融合明度特征的V-SAD立体匹配算法

针对SAD算法难以对图像中纯色与弱纹理部分进行准确匹配的问题,提出了将HSV空间明度特征与SAD算法相融合的立体匹配算法,称为V-SAD算法.首先将图像从RGB空间转化至HSV空间,并根据H、S、V值将像素点按照颜色分为10类,同时得到明度特征图.然后结合SAD算法需要的灰度特征图计算匹配代价,得到初步的视差图.接着,根据HSV空间的颜色信息对图像进行分割,结合数学形态法求解分割区块中的独立连通域.再利用边缘生长法对每一个连通域的视差进行恢复.最后,使用左右一致性检测方法对视差图进行优化.实验结果表明,利用图像的明度信息衡量纯色与弱纹理区域的匹配点的相似度是有效的,该V-SAD算法有效改善了SAD算法在弱纹理和纯色区域的匹配效果,平均误匹配率下降了13.02％.     

基于无监督深度学习的红外与可见光图像融合

目前已知的多数基于卷积神经网络的红外与可见光图像融合模型没有充分利用来自可见光源图像的层次特征,因此导致融合图像细节纹理不足。受残差网络和密集网络的启发,提出了一种基于无监督深度学习的图像融合算法来解决融合图像细节纹理信息不足的问题。使用的残差密集块有连续存储机制,最大程度地保留每层的特征信息,局部残差融合和全局残差融合的设计有利于学习图像中的结构纹理。此外,为了更好地保留可见光图像中的细节纹理,引入了生成对抗网络对数据集进行无监督学习。主客观实验表明,该算法不仅获得了良好的视觉融合效果,融合图像具有更多的边缘纹理信息,在客观评价指标上对比现有优秀的算法也较大的提升。     

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。     

基于颜色、形状和纹理的多特征融合图像检索

基于单一特征的图像检索的许多方法都已经相当成熟,如何有效利用这些特征是基于内容图像检索的一个关键问题。利用颜色、纹理、形状等特征,在多特征融合检索时用动态生成权值的方法进行图像检索。实验结果表明,算法能够准确、高效地检索出目标图像,相对于单一特征的检索,有效提高了图像的检索精度。     

一种基于Curvelet变换的红外图像去噪方法

针对红外图像中目标与背景的对比度差、边缘模糊、纹理信息缺失等特点,提出了一种基于Curvelet变换的红外图像去噪方法。算法原理简单,易于实现,具有较高的实时性。试验结果表明,算法能够有效去除红外图像中的噪声和杂波。     

基于改进SURF算法的无人机遥感图像拼接方法

针对传统SIFT算法在无人机遥感图像拼接中存在的运算缓慢、误匹配较多且计算过于复杂,无法满足遥感图像处理的实时性要求等缺陷,以及由于采集到的图像之间存在曝光差异等情况,直接进行叠加拼接后极大可能会在边界处产生重影错位的情况,文章提出了一种改进的SURF算法与融合算法用于无人机的遥感图像拼接。首先,在特征检测阶段,将SURF算法与Harris角点检测算法2种算法相结合,快速得到图像的特征点与特征描述子;在特征匹配阶段分为粗匹配与精匹配2个步骤:通过KNN算法对待拼接图像间特征点的粗匹配,以及应用RANSAC算法去除误匹配点的精匹配;在图像融合阶段,采用了基于距离的加权平均算法进行图像融合;最后,实验表明:文章所提出的算法处理速度相比于传统SUFT算法提升了近5倍,相比于其他改进算法,匹配精度也有所提高,并且该算法能够有效提高图像拼接后的质量与效果,解决了拼接痕印明显、重影、错位等现象可能发生的问题。     

基于梯度方向二值模式特征的飞机翼尖跟踪技术

研究基于视频图像分析与定位的飞机翼尖跟踪技术,为飞机地面移动提供安全保障.现有图像特征进行翼尖跟踪经常失效且计算效率低下,本文结合纹理和轮廓信息,提出以梯度方向二值模式( OG_ LBP)为特征的粒子滤波跟踪算法,降低特征维数的同时建立局部和全局的翼尖特征直方图描述,提高识别效果.同时,该算法在粒子滤波基本框架之下,结...     

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。     

基于ICA的遥感图像的色彩分类方法

根据独立成分分析（ICA）方法和多频谱卫星遥感图像的特点,提出了一种基于ICA的遥感图像色彩分类法。方法使用FastICA算法提取遥感图像的色彩独立成分,是RGB反转的结合,具有互补的分布,不受照明的影响。使用最大相似度分类算法对像素进行色彩分类,实验结果表明,方法的色彩分类效果较好,对多频谱遥感图像进行色彩分类十分有效。     

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.     

