基于感兴趣区域及LOD模型的图像压缩算法研究

感兴趣区域ROI(Region of Interesting)模型和层次细节LOD(Level of detail)模型是静止图像压缩及网络传输技术中两个重要模型.采用基于认知心理学的图像感兴趣区域提取模型,通过显著图法自动地得到与人眼视觉较吻合的ROI区域,并使ROI区域获得比背景区域更好的图像效果.同时通过将图像网格化,并在图像网格上进行B样条细分小波变换,实现了图像在不同分辨率下LOD压缩算法.     

基于二代小波的三维虚拟人脸的LOD简化模型研究

针对三维虚拟人脸数据量大的问题,结合曲面多分辨率细分模型,首次提出了具有C2连续光滑的对称性双正交三次B样条小波的快速提升构造方案。算法通过引入 s-lift和w-lift算子,根据B样条的两尺度及小波二阶消失矩关系构造了l和h滤波器。定义了一个与顶点角标无关的提升运算以得到一个平面张量积形式的B样条小波函数,从而将提升构造算法推广到二维,研究了三维人脸网格曲面的张量积小波变换LOD控制算法。对误差计算进行了定义和分析,并对三维人脸的LOD小波控制算法进行了优化。结果表明:二代小波LOD模型压缩率高,人脸曲面失真度小。     

结合全局与局部信息的主动轮廓分割模型

针对传统的基于区域的主动轮廓模型在分割灰度不均匀图像和噪声图像存在效果不佳的问题,提出结合全局项与局部项的主动轮廓分割模型。全局项由CV(Chan-Vese)模型的保真项构成,局部项的构建考虑局部区域信息的同时引入反映图像灰度特性的局部熵信息。依据图像灰度的特点,选择合理的全局项和局部项参数,并加入正则项保证曲线在演化过程中保持平滑,保障分割结果的可靠性。通过变分水平集方法最小化能量泛函,依据梯度下降流迭代更新水平集,完成曲线演化。采用模拟图像和实际图像进行实验分析,结果表明,所提出的结合全局项和局部项的主动轮廓模型可以高效地分割噪声严重以及灰度分布不均匀的图像。     

基于小波域隐Markov模型的SAR图像滤波方法

在小波域隐Markov模型(HMM)的基础上提出一种新的合成孔径雷达(SAR)图像的滤波方法。首先根据小波变换的内在特征,建立小波域的隐Markov树(HMT)模型,通过EM算法可以获得该HMT模型的参数估计。然后根据SAR图像的统计性质,将SAR图像的乘法斑点杂噪声在局部范围内近似为加性白高斯噪声,通过最小均方差(MMSE)估计可以获得信号的小波变换值。通过对真实SAR图像的应用,结果说明该方法可以在保存图像细节特征的情况下有效地抑制图像的噪声。     

条带式合成孔径雷达数字聚束算法

与聚束工作模式的合成孔径雷达 (SAR)相比 ,条带式SAR能够在相同时间内对更大范围的区域进行微波成像。但是在分析条带式SAR图像时 ,往往需要着重分析某些局部热点区域 (ROI ,Region-Of-Interest) ,而ROI外散射体的回波会降低ROI图像的对比度。本文的数字聚束 (Digitally -Spotlight)算法可以在成像前将ROI外的回波“过滤” ,实现等效的的聚束工作模式 ,从而提高SAR对比度。仿真验证了该算法的有效性。     

多特征的UAV快速目标识别算法仿真

针对UAV(Unmanned Aerial Vehicle)侦察图像快速目标识别问题,重点展开基于多特征的UAV快速目标识别算法的仿真研究。算法结合图像的不变矩特征和SIFT特征,首先用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域(ROI,Region of Interest);然后采用尺度不变特征变换算法(SIFT,Scale Invariant Feature Transform)在ROI区域中进行匹配识别,从而确定目标的精确位置。仿真结果表明:算法具有较强的鲁棒性,能有效地识别飞机目标并显著减少识别时间,为UAV系统提供了一种近实时的目标识别方法。     

