离散小波变换耦合静电场理论的图像快速伪造检测算法

为了解决当前图像伪造检测算法主要是在图像空域中定位伪造区域,难以降低图像维数,使其复杂度大;且不能有效检测几何变换篡改形式的伪造区域,导致其鲁棒性不佳的不足,本文提出了离散小波变换耦合静电场理论的图像伪造检测算法。首先,引入离散小波变换,提取伪造图像的低频子带,降低图像空间;再基于静电场理论,将提取子带映射到虚拟电场中,提取鲁棒性较强的特征,利用Radix排序算法对特征完成重组,形成特征矩阵;最后,定义相同仿射变换,并用其处理排序矩阵,完成伪造区域检测。实验测试结果显示：与当前的移动复制伪造检测技术相比,本文算法具有更高的定位效率与检测精度;同时拥有较强的鲁棒性,有效抗击几何变换篡改。     

数字照片图像来源检测中的传感器模式噪声预处理方法

针对传感器模式噪声易受CFA插值噪声和JPEG压缩噪声污染,提出一种基于空域平滑滤波的传感器模式噪声预处理方法,去除干扰噪声,从而提高数字照片图像来源检测准确率.假设传感器模式噪声是一种类似高斯白噪声的随机信号,其在频域具有与高斯白噪声相似的平坦频谱;基于此,在空域采用高斯白噪声对传感器模式噪声进行引导滤波,其空域平滑效果使传感器模式噪声在保持自身性质的同时,拥有与高斯白噪声相似的特性.手机相机照片图像库的评估实验结果表明,与现有预处理方法相比,所提算法在图像来源检测准确度上Kappa统计系数提高了0.026以上,同时算法对JPEG压缩的鲁棒性也明显优于其他算法.     

基于CdZnTe像素阵列探测技术的伽玛源成像

根据高能射线针孔成像理论,采用CdZnTe像素阵列探测器建立了直接成像探测模式的伽玛源针孔探测系统。测试分析了CdZnTe像素阵列探测器的能量分辨力及峰值效率,讨论研究了针孔成像探测系统的调制传递函数和附加噪声特性,测试获得直径5mm137Cs源的探测图像,采用Lucy-Richardson迭代算法得到了137Cs源的复原图像。实验结果表明:CdZnTe探测器对662keV137Cs源的能量分辨力为6.25%～7.50%,峰值效率65.0%～72.5%;成像系统探测图像存在一定扩散现象,所采用的Lucy-Richardson迭代复原算法能较好地修正图像扩散,提高探测图像中心区域细节分辨力;估算所得137Cs源尺寸误差约0.5mm,所建立的CdZnTe针孔成像探测系统能有效得到小尺寸伽玛源的辐照强度分布及尺寸信息。     

基于互补梯度增强的红外线列扫描图像小目标检测

针对红外弱小目标难以识别、存在虚警的问题,根据红外线列探测器的噪声特性与小目标的梯度对称性,提出一种通过在图像梯度空间下构建多尺度堆叠增强重积分图(MSERI)来检测红外小目标的方法.估计不同的小目标尺寸,从多个方向计算图像的单向梯度图,利用估计尺寸寻找单向梯度图中各梯度值的互补梯度,对图像进行增强,之后对增强后的单向梯度图进行积分以还原图像并堆叠不同方向的积分图像,综合不同估计尺寸的堆叠图以获得增强结果.最后根据增强结果中的图像像素邻域的杂波峰-峰值计算自适应调节阈值,分割得到红外小目标.实验表明,所提方法在多种场景下均具有较好的检测能力与较低的虚警率,且运行速度优于其他性能类似的算法.     

