光谱特征分析的城市道路提取

道路是城市中典型的人造地物。利用高分辨率影像进行城市道路提取,对城市规划、交通发展具有重要意义。由于地物光谱的混淆性和异质性,利用传统基于光谱的分类方法很难将道路与其他城市地物区分开。针对这一问题,提出了一种利用道路边缘结构信息进行分类的方法,边缘作为光谱衍生信息对线性地物(如,道路等)识别具有明显的意义。首先,根据全色光谱波段纹理信息,利用改进的自适应Mean Shift算法进行边缘检测,最大限度减少噪声与伪边缘;然后,对边缘图像中的线段进行编组,利用统计模型依次对边缘线段求取统计特征,并将该统计特征与多光谱特征结合作为总分类特征;最后,利用监督学习方法对城市道路样本进行学习并对整个实验区域进行分类。结果表明将光谱信息与边缘统计特征融合对道路的识别精度为93%,相比传统方法78%的精度有显著的提高,因此,该方法是一种有效、可行的高分辨率遥感图像城市道路提取方法。     

基于视觉的自主车道路检测技术研究

针对结构化道路检测中基于单一特征的检测易受影响,非结构化道路检测算法对多种类型的非标准道路缺乏适应性的问题,分别提出了一种基于D-S证据理论的多视觉特征融合的车道线检测方法和一种基于增量模糊支持向量机(IFSVM)的非结构化道路在线学习检测方法。选取梯度幅度等检测算子分别设计基本概率分配函数,根据建立的分段线性道路模型进行求解,FSVM分类器通过从前先的检测结果中学习,在耗费少量计算时间与内存空间的情况下,不断再训练以增强分类器的性能。实验结果表明,该算法比单纯利用图像的边缘或颜色等特征进行道路检测具有更高的可靠性,对复杂环境下的道路检测具有较强的鲁棒性和较强的抗干扰能力。     

基于光照不变图像的阴影图像道路及导航线提取算法

针对有阴影情况下的道路及导航线提取问题,提出一种基于光照不变图像分割和投票函数的阴影道路图像道路及视觉导航线提取算法,该算法利用正交分解法获取彩色光照不变图像,并对其进行分割,通过构造的投票函数及道路判别准则提取道路区域,扫描道路定位点后对其进行最小二乘拟合提取导航线。该方法不需要大量样本进行学习。实验结果表明,所提算法与现有两种算法相比,在检测精度和速度上均具有明显优势,并且算法复杂度较低。算法能够有效地解决阴影环境下道路及导航线的提取问题。     

递变能量成像中最佳X射线管电压预测算法

X射线递变能量成像是依次获取复杂结构件在递变能量下的局部有效信息,并通过多谱融合获取完整结构信息。但是目前的能量选择主要以人工设定管电压步进为主,无法匹配检测对象的有效厚度变化率,成像效率及射线利用率较低。基于递变能量成像规律,提出一种最佳X射线管电压预测算法。该方法通过对检测物体进行变能量预扫描,提取图像序列中有效厚度(高质量区域)和临近厚度(预测区域),建立有效厚度的图像灰度与管电压、X射线光谱之间的物理模型,及临近厚度灰度差与电压的函数模型,进而得到临近厚度最佳成像时的能量预测模型。通过模型求解,实现了能量的自适应预测。以不同厚度钢块为对象,利用该算法逐一预测各个厚度钢块最佳成像时的管电压,并与实际值对比。实验结果显示,在低能时可跨3~4 mm准确预测,高能时可跨7~10 mm预测,精度可以达到95%以上。     

一种稳健的道路主方向提取算法

基于高分辨遥感影像下直线型道路段的形状特征，提出了一种稳健的道路主方向提取算法．该算法基于结构张量计算的方向直方图探测初始主方向，并根据矢量化的边缘计算精确的方向角，使得探测过程稳健、结果准确．在此基础上可以发展交互式的直线道路段或道路网提取算法．实验结果表明，该算法的结果为进一步的道路边线的准确提取提供了保障．     

