基于伪魏格纳分布分解的合成孔径雷达图像目标与阴影分割

在二维魏格纳分布的框架内,针对魏格纳变换的交叉项问题和计算量大的问题,提出了合成孔径雷达图像局部伪魏格纳变换的目标和目标阴影的分割方法.首先,将合成孔径雷达图像进行二维伪魏格纳变换,得到各像素点的二维能量谱图;然后提取各像素点的二维能量谱图对应位置值形成多个不同频段的与原图像同大小的能量谱图;最后,对不同频段的能量谱图采用不同的处理方法后,将各能量谱图相加处理后形成区域标识图像,最终得到原图像的目标和目标阴影分割图像.本文利用该方法对MSTAR切片图像进行了分割试验,并对分割图像与频谱最大值距离或方位分割算法和基于双参量CFAR与隐马尔科夫联合分割算法进行了分割图像对比度对比.实验结果表明,采用本文算法的合成孔径雷达分割图像,对比度明显提高,且保留了目标图像细节.     

基于伪维格纳分布的图像融合

提出了一种基于伪维格纳分布(PWVD)的融合方法.利用一维N像素的滑动窗口在各个方向上对各待融合图像进行伪维格纳变换,选择均方根最大的方向为各待融合网像的PWVD分解方向,分解形成待融合图像不同频段的能量谱图,然后,针对各待融合不同频段的能量谱图,融合原则足高频段取区域能量最大,低频段取能量方差最大,形成具有不同频段的融合能量谱网,最后,对能量谱网进行PWVD逆变换,形成融合图像.对红外与可见光图像、多聚焦图像、电子计算机X射线断层扫描(CT)图像与磁共振(MR)图像和红外与合成孔径雷达(SAR)图像进行了融合实验,并对融合图像和待融合图像进行了信息熵对比.实验结果表明,采用本文算法的融合图像保留了待融合图像的绝大部分信息.     

基于深度玻尔兹曼模型的红外与可见光图像融合

为了克服红外与可见光图像融合时噪声干扰及易产生伪影导致目标轮廓不鲜明、对比度低的缺点,提出一种基于深度模型分割的图像融合方法.首先,采用深度玻尔兹曼机学习红外与可见光的目标和背景轮廓先验,构建轮廓的深度分割模型,通过Split Bregman迭代算法获取最优能量分割后的红外与可见光图像轮廓;然后再使用非下采样轮廓波变换对源图像进行分解,并针对所分割的背景轮廓采用结构相似度的规则进行系数组合;最后进行非下采样轮廓波反变换重构出融合图像.数值试验证明,该算法可以有效获取目标和背景轮廓均清晰的融合图像,融合结果不但具有较高的对比度,还能抑制噪声影响,具有有效性.     

中阶梯光栅光谱仪谱图背景去除算法

中阶梯光栅光谱仪凭借交叉色散特性实现全谱瞬态直读,面阵探测器接收的二维光谱图像需要还原成一维谱图以提取有效波长。由于二维谱图含有庞大的数据,且有效信息仅占极小比例,因此在谱图还原前进行背景去除能够减小数据量、提高运算速度。详细分析了中阶梯光栅光谱仪二维图像的特点,并针对其特点提出了背景去除算法。将图像边缘检测方法应用于弥散光斑的检测中,选择合适的边缘检测算子与原始图像卷积得到边缘图像,设置边缘图像的全局阈值对其进行二值分割,最终利用二值边缘图像映射原始图像得到去除背景的二维谱图。依据不同元素灯在不同积分时间下所拍摄的谱图,对比不同边缘检测算法的背景去除效果,分析了各算子对算法速度、精度的影响。实验结果表明本文提出的算法运算简单、边缘图像阈值易于计算、目标提取精度高,处理后的图像可以与谱图还原算法有效对接,谱图处理速度显著提升。     

基于二维集合经验模式分解的距离正则化水平集磁共振图像分割

针对现有磁共振(MR)图像分割算法大多直接在原图像上进行处理,分割效果受噪声影响较大的问题,本文引入二维集合经验模式分解(BEEMD)算法,提高距离正则化水平集(DRLSE)方法对MR图像的分割精度.算法中首先使用BEEMD将待分割MR图像分解为多个二维固有模式函数(BIMF),通过对各BIMF赋予不同加权系数重构待分割图像,从而增强分割目标;然后在DRLSE的边界指示函数中添加部分BIMF分量,恢复因高斯平滑被模糊的目标轮廓,并使用DRLSE方法对重构图像进行分割.通过对仿真图像和临床MR图像分割验证,表明本文算法具有较高的分割精度和鲁棒性,能有效实现对临床MR图像的分割.     

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.     