双机IRST配准融合图像的弱小目标检测方法

针对单机红外搜索跟踪（IRST）系统探测距离和精度有限,得到的红外图像在杂乱背景和强噪声环境中弱小目标难以检测的问题,采用双机IRST对同时刻同目标区域探测后的图像进行配准融合,融合过程中采用高频基于区域、低频基于像素的多规则算法,提出一种基于小波变换与边缘信息表征的目标检测方法。仿真实验表明,多规则融合算法使图像质量评价指标提高了30%～50%,该目标检测方法可有效剔除虚假目标及滤除杂波干扰,从融合滤波前的7个减少到3个,虚警率降低,有助于弱小目标更为精确的检测识别。     

基于光谱角累加的高光谱图像异常检测算法

针对传统方法中用作背景的像素中存在干扰像素的问题,提出一种基于光谱角累加的高光谱图像异常检测算法。通过计算测试区域待测像素光谱向量与其他光谱向量之间的夹角,并将其累加,得到图像中每个像素的异常程度;然后使用波段选择预处理方法进一步提高检测性能。HyMap高光谱数据验证表明,在虚警概率设为0.008时,检测概率达到0.73,即在提高异常检测可靠度的同时,降低了虚警概率。     

基于空间距离改进的视觉显著性弱小目标检测

在人类视觉系统(HVS)中,占据重要部分的是对比度值而不是亮度。现有的基于HVS的红外弱小目标检测算法可以有效提高目标信噪比和检测率,但也存在虚警率较高、易受噪声影响等问题。针对这些问题,提出一种基于空间距离改进的视觉显著性红外弱小目标检测算法。用目标所在像素块均值与其周围像素块加权和的比值来加权目标点灰度,得到一幅显著图。在计算周围像素的灰度加权和时,将视觉注意机制中关键因素之一的空间关系考虑进去,根据空间距离加权计算,较远的地方分配较小的权值。实验表明,本文算法不仅可以降低虚警率,而且抗噪能力也比较强。     

贝叶斯迭代联合双边滤波的散焦图像快速盲复原

实现有效的单幅散焦图像盲复原对军事及地质勘测领域的清晰图像获取具有极为重要的意义.常用算法存在计算量大、振铃及噪声敏感的问题,为此本文提出了贝叶斯框架下迭代双边滤波器的快速盲复原算法.它首先用基于深度信息的盲去卷积结果估计点扩散函数的概率模型,进而通过贝叶斯理论构建合理的盲复原最小优化问题;然后推理分析最小优化问题的求解实质,得出双边滤波器快速求解最小优化问题的结论;最后设计迭代联合双边滤波器的求解方式,即利用一次双边滤波器求解的复原结果设计联合双边滤波器的指导图,再将其作为优化问题的输入,迭代实施求解.实验结果表明:该算法能有效抑制振铃,减少计算量,去除噪声,85%图像的像素误差平均值低于0.03,较常用盲去卷积法在同一误差区间的复原成功率提高了19%,运行时间缩短了约78%,能有效用于单幅散焦图像盲复原的实际工程实践中.     

光学显微镜自动聚焦取窗方法研究

针对全自动光学显微镜系统中,传统聚焦窗口选择方法易受图像内容分布、杂质、噪声等因素干扰的问题,提出一种根据内容像素变化量选择聚焦窗口的方法。该方法将灰度差像素数量与边缘像素数量加权作为内容像素数量,据此衡量失焦模糊状态下子块内容含量并划分聚焦窗口,减少杂质与噪声对取窗过程的影响;用降采样后图像各子块内容含量估计原图像内容分布信息,降低图像滤波、梯度计算过程的计算量;使用局部标准差与锐利边缘像素数量联合检测焦平面图像的失焦模糊区域,有效排除玻片杂质造成的焦平面误判。与传统的显微镜自动聚焦取窗方法相比,对内容丰富程度和分布状况不同的显微图像序列,该方法均能获取有效的聚焦窗口,像素梯度均值更高,所得的评价曲线局部极值极少,尖锐性好,因此该方法的成功率高,鲁棒性更强。     

基于空间自适应非凸正则项全变差相干斑噪声抑制

全变差正则化方法是相干斑噪声抑制研究的热点.非凸正则项能够更好地保持图像的边缘、纹理细节信息;空间自适应正则化参数可以根据像素点所在的区域,合理地控制噪声抑制程度,从而提高噪声抑制效果.本文结合非凸正则项和空间自适应正则化参数提出了一种新的全变差相干斑噪声抑制模型,并且给出了一种模型求解的数值算法.数值试验结果表明该模型能够获得更好的相干斑噪声抑制效果.     