高分辨率遥感影像居民区道路网交互提取

提出了一种基于标记点过程模型的交互式道路网提取算法。该算法在给出初始构造项的情况下对道路的先验项和数据项重新建模,以便能提取高分辨率遥感影像中的道路网。在模型中假设局部道路段具有近似的直线性,并基于直线段的矢量距离度量来定义数据项。实验结果表明,该算法能有效提取高分辨率遥感影像中居民区的道路网。     

基于3D卷积自编解码器和低秩表示的高光谱异常检测

针对高光谱影像数据维度高、空间和光谱信息利用不足以及局部结构特征表达有限等问题,提出了一种基于3D卷积自编解码器和低秩表示的高光谱异常检测算法。首先,通过3D卷积自编解码器提取高光谱影像的空谱特征,并针对高光谱图像的局部区域强相关性,设计了一种新的损失函数来约束中心像素和周围像素,以提取判别性较强的特征图;然后,针对所提取的特征图,通过基于密度的空间聚类算法构建背景字典,并利用低秩表示分离出异常区域;最后,融合由3D卷积自编解码器得到的重构误差和异常区域检测结果,得到最终检测图并为异常目标关键信息的挖掘提供依据。为了验证所提算法的有效性,在两个真实的机场高光谱数据集上进行飞机等目标检测实验,ROC、AUC量化指标和主观分析等实验结果表明,与其它6种异常检测算法相比,本文算法具有更高的异常目标检测精度。     

改进三帧差分算法在移动物体检测中的应用

移动物体监控系统利用检测算法识别监控区域的移动物体,并进行实时异常信息存储,检测算法中的传统三帧差分法中的阈值是固定的,因此重叠部分无法准确检测出来,存在空洞现象,可能发生误判。针对这些问题,对已有的三帧差分法进行改进,结合图像边缘提取和自适应的迭代阈值计算方法来提高移动物体检测的准确性,并对异常信息进行选择性存储,由实验结果可知,应用平台采用改进后的移动物体检测算法,较好的提高了移动物体检测的灵敏度,增强了检测系统的实时性和准确性,若仅存储异常信息,可节省视频存储空间,并在定位异常动态信息时节省查找时间。     

基于线特征的城区激光点云与影像自动配准

鉴于激光点云和影像数据成像机理的差异以及现有配准基元的可获取性特点,通常采用基于特征的配准算法修正两者之间的转换关系,其中建筑物的边缘及角点为最常用的特征。针对城区建筑物分布密集、形状相似的问题,提出了一种基于道路线的机载激光雷达数据和高分辨率航空影像自动配准方法。该方法充分利用点云数据提供的高程与强度信息,提取出高精度的规则化道路矢量线;根据初始外方位元素建立点云数据和航空影像的近似变换关系,以道路矢量线在航空影像的投影位置为先验知识,采用改进的道路矩形整体匹配算法得到影像中的道路中心线,获取同名线特征;以同名道路线段的首末端点作为控制信息,利用基于欧拉角的空间后方交会算法解算新的影像外方位元素,实现航空影像和激光雷达数据的配准。实验结果表明,该方法利用道路特征实现航空影像与激光雷达点云的配准,提取特征少且配准精度较高,大大提高了工作效率。     

基于SSIM的车牌识别算法研究

对车牌中的字符进行精确提取并识别是车牌识别系统面临的重要问题。在字符提取阶段,利用车牌图像特有的信息特征,提出以红色分量作为目标图像,依次进行水平和垂直投影完成字符分割,既可精确提取字符,又可矫正字符形态。将基于结构相似度SSIM(structure similarity)的算法应用于车牌识别,避免了前期对字符结构信息做大量的对比统计工作,省略了特征提取的步骤,降低了算法复杂度;利用角点检测方法对相似字符进行细化和区分,进一步完善了整体的识别性能。实验证明,该算法有较好的识别率。     