基于非凸正则化项的合成孔径雷达图像分割新算法

合成孔径雷达图像中乘性噪音的存在使合成孔径雷达图像分割变得非常困难.针对这一难题,本文以提高分割准确度,保护图像的几何结构边缘和提高算法的鲁棒性为目的,提出了一种适用于处理合成孔径雷达图像分割的新模型.新模型结合合成孔径雷达图像的区域和边缘信息,首先通过引入非凸的正则化项,定义了能量泛函;然后极小化能量泛函,建立了水平集函数演化的偏微分方程;最后对水平集演化方程的数值求解,实现了对合成孔径雷达图像感兴趣区域的分割.分别采用仿真图像和实测合成孔径雷达图像对新模型进行验证,结果表明,新模型对合成孔径雷达图像具有很强的边缘定位能力,能使目标区域分割更完整.     

基于非凸正则化项的合成孔径雷达图像分割新算法

合成孔径雷达图像中乘性噪音的存在使合成孔径雷达图像分割变得非常困难.针对这一难题,本文以提高分割准确度,保护图像的几何结构边缘和提高算法的鲁棒性为目的,提出了一种适用于处理合成孔径雷达图像分割的新模型.新模型结合合成孔径雷达图像的区域和边缘信息,首先通过引入非凸的正则化项,定义了能量泛函;然后极小化能量泛函,建立了水平集函数演化的偏微分方程;最后对水平集演化方程的数值求解,实现了对合成孔径雷达图像感兴趣区域的分割.分别采用仿真图像和实测合成孔径雷达图像对新模型进行验证,结果表明,新模型对合成孔径雷达图像具有很强的边缘定位能力,能使目标区域分割更完整.     

数学形态学在红外多弱小目标提取中的应用

应用了高帽和低帽变换对图像进行对比度增强、采用基于流域变换的粘连目标分割的方法把图像中粘连目标分割开来，进而采用了自适应的阈值把图像二值化.通过这一系列的处理后，从红外图像中提取出了弱小目标信息.这种方法在红外弱小目标的判别中对目标的提取效果较佳，也给后续处理提供了方便.     

一种新的全色图像与光谱图像融合方法研究

给出了一种新的综合伪彩色映射技术和小波变换理论的图像融合方法,并将其应用于全色图像和光谱图像的融合中.通过提取两个不同谱段光谱图像的共有信息和特别信息,并进行伪彩色映射融合,来增强目标与背景的对比度.同时将伪彩色映射融合后的图像进一步用IHS变换提取空间信息,在小波变换框架下将其与全色图像进行融合以提高目标的边缘细节信息,使所获得的融合结果不仅包含丰富的光谱信息的同时还具有较高的空间分辨率.仿真图和评价指标表明,该算法在增强目标与背景的对比度以及保留目标信息等方面具有较强的优势.     

Target extraction in forward-looking infrared images using fuzzy thresholding via local region analysis

In this paper, a target extraction method in forward-looking infrared (FLIR) images based on fuzzy thresholding which used local characteristics, bi-modality and adjacency, is proposed. The bi-modality represents how a pixel is classified into a part of a target using distribution of pixel values in a local region, and the adjacency is a measure to represent how far each pixel is from the target region. Segmentation is processed by the following: First, membership values for each pixel are calculated using bi-modality and adjacency. Second, fuzzy thresholding is performed to extract the target from the background. Finally, we extract the precise target in the thresholded image by post-processing. To evaluate the performance of the proposed target extraction method, we compare the proposed method with other segmentation methods using various FLIR images. Experimental results show that the proposed algorithm has good segmentation performance.     

融合改进直方图PDE和二维Tsallis熵多阈值SAR分割

针对合成孔径雷达(SAR)图像中存在大量的相干斑噪声,对SAR图像进行分割易出现分割不精、边缘模糊等问题,融合改进的直方图PDE和二维Tsallis熵多阈值,提出了一种SAR图像分割算法。根据PDE直方图均衡化方法,将图像去噪与图像增强加权融合,利用各自权值调整去噪项与图像增强项;同时将二维Tsallis熵单阈值分割方法扩展到多阈值分割, 建立基于多阈值的选取方法,并引入萤火虫算法来求解最优阈值对,实现了二维Tsallis熵多阈值对去噪增强SAR图像的有效分割。仿真结果表明:与其他3种分割算法相比,该文算法在处理噪声大、灰度差值小的图像时具有较高的分割精度,PRI至少提升2.53%、VOI降低8.48%、GCE降低11.14%。     

Two-dimensional Otsu's thresholding segmentation method based on grid box filter

Otsu algorithm, an automatic thresholding method, is widely used in classic image segmentation applications. In this paper, a novel two-dimensional (2D) Otsu thresholding algorithm based on local grid box filter is proposed. In our method, firstly by utilizing the coarse-to-fine idea, the 2D histogram is divided into regions by grid technique, and each region is used as a point to form a new 2D histogram, to which 2D Otsu thresholding algorithm and an improved particle swarm optimization (PSO) algorithm are applied to get the region number of the new 2D histogram threshold. Then on the result region, the mean of the 2D histogram is computed base on box filter, and the two algorithms are applied again to obtain the final threshold for the original image. Experimental results on real data show that the proposed algorithm gets better segmentation results than the traditional recursion Otsu algorithm. It significantly reduces the time of segmentation process and simultaneously has the higher segmentation accuracy.     