一种高分辨率SAR图像水上桥梁目标识别新方法

首先采用灰度均值和方差二维特征模糊分割SAR图像,其次基于8邻域链码跟踪边界法剔除植被、阴影等虚警,然后通过水体轮廓搜索潜在桥梁ROI点并进行直线拟合、线段连接和线段延拓,消除河心洲、船只和条纹干扰等影响确定疑似桥梁ROI,最后采用双参CFAR检测法分割桥梁ROI,根据目标主轴方向和周长等特征消除桥梁ROI内的虚假目标,识别和定位桥梁。实验表明,该算法能够准确识别水上桥梁目标,对条纹干扰的桥梁和灰度梯度较弱的桥梁同样有效。     

一种PCNN和边缘检测协同的SAR图像分割算法

针对高分辨率SAR(synthetic aperture radar)图像目标复杂,且具有严重的相干斑噪声,灰度出现剧烈起伏导致目标边缘模糊难以实现精准分割的问题,提出了一种分数阶傅里叶变换(fractional Fourier transform,Fr FT)域中里兹分数导数(Riesz fractional derivative,RFD)边缘检测和脉冲耦合神经网络(pulse coupled neural network,PCNN)协同的高分辨率SAR图像分割算法。该算法首先将原始图像经过边缘检测处理以保留较好的边缘信息,再由PCNN模型进行图像分割,最后通过形态学进一步去除相干斑点。将所提算法应用到不同区域的高分辨SAR图像分割中,实验结果表明该方法能够有效抑制相干斑噪声和灰度边界模糊的影响,获得精准的分割效果。     

基于小波分析的眼底病图像预处理

将小波变换方法用于眼底病灰度图像预处理。采用Haar小波对输入的眼底病灰度图像进行单尺度二维离散小波分解提取边缘。为了从不同程度改善图像的质量，我们对分解的图像进行量化编码，把高频三个方向的分解系数图像用离散小波变换逆变换进行图像融合及图像增强。通过计算机模拟对比了一阶、二阶微商的边缘提取方法和小波变换边缘提取方法预处理结果，结果表明采用小波变换对输入的眼底病灰度图像进行预处理是一种更理想的方法。     

基于小波域字典学习方法的图像双重稀疏表示

提出了一种有效地结构化字典生成算法以及图像双重稀疏表示方法.在Rubinstein等提出的图像双重稀疏表示模型的基础上,引入小波零树结构,将同一空间位置对应的同方向跨尺度小波基函数的线性组合作为新的基函数,并通过K-SVD学习算法得到线性组合系数,由此得到了一种更加切合图像方向特征的结构化字典学习算法.在此基础上提出了相应的图像分解与重构算法.遥感图像M项逼近实验以及压缩仿真实验表明,本文提出的结构化字典比已有的字典具有更好的图像稀疏表示效果.     

机载平台野外立体场景弱小变化目标检测

提出了一种针对机载序列图像的野外立体场景弱小变化目标检测新方法。为了补偿平台运动,提出了一种级联图像配准模式,即首先通过生物视觉方法对待检图像进行快速粗配准,然后通过不变系数最小二乘匹配进行精配准;为了补偿图像间的灰度变化,提出了直方图一致性变换方法,该方法不仅可以处理线性灰度变化而且可以处理非线性灰度变化;为了弱化场景立体效应影响,提出分子区的方法,即通过将图像划分为若干子区,各对应子区独立求解仿射参数,使得待检图像不同位置子区可以对应不同几何变换参数。光电吊舱真实图像变化检测实验,证明了文章方法的正确性和有效性。     

一种基于区域标记的虹膜内边缘定位新算法

提出了一种新颖简单的虹膜内边缘(瞳孔)定位算法.首先,采用Soble边缘检测算子和形态学变换进行边缘检测;然后,利用区域标记法为边缘检测后形成的各连通成分赋予相应的灰度值,并利用直方图的方法分离出瞳孔区域;最后,采用投影的方法进行瞳孔的定位.实验结果表明,文中提出的方法能够准确地进行虹膜内边缘定位.     