利用图像分割的基于图割的立体匹配算法

立体匹配通过寻找同一空间景物在不同视点下投影图像的像素间的一一对应关系, 最终得到该景物的视差图。在对匹配算法作了深入研究的基础上, 提出了一种利用图像分割的基于图割的立体匹配算法。算法把参考图分割成多个区域, 然后用平面公式在一个分割中建立视差。视差模板是从初始视差分割中提取的。每一个分割被分配到精确的视差模板。构建全局能量函数,能量函数的鲁棒最小化是由基于图割的最优化获得的。算法对低纹理区域和接近视差边界区域有很好的匹配效果, 同时, 又解决了传统的基于全局算法中计算量过大, 实时性不好的问题。实验表明, 本算法能满足高精度、高实时性要求。     

多尺度无监督彩色图像分割

非采样Contourlet变换是一种新的多尺度多分辨率分析工具.本文提出了一种基于非采样Contourlet变换的彩色图像无监督分割算法.首先利用非采样Contourlet变换的平移不变性在其变换域应用梯度向量法提取图像多尺度边缘|然后在Contourlet变换域的低频子带和高频子带中分别提取局部低频能量纹理特征与高频多尺度Zernike矩纹理特征,并将二种纹理特征融合.最后在边缘图像中映射种子像素点,利用纹理和颜色特征欧氏距离,对彩色图像采用区域生长和区域合并的方法进行分割.实验结果证明:该算法将图像空间域的颜色特征与非采样Contourlet变换域的多尺度边缘和纹理特征恰当结合在一起实现彩色图像无监督自动分割,与传统算法相比有更高的准确性和鲁棒性.     

Image enhancement through contrast enlargement using the image regions extracted by multiscale top-hat by reconstruction

An image enhancement algorithm based on multiscale top-hat by reconstruction is proposed in this paper. Firstly, multiscale top-hat by reconstruction using multiscale structuring elements is discussed. Then, multiscale bright and black image regions are extracted. Thirdly, useful image regions for image enhancement are obtained from the extracted multiscale bright and black image regions. Finally, after a base image is calculated from the results of the opening and closing by reconstruction operations, the original image is enhanced through combing the useful image regions into the base image. Experimental results on different types of images show that the proposed algorithm is efficient.     

Image enhancement using multi scale image features extracted by top-hat transform

To efficiently enhance images, a novel algorithm using multi scale image features extracted by top-hat transform is proposed in this paper. Firstly, the multi scale bright and dim regions are extracted through top-hat transform using structuring elements with the same shape and increasing sizes. Then, two types of multi scale image features, which are the multi scale bright and dim image regions at each scale and the multi scale image details between neighboring scales, are extracted and used to form the final extracted bright and dim image regions. Finally, the image is enhanced through enlarging the contrast between the final extracted bright and dim image features. Experimental results on images from different applications verified that the proposed algorithm could efficiently enhance the contrast and details of image, and produce few noise regions.     

一种快速检测圆的抗干扰变形模板方法

提出了一种新的参量式变形模板方法，用于检测带有缺陷和噪声的圆。根据圆的几何形状特性和梯度信息定义了模板的能量函数。然后通过动态调整模板的参量使能量函数和图像进行交互以把能量函数最大化。根据能量函数的定义，在其取得最大值时的参量即为所检测圆的位置参量。为了提高匹配运算速度，先求出被检测圆的圆心和半径的估计值，然后给出缩小了的搜索区域。在此搜索区域内采用贪婪优化的算法得到最终检测结果。实验结果表明算法可以在圆有较大缺陷和噪声的情况下，定位精度在1个像素以内，速度在0．5s左右；有很好的抗干扰和抗噪声能力，并有较快的运算速度。     

Multiscale top-hat selection transform based infrared and visual image fusion with emphasis on extracting regions of interest