基于直方图均衡化的Robinson图像边缘检测算法

针对图像边缘检测,现有Robinson相关算法存在效率低、阈值设定随机性大、易出现伪边缘等问题,提出一种改进Robinson的图像边缘检测算法。该算法利用直方图均衡化对图像进行增强,然后将Robinson算子原有的八方向梯度依照两两垂直原则组合为八组,分别计算每组梯度的范数,并取其最大值作为该像素点的梯度。最后取整幅图像的灰度均值作为阈值来识别图像的边缘像素和背景像素。实验表明,相对于现有相关算法,该算法检测结果更加清晰完整,同时避免了传统算子人为设定阈值随机性大的问题。     

像素重要性测量特征下的侧扫声呐目标检测

研究了在较低信噪比下,在保证检测概率的前提下尽量降低虚警概率的目标检测,提出了一种针对特定目标的两阶段筛选算法.第一阶段中,首先使用阈值分割出有效点,并定义了一种新的像素重要性测量特征用于初步筛选目标。即通过有效像素点之间的距离来赋以高斯分布的权值,当前像素重要性的值定义为剩余有效点的距离加权和,具有较高的像素重要性值的聚集性强的区域内像素点会被定位出来。第二阶段,使用卷积神经网络分类器排除虚假目标.在实验中,使用近期无人潜器获得的海底数据,召回率与虚警概率分别达到90.39%与2.39%,证明了其相比声呐目标检测主流算法有更好的检测能力。      

Target detection algorithm in side-scan sonar image based on pixel importance value measurement

Side-scan sonar detection application always combines with unstable results.A two-stage novel pixel importance value measurement algorithm is proposed to stabilize the detection ability and false alarm probability simultaneously.In first stage of the algorithm,a new feature defined as pixel importance value(PIV) is proposed in terms of distances between the target pixel and each other pixels.PIV measurement of current pixel is defined as the weighted sum of all remaining segmented pixels.The weighted part refers to Gaussian kernel,which means closer pixels gets higher weight.Thus,targets with higher PIV can be located.In the second stage,we use convolutional neural network as classifier to eliminate the dot-like false targets.Our experiment data is obtained by autonomous underwater vehicle,where we demonstrate superior performance of our algorithm over the state-of-the-art sonar detection algorithms in terms of 90.39% recall rate and 2.39% false alarm probability.     

时空域双边滤波背景抑制算法研究

红外图像中的强边缘一直是制约红外弱小目标检测概率的重要因素,同时是产生目标虚警的重要来源。采用能够同时利用邻域空间欧式距离和灰度值相似性的双边滤波,并针对天基红外系统中帧间背景缓慢变化的特点,设计一种基于时空域的双边滤波法,实验验证该方法对复杂背景的强边缘具有很好地抑制效果,信杂比增益大于3.6,同时能够很好地保留目标能量,目标能量损失因子D factor小于0.2,有效地提高目标的局域信杂比。     

An ensemble template algorithm for extracting targets from blurred infrared images

In this paper, an ensemble template algorithm is proposed to extract targets from blurred infrared images. First, the image pixels are divided according to their gray values into three pixel sets, a target set, a background set and the third set without class label. Second, the neighborhood statistical characteristics for each pixel are calculated as its template features. Third, ensemble detectors are designed using target pixels and background pixels based on their template features, and these ensemble detectors are used to detect the third pixel set. To evaluate the performance of the proposed extraction algorithm, this paper compares the ensemble template with other extraction algorithms using blurred infrared image of hand trace. Experimental results show that the ensemble template algorithm proposed in this paper exhibits better extraction performance.     

Quantum Image Location

Quantum image processing has been a hot topic as a consequence of the development of quantum computation. Many quantum image processing algorithms have been proposed, whose efficiency are theoretically higher than their corresponding classical algorithms. However, most of the quantum schemes do not consider the problem of measurement. If users want to get the results, they must measure the final state many times to get all the pixels’ values. Moreover, executing the algorithm one time, users can only measure the final state one time. In order to measure it many times, users must execute the algorithms many times. If the measurement process is taken into account, whether or not the algorithms are really efficient needs to be reconsidered. In this paper, we try to solve the problem of measurement and give a quantum image location algorithm. This scheme modifies the probability of pixels to make the target pixel to be measured with higher probability. Furthermore, it only has linear complexity.     