Target localization based on cross-view matching between UAV and satellite

Matching remote sensing images taken by an unmanned aerial vehicle (UAV) with satellite remote sensing images with geolocation information. Thus, the specific geographic location of the target object captured by the UAV is determined. Its main challenge is the considerable differences in the visual content of remote sensing images acquired by satellites and UAVs, such as dramatic changes in viewpoint, unknown orientations, etc. Much of the previous work has focused on image matching of homologous data. To overcome the difficulties caused by the difference between these two data modes and maintain robustness in visual positioning, a quality-aware template matching method based on scale-adaptive deep convolutional features is proposed by deeply mining their common features. The template size feature map and the reference image feature map are first obtained. The two feature maps obtained are used to measure the similarity. Finally, a heat map representing the probability of matching is generated to determine the best match in the reference image. The method is applied to the latest UAV-based geolocation dataset (University-1652 dataset) and the real-scene campus data we collected with UAVs. The experimental results demonstrate the effectiveness and superiority of the method.     

基于海岸线状特征匹配的近海域卫星遥感影像定位

针对卫星轨道参数及传感器姿态角等信息缺乏且无控制点的近海域遥感影像定位难题,提出了基于海岸线状特征匹配的影像定位方法。首先,扩展应用Live-Wire算法,实现待定位影像的海岸线交互式提取;然后,设计一种改进的曲线形状签名和优化的部分匹配算法,实现海岸曲线匹配;最后,根据曲线匹配结果计算变换矩阵,实现近海域卫星遥感影像定位。利用Land Sat和SPOT影像的定位实验验证了该方法的有效性。     

基于图像特征融合的粉末床缺陷检测方法

针对单一特征对粉末床缺陷表达不明确导致检测效果不佳的问题,提出了一种基于特征融合的增材制造过程粉末床缺陷视觉检测方法。该算法分别使用SIFT方法、灰度共生矩阵和Hu不变矩提取尺度空间特征、纹理特征和几何特征,借助词袋模型对每张图像构建3组视觉单词直方图,通过串行融合3组视觉单词直方图得到新的特征矩阵,采用特征选择对融合后特征矩阵进行降维,并传入随机森林分类器中进行训练。实验结果表明,不同特征对粉末床不同类型缺陷检测具有不同的贡献,优化特征融合参数后,算法平均准确率达到97.46%,缺陷检测效果明显提升。     

彩色车牌图像的多阈值分割方法

彩色图像的颜色是图像分析的重要特征信息,颜色特征的提取是图像分析的重要步骤,但彩色图像为多维空间信息且可能涉及的是多种颜色特征。文章介绍了采用多阈值分割方法,将多种感兴趣的颜色信息转化为灰度图像,在同一个灰度图像中对应多种彩色信息,对各种不同颜色信息方便处理。通过200幅实测车辆图像使用彩色图像的多阈值分割方法进行车牌定位试验,准确率为98%。     

SRS-Net: Training object detectors from scratch for remote sensing images without pretraining

Most of the current object detection algorithms use pretrained models that are trained on ImageNet and then fine-tuned in the network, which can achieve good performance in terms of general object detectors. However, in the field of remote sensing image object detection, as pretrained models are significantly different from remote sensing data, it is meaningful to explore a train-from-scratch technique for remote sensing images. This paper proposes an object detection framework trained from scratch, SRS-Net, and describes the design of a densely connected backbone network to provide integrated hidden layer supervision for the convolution module. Then, two necessary improvement principles are proposed: studying the role of normalization in the network structure, and improving data augmentation methods for remote sensing images. To evaluate the proposed framework, we performed many ablation experiments on the DIOR, DOTA, and AS datasets. The results show that whether using the improved backbone network, the normalization method or training data enhancement strategy, the performance of the object detection network trained from scratch increased. These principles compensate for the lack of pretrained models. Furthermore, we found that SRS-Net could achieve similar to or slightly better performance than baseline methods, and surpassed most advanced general detectors.     

Ship detection and classification from optical remote sensing images: A survey

Considering the important applications in the military and the civilian domain, ship detection and classification based on optical remote sensing images raise considerable attention in the sea surface remote sensing filed. This article collects the methods of ship detection and classification for practically testing in optical remote sensing images, and provides their corresponding feature extraction strategies and statistical data. Basic feature extraction strategies and algorithms are analyzed associated with their performance and application in ship detection and classification. Furthermore, publicly available datasets that can be applied as the benchmarks to verify the effectiveness and the objectiveness of ship detection and classification methods are summarized in this paper. Based on the analysis, the remaining problems and future development trends are provided for ship detection and classification methods based on optical remote sensing images.     

Sea fog detection based on unsupervised domain adaptation

Sea fog detection with remote sensing images is a challenging task. Driven by the different image characteristics between fog and other types of clouds, such as textures and colors, it can be achieved by using image processing methods. Currently, most of the available methods are datadriven and relying on manual annotations. However, because few meteorological observations and buoys over the sea can be realized, obtaining visibility information to help the annotations is difficult. Considering t...