To effectively combine regions of interest in original infrared and visual images, an adaptively weighted infrared and visual image fusion algorithm is developed based on the multiscale top-hat selection transform. First, the multiscale top-hat selection transform using multiscale structuring elements with increasing sizes is discussed. Second, the image regions of the original infrared and visual images at each scale are extracted by using the multiscale top-hat selection transform. Third, the final fusion regions are constructed from the extracted multiscale image regions. Finally, the final fusion regions are combined into a base image calculated from the original images to form the final fusion result. The combination of the final fusion regions uses the adaptive weight strategy, and the weights are adaptively obtained based on the importance of the extracted features. In the paper, we compare seven image fusion methods: wavelet pyramid algorithm (WP), shift invariant discrete wavelet transform algorithm (SIDWT), Laplacian pyramid algorithm (LP), morphological pyramid algorithm (MP), multiscale morphology based algorithm (MSM), center-surround top-hat transform based algorithm (CSTHT), and the proposed multiscale top-hat selection transform based algorithm. These seven methods are compared over five different publicly available image sets using three metrics of spatial frequency, mean gradient, and Q. The results show that the proposed algorithm is effective and may be useful for the applications related to the infrared and visual image fusion.     

Automatic ridgelet image enhancement algorithm for road crack image based on fuzzy entropy and fuzzy divergence

True estimation of the boundary of a road crack and its size is a major task for its automatic detection. The improvement of visual effects of a road image is necessary for such a task. Therefore, we propose an automatic ridgelet image enhancement algorithm. A nonlinear function plays an important role in the enhancement algorithm in the ridgelet domain of an image. However, it is difficult to adjust the parameters of the nonlinear function adaptively with the variation of the road crack image input. Based on the fuzzy entropy criterion, we introduce two fuzzy divergences and two supplementary linear combinations between the fuzzy entropy and two fuzzy divergences as new measurements to solve the threshold segmentation problem in the ridgelet domain. According to the distribution histogram of magnitudes of the ridgelet high-frequency coefficients, we obtain the optimal segmentation thresholds that act as the parameters of the nonlinear function by using the maximum or minimum measurements of fuzzy entropy and fuzzy divergence, respectively. The self-adaptive nonlinear function makes it possible to realize the automatic enhancement of a road crack image. Experimental results show that our image enhancement algorithm can effectively enhance the global and local contrastive effects on road crack images.     

散斑杨氏条纹图的全自动处理与识别

本文应用数字图象处理技术在AppleⅡ和IBM-PC图象处理系统上实现了散斑杨氏条纹图的全自动分析。文中采用二维灰度值检测的方法获取条纹的准峰值或谷值二值图,然后通过细化得到条纹中心。识别条纹间距时充分利用了整幅图杨氏条纹间距信息使识别结果具有高的精度。提出了用记忆跟踪算法结合线性回归的方法识别杨氏条纹倾角。最后给出了实验结果。     

光谱最小信息熵的高光谱影像端元提取算法

端元提取是混合像元分解的关键,研究其算法在高精度的地物识别、丰度反演和定量遥感等方面具有重要意义。通过研究高光谱遥感影像光谱特征,结合信息熵理论,应用高斯分布函数,建立了一种新的高光谱影像端元提取算法,即光谱最小信息熵(spectral minimum shannon entropy,SMSE)算法。将该算法应用于AVRIRS高光谱影像的端元光谱提取,并经过与美国地质勘探局(United States Geological Survey,USGS)波谱库中的数据匹配,得知其提取端元的精度较高。同时,通过与经典的纯净像元指数(pixel purity index,PPI)和连续最大角凸锥(sequential maximum angle convex cone,SMACC)等端元提取算法进行实验比较和结果综合分析,发现光谱最小信息熵算法提取端元光谱效率更高、精度更好。此外,分别利用SMACC和SMSE提取Hyperion高光谱影像端元,得出SMSE的端元提取效果好于SMACC,从而可认为SMSE算法具有一定普适性。