一种新的空谱联合探测高光谱影像目标探测算法

高光谱遥感影像不但具有高分辨率的空间信息还包含连续的光谱信息,因此在目标探测领域具有独特的应用优势。传统的高光谱遥感影像目标探测侧重于光谱信息的应用,形成了确定性算法和统计学算法。确定性算法通过计算目标光谱与待检测光谱之间的距离来查找目标,不能检测亚像素目标,而且容易受到噪声的影响;统计学目标检测计算背景统计特性,通过探测异常点来检测目标,可以检测亚像素目标和小目标,但容易受到目标尺寸的影响,不能很好的检测大目标。随着高光谱遥感影像的空间分辨率的增加,探测目标已有亚像素目标逐步转换为单像素及多像素目标,此时,在高光谱图像中,相同类别的地物在空间分布上呈现聚类特性, 因此,在利用高光谱遥感影像进行目标探测时,需要将其空间信息融入算法中。将空间特征引入传统目标探测算法。提出了一种新的空谱结合的高光谱目标探测算法,将传统的基于统计的目标探测算子与空域邻域聚类算法相结合,首先利用目标探测算子将影像划分为潜在目标区域与背景区域;通过计算潜在目标区域的质心,以质心为中心进行邻域聚类,剔除潜在目标区域中的背景区域,通过迭代计算获取最终目标探测结果。传统的基于统计的目标探测算子,将整个探测区域定义为背景区域,实现对背景区域的统计特征提取,而该方法将背景区域与潜在目标区域分离,剔除了目标区域对背景区域的统计干扰。将本算子与传统的约束能量最小化算子和自适应余弦探测算子进行分析比较可知,该算子的大目标探测性能优于传统的统计算子。     

Small target detection using bilateral filter and temporal cross product in infrared images

We introduce a spatial and temporal target detection method using spatial bilateral filter (BF) and temporal cross product (TCP) of temporal pixels in infrared (IR) image sequences. At first, the TCP is presented to extract the characteristics of temporal pixels by using temporal profile in respective spatial coordinates of pixels. The TCP represents the cross product values by the gray level distance vector of a current temporal pixel and the adjacent temporal pixel, as well as the horizontal distance vector of the current temporal pixel and a temporal pixel corresponding to potential target center. The summation of TCP values of temporal pixels in spatial coordinates makes the temporal target image (TTI), which represents the temporal target information of temporal pixels in spatial coordinates. And then the proposed BF filter is used to extract the spatial target information. In order to predict background without targets, the proposed BF filter uses standard deviations obtained by an exponential mapping of the TCP value corresponding to the coordinate of a pixel processed spatially. The spatial target image (STI) is made by subtracting the predicted image from the original image. Thus, the spatial and temporal target image (STTI) is achieved by multiplying the STI and the TTI, and then targets finally are detected in STTI. In experimental result, the receiver operating characteristics (ROC) curves were computed experimentally to compare the objective performance. From the results, the proposed algorithm shows better discrimination of target and clutters and lower false alarm rates than the existing target detection methods.     

结合稀疏编码和空间约束的红外图像聚类分割研究

提出了结合稀疏编码和空间约束的红外图像聚类分割新算法, 在稀疏编码的基础上融合聚类算法, 扩展了传统的基于K-means聚类的图像分割方法. 结合稀疏编码的聚类分割算法能有效融合图像的局部信息, 便于利用像素之间的内在相关性, 但是对于分割会出现过分割和像素难以归类的问题.为此, 在字典的学习过程中, 将原子的聚类算法引入其中, 有助于缩减字典中原子所属类别的数目, 防止出现过分割; 考虑到像素及其邻域像素具有类别属性一致性的特点, 引入了空间类别属性约束信息, 并给出了一种交替优化算法. 联合学习字典、稀疏系数、聚类中心和隶属度, 将稀疏编码系数同原子对聚类中心的隶属程度相结合, 构造像素归属度来判断像素所属的类别. 实验结果表明, 该方法能够有效提高红外图像重要区域的分割效果, 具有较好的鲁棒性. 关键词： 图像分割 稀疏编码 聚类 空间约束