别算法。首先采用FLICM模型分割缺陷图像,以获取图像缺陷区域;其次提取图像缺陷的多类几何特征;最后采用几何特征的参数变量组合识别缺陷目标。实验结果表明该模型提高了疏松、夹杂、裂纹、分层、窜层、气孔缺陷识别率。     

ADWR-X多普勒天气雷达回波自动识别监视与预警系统设计

利用广汉机场和绵阳机场两部ADWR-X机场终端区X波段多普勒天气雷达的基数据,对其进行解码和分析,通过改进的TITAN算法对强对流回波进行自动识别,提取出强对流回波的距离、强度、回波顶高、强回波中心等信息,并进一步给出天气类型的判断以及预警。系统是通过Microsoft Visual Studio 2017开发环境采用VB语言进行编程,为机场灾害性天气的短临预报和预警提供辅助和参考。     

一种形态学与Canny算子融合的焊接熔池边缘检测算法

针对CO_2焊接熔池图像噪声干扰,边缘模糊等问题,以多尺度多结构数学形态学边缘检测算子为基础,结合Canny算子边缘定位准确,提出了将Canny算子与多尺度多结构形态学融合的熔池图像边缘检测算法,并将该算法应用于检测并提取CO_2焊接熔池图像的边缘。实验结果表明,与经典的Canny算子和单尺度形态学算法相比,提出的算法具有图像边缘连续完整、定位准确、图像细节保留较多等优点,为进一步焊接质量控制的研究奠定了基础。     

基于分散注意力递归神经网络的无人机去雨算法（英文）

户外拍摄的图像常受降雨天气影响,造成图像可见度低等问题。作为一种重要的户外图像采集系统,无人机需要合适的去雨算法来提高雨天所摄图像的视觉效果,并给后续计算机视觉任务提供高质量的初始图像数据。为处理不同尺度和方向的雨纹,本文提出一种利用和融合多尺度卷积的多分支网络结构,并与分散注意力机制结合,实现特征级别的多通道交互,从而利用自适应的感受野以处理复杂背景的恢复问题。本文算法将多尺度分支、分散注意力机制和通道分组机制相结合,在实现多尺度处理的基础上与基本残差块的特征通道数保持一致。另外,为更进一步减少网络模型的参数量,本文算法将每个基本模块递归计算4次,从而在保持去雨效果的同时使模型轻量化。大量实验证明,本文算法在多个数据集上均优于目前主流的传统或基于学习的图像去雨方法。     

两种基于图论的聚类算法改进(英文)

近年来,基于图论的聚类算法被广泛地应用在数据聚类和图像分割之中。聚类任务主要是挖掘一组给定数据隐含的分布规律和结构信息,而图像分割则是将一幅图像划分为若干互不交迭区域的过程。主要讨论两种比较流行的基于图论的聚类算法,即基于有向树的数据聚类算法和基于最小生成树的图像分割算法。创新在于:(1)改进基于有向树的数据聚类算法,将其应用于图像分割;(2)改进基于最小生成树的图像分割算法,将其应用于数据聚类。在人工数据和实际图像数据上的实验结果表明,改进的有向树算法可以很好地分割图像并保留图像中足够的细节,而改进的最小生成树聚类算法能比较好地聚类具有流形结构的人工数据。     

基于特征点运动矢量估计的动态序列图像运动目标跟踪

提出了一种改进的特征点运动矢量估计方法,用于动态序列图像中的运动目标跟踪。首先利用改进的最小亮度变化算法提取特征点;然后通过自适应的十字模式搜索法确定这些特征点的匹配点。在RANSAC方法的基础上,利用运动背景的仿射变换参数实现运动背景的补偿。最后利用合理的形态滤波技术,运动目标将完整地从背景中提取出来并实现准确跟踪。实验结果表明,改进的方法可以成功完成运动背景的补偿,并为动态序列图像的运动目标跟踪提供了保证。