基于FastICA的高光谱图像目标分割

针对高光谱图像目标识别与分类的应用背景,提出了一种基于快速独立成分分析的高光谱图像目标分割算法.通过引入虚拟维数对图像中的目标端元数量进行估计,利用基于非监督正交子空间投影的异常端元提取算法自动获取目标端元光谱,并将其作为快速独立成分分析的初始混合矩阵.采用最小噪声分量变换对原始数据进行降维,利用快速独立成分分析从降维后的主成分中依次提取出图像中的独立分量.最后,对各独立分量进行恒虚警率检测与形态学滤波,从而得到最终的目标分割结果.对AVIRIS型高光谱图像的实验结果表明,该方法可有效探测出图像中的目标,并可获得较好的分割结果.     

基于FastICA的高光谱图像目标分割

针对高光谱图像目标识别与分类的应用背景,提出了一种基于快速独立成分分析的高光谱图像目标分割算法.通过引入虚拟维数对图像中的目标端元数量进行估计,利用基于非监督正交子空间投影的异常端元提取算法自动获取目标端元光谱,并将其作为快速独立成分分析的初始混合矩阵.采用最小噪声分量变换对原始数据进行降维,利用快速独立成分分析从降维后的主成分中依次提取出图像中的独立分量.最后,对各独立分量进行恒虚警率检测与形态学滤波,从而得到最终的目标分割结果.对AVIRIS型高光谱图像的实验结果表明,该方法可有效探测出图像中的目标,并可获得较好的分割结果.     

基于最小平均距离免疫算法的模糊红外图像分割

由于犯罪分子利用各种方法来避开传统的刑侦图像技术,因而红外图像逐渐成为获取犯罪现场痕迹的有效手段。然而,从犯罪现场拍摄的红外图像其目标痕迹大多是弱化的,所以在这类红外图像中分割目标是一项具有挑战性的任务。已有基于生物免疫的各类算法尚未明确描述免疫分割作用领域,以及免疫网络算法模型中的免疫识别距离。为实现对目标痕迹弱化红外图像的有效分割,提出了一种新的具有免疫作用领域和最小平均免疫识别距离的人工免疫构架,设计了一种具备最小平均距离免疫域的免疫分割算法。该方法根据红外图像的特点,采用多步分类算法、免疫变异和自适应免疫最小均距识别方法,根据目标区域和背景区域的总体统计特性实现最佳分类。实验结果表明,提出的基于最小平均距离的免疫算法能够有效地分割目标弱化的红外图像。与经典的边缘模板和区域模板方法相比,该算法具有更好的分割效果,尤其是针对目标弱化红外图像的分割,该算法能够较好地给出五个手指的边界轮廓。     

基于复杂度的自适应门限弱小目标检测方法

针对红外弱小目标检测问题,提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量,但对图像的突变点不敏感.将它改进得到图像方差加权信息熵,其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述,用两种特定的分析模板对图像复杂度进行分析.在目标区域中,两种分析模板得到的复杂度差异较大,而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像,再对两种复杂度图像做差,得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明,该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.     

基于复杂度的自适应门限弱小目标检测方法

针对红外弱小目标检测问题,提出了一种基于图像复杂度的自适应门限目标检测方法.讨论了天空中四类不同区域的图像信息熵.图像信息熵虽然较好地表达了图像的平均信息量,但对图像的突变点不敏感.将它改进得到图像方差加权信息熵,其较好地反映了图像的复杂度特征.将图像方差加权信息熵作为图像复杂度的定量描述,用两种特定的分析模板对图像复杂度进行分析.在目标区域中,两种分析模板得到的复杂度差异较大,而非目标区域的两种复杂度则基本没有差异.算法获取两种分析模板下的复杂度图像,再对两种复杂度图像做差,得到复杂度差值图像.对差值图像建立指数模型得到自适应分割门限完成目标检测.实验结果表明,该方法对低信杂比的红外云层背景弱小目标图像具有良好的检测效果.     