基于改进SIFT的航拍图像快速匹配方法

针对传统SIFT算法存在特征描述符计算复杂,匹配时间长,错匹配较多等问题,提出了一种基于改进SIFT特征的航拍图像快速匹配方法。该方法采用基于圆形窗口的梯度方向累加值与同心圆形窗口内的灰度累加值、灰度差分值来构建18维的改进特征描述符,并在特征点匹配过程中,采用基于相关系数相似度量准则的双向匹配方法来获取初始匹配特征点对。最后,运用RANSAC算法进一步消除错配和估算仿射变换模型,并通过双线性插值法对变换后的图像进行重采样和插值。实验表明,该方法可以实现航拍图像之间的有效匹配,在匹配速度和匹配精度上优于传统SIFT算法,具有较好的实时性。     

广义S变换和阈值分割联合抗频谱扩展-压缩移频干扰

根据频谱扩展-压缩(spectrum spread and compression, SSC)移频干扰信号和回波信号时频分布特性的差异,提出一种基于广义S变换和Tsallis交叉熵阈值分割的干扰抑制方法。分析了SSC移频干扰的干扰原理和干扰信号经过解线调后的信号形式,并利用时频聚焦性较好的广义S变换获取接收信号经过解线调后的时频图像,根据时频图像对应的灰度图像,以Tsallis交叉熵最小化作为目标函数,求出灰度图像的最佳分割阈值,并根据分割阈值构建时频滤波器,实现干扰抑制。仿真结果表明:该方法对于SSC移频干扰产生的假目标具有较好的抑制效果,干扰抑制比可达30 dB以上。     

基于微变焦法的超分辨率成像技术及实验研究

从空间域的角度分析了微变焦法的原理,微变焦过程可等效为改变每个光敏元所对应物辐射率分布区域的位置和大小,由此建立微变焦过程的空域模型为一个线性方程组,由该模型可描述观察图像和目标高分辨率图像之间的关系,并通过求解该方程组得到目标图像。最后做了面阵CCD的超分辨率成像实验,结果表明微变焦法可明显提高成像系统的分辨率。     

基于地基多传感器融合的无人机自主着陆引导方法

针对无人机自主着陆过程中卫星导航系统易被干扰的问题，提出了一种基于地基多传感器融合的无人机自主着陆引导方法。首先采用主动式激光照射的方式，获取机载反射棱镜的近红外成像，在红外图像中对无人机目标进行识别；然后通过坐标转换将识别结果映射到可见光图像中，在可见光图像中选择的感兴趣区域进行可见光目标识别，从而在降低计算量的基础上获得更加精确的无人机相对角度信息；最后利用距离测量信息和引导系统角度信息可以获得精确的无人机相对位置。无人机着陆引导试验结果表明，该方法能够提供精确的无人机位置信息，能有效适应于复杂背景下的无人机自主着陆引导。     

一种面向目标的伪彩色图像融合算法

针对远距离红外与可见光融合图像中目标不突出的问题,提出了一种面向目标的伪彩色图像融合算法。基于目标特征将红外图像分割为目标区域和背景区域,以人类视觉的生物机理和感受野的数学模型为基础,利用差分高斯函数(Difference of Gaussians,DOG)模拟视觉拮抗特性,对目标区域和背景区域用改进的感受野模型和不同的彩色映射规则进行伪彩色图像融合。实验结果显示:该算法能够保留图像共有特征,突出独有特征,融合图像色彩自然、目标突出,具有良好的视觉效果。     

基于改进零树小波的图像压缩算法在舰船故障远程诊断中的应用

结合舰船故障远程诊断中图像压缩、传输存在的问题和特点,提出对故障诊断图像实现感兴趣区域无损编码与背景区域高压缩比压缩相结合的思路。比较JPEG和JPEG2000算法的编码过程及缺陷,利用小波变换具有多分辨率分析的特点,提出了基于改进零树小波算法。以离散小波变换为基础,产生嵌入式码流,利用较粗尺度系数来预测较细尺度系数。针对某型燃气轮机的零级动叶部位破损的故障,完成了舰船故障远程诊断中机电设备故障图像的压缩应用研究。研究表明:原始图像压缩后能有效降低数据量;重构图像中的感兴趣区域清晰,说明改进零树小波算法完全能满足远程诊断需求。     

上下文感知的深度弱监督图像哈希表示学习方法

针对现有深度监督图像哈希表示学习方法依赖于图像的类别信息,难以在现实中被广泛应用问题,利用与图像相关的标签信息作为监督信息,提出上下文感知的深度弱监督图像哈希表示学习方法。该方法一方面通过自适应捕获图像区域特征的相关上下文来增强它们的表示能力,另一方面通过引入判别损失来提高学习到的哈希码表示的判别性。在现有两个公开数据集上的大量实验结果证明了该方法的有效性。