改进GSO与二维OTSU融合的红外图像多阈值分割方法

针对二维最大累间方差（Nobuyuki OTSU,OTSU）图像分割算法在电气设备故障诊断与定位中,其红外图像的多阈值分割中存在的耗时多、分割精度低、误分割等不足,造成故障区域欠分割或者过分割的问题,提出一种改进的萤火虫算法（glowworm swarm optimization,GSO）与二维OTSU的融合算法来提高电气设备红外图像多阈值分割的实时性与准确度。寻优过程中,将局部寻优扩展到全局寻优,并引入非线性递减步长及新的移动策略对GSO进行优化改进。实验结果表明:该融合算法在分割结果上较二维OTSU及未改进GSO与二维OTSU融合算法更能准确分割运行电气设备图像异常区域,分割速度分别提高19倍、1.28倍,为红外图像早期故障的有效识别与定位奠定基础。     

基于小波的多极化机载合成孔径雷达海面风向反演

为了实现从合成孔径雷达(SAR)图像本身提取高精度的海面风向信息, 提高SAR海面风场反演精度,研究了多极化机载SAR海面风向反演技术, 借助小波分析相对傅里叶分析和局部梯度更精细的时-频分析能力, 将二维连续小波变换与快速傅里叶变换(FFT)相结合,提出一种新的机载SAR海面风向反演方法. 为验证反演方法的有效性,通过海上同步飞行试验获取多极化机载SAR数据及同步调查船实测风向数据,用于反演试验的数据比对.采用本文提出的方法, 利用多种小波基对机载C波段SAR的同极化和交叉极化数据进行风向反演, 将反演结果与美国国家环境预报中心再分析资料以及调查船实测风向进行比对. 结果表明,本文提出的基于小波分析的海面风向反演方法适用于机载SAR探测数据, 反演精度优于二维FFT法和局部梯度方法;小波基的选择对反演结果影响较大, Mexican-Hat小波基是机载SAR海面风向反演的最优小波基, 且同极化与交叉极化机载SAR数据均可用于海面风向的反演.     

基于GFO和标记点分水岭算法的医学图像分割

传统的分水岭分割一般是在原始图像中根据边缘检测算子所得的边缘图进行计算,常规的边缘检测算子并没有引入图像的先验信息或形状约束。由于病理改变以及医学影像数据内在的模糊性,常规边缘检测算子很难引导分水岭算法收敛到正确的目标轮廓,由此导致传统分水岭算法容易受到图像噪声的干扰而"过分割"。在此情况下,提出利用基于广义模糊算子(GFO)的边缘检测算法来改进标记点分水岭分割。从实验结果看,提出的方法非常适合应用于临床医学图像分割。     

Multicontext wavelet-based thresholding segmentation of brain tissues in magnetic resonance images

A novel segmentation method based on wavelet transform is presented for gray matter, white matter and cerebrospinal fluid in thin-sliced single-channel brain magnetic resonance (MR) scans. On the basis of the local image model, multicontext wavelet-based thresholding segmentation (MCWT) is proposed to classify 2D MR data into tissues automatically. In MCWT, the wavelet multiscale transform of local image gray histogram is done, and the gray threshold is gradually revealed from large-scale to small-scale coefficients. Image segmentation is independently performed in each local image to calculate the degree of membership of a pixel to each tissue class. Finally, a strategy is adopted to integrate the intersected outcomes from different local images. The result of the experiment indicates that MCWT outperforms other traditional segmentation methods in classifying brain MR images.     

快速消除车辆阴影的多阈值图像分割法

 视频图像分割时的运动阴影由于与被测对象的相似性而常被误判为被测对象,传统的阴影检测方法一般难以满足实时智能交通系统对处理速度的要求。为此,提出用多阈值法分割图像,将灰度化的当前图像与背景差分,再用正、负两个阈值对其二值化,在分割出深色和浅色被测对象的同时消除阴影。实验表明,将这种方法应用于运动车辆的检测,具有速度快和阴影消除效果好等特点,可应用于实时的运动目标检测和跟踪等领域。     

Target extraction from blurred trace infrared images with a superstring galaxy template algorithm

Accurate and efficient targets extraction from blurred trace infrared images has very important meaning for latent trace evidence collection in crime scene. Based on the superstring theory, a superstring galaxy template extraction algorithm for infrared trace target is presented. First, all of the pixels are divided into three classes: target pixels, background pixels and blurred pixels. Next, the superstring template characteristics for every pixel in a blurred infrared image are calculated as the features of each pixel. Finally, a galaxy covering algorithm is proposed, target pixels and background pixels are used for training the galaxy covering domain of every galaxy classifiers, and these classifiers will divide each blurred pixel into two classes: a target pixel or a background pixel. Experimental results indicate that the superstring galaxy template algorithm can improve the target extraction rate and reduce the extraction error rate.