支持向量机方法在热波检测图像分割中的应用

作为热波无损检测技术中的关键环节,热波图像分割对结构损伤的有效识别与准确评估具有重要影响。为克服红外热波图像背景噪声大,对比度低等因素对损伤识别的影响,提出了一种基于支持向量机的热波图像分割方法。该方法首先采用Wiener滤波对热波图像进行预处理,然后随机选取目标区域和背景区域内多个像素点的像素值组成目标向量与背景向量,对基于多项式核函数的支持向量机进行训练,最后将训练好的分类器应用于不同的热波图像,实现热波图像的分割。试验结果表明:该方法可有效克服热波图像背景噪声大的问题,较好地保留了缺陷区域分割的完整性;与基于硬阈值的图像分割方法相比,该方法能更好地抑制背景区域的噪声干扰,更有利于损伤的识别与评估。     

基于投影寻踪的高光谱典型目标识别算法

针对典型目标识别问题,提出了一种基于投影寻踪的高光谱目标识别算法。先对高光谱图像进行最小噪声分离变换,计算出本征维度,同时对图像去噪,然后采用信息散度作为投影指标,对投影指标值自适应分割,得到所要提取的波谱曲线,最后用光谱角匹配识别出目标及其位置。高光谱图像验证结果表明,该方法有效地去除了图像噪声,而且能够快速、可靠地提取端元并识别出目标。     

一种红外成像制导中的图像分割算法

红外成像制导导弹的图像分割是图像处理中的重点和难点之一。针对飞机目标红外图像的特点,提出了一种有利于目标特征点识别的图像分割算法。它首先采用区域填充的方法对图像进行分割,然后在此基础之上利用形态学原理对分割过程中产生的"洞"区域进行填充,最后得到比较精确的分割图像。对于实现红外成像制导导弹的稳定跟踪具有一定的应用价值。     

SAR图像中机场跑道自动检测方法研究

跑道检测通常由边缘检测和霍夫变换2个步骤组成.由于SAR图像中存在大量斑点噪声,使得边缘检测中存在大量虚假边缘,增加了霍夫变换的时间,降低了跑道检测的准确度,提出一种基于区域分割和距离变换的SAR图像中机场跑道自动检测的新方法.采用基于统计信息的方法增强跑道一背景的对比度,然后用二维直方图阈值分割方法分割图像,再通过距离变换对跑道一背景二值图进行处理,得到跑道中心线的大致分布,最后采用局部空间霍夫变换得到跑道参数.实验结果表明:该方法能够可靠检测出跑道,运算速度满足实时性要求.     

基于背景粗糙度估计的红外目标检测算法

在分析海天背景下目标红外图像特征的基础上,提出了一种基于背景粗糙度估计的红外目标自适应检测算法.该算法利用LOG算子进行目标基本轮廓检测,将目标的中心点作为区域生长的种子点,通过背景粗糙度估计自适应确定LOG算子参量,完成目标图像分割.与传统检测方法比较,采用该处理方法进行小目标检测及识别过程的预处理,可以有效地减少运算量,提高检测速度,抑制对不必要的种子点进行区域生长,提高了目标的检测概率.     

基于互信息改进型脉冲耦合神经网络多值图像分割

为了自动地进行图像的多值分割,从原始图像与分割图像之间的相互关系出发,以最大互信息为优化分割目标,以互信息熵差作为一种新的分类类数判据,在对传统脉冲耦合神经网络模型改进的基础上,提出了一种基于最大互信息改进型脉冲耦合神经网络图像多值分割算法.理论分析和实验结果表明,该方法能够自动确定最佳分割迭代次数及最佳分割灰度类数,对分割图像具有良好的特征划分能力,且在分割类数较少的情况下,能较好地保持图像细节、纹理及边缘等信息,对不同图像分割准确度高,具有较强的适用性.     

自适应多波段偏振图像融合研究

为综合利用不同波段的偏振信息，以便有效地去除背景杂波的影响，提高目标检测的效果，提出一种基于伪彩色映射和窗口线偏振度熵为系数的自适应加权多波段偏振参量图像融合方法.该方法是根据目标和杂乱背景的特性及多波段成像偏振探测的基本原理，利用目标偏振特征的波长依赖性，不同波段偏振图像所反映场景信息的差异，同一波段Stokes参量图像之间的关系，以及线偏振度图像所反映的有关人造物与自然背景之间的关系.将其应用于不同真实场景下多波段偏振图像，仿真结果和评价指标表明，该方法在背景抑制方面取得了良好的效果.     

Generation of Realistic Infrared Image for Moving Objects

Most of current methods are available for synthesizing the static infrared scene, but fail to simulate the infrared signature of the objects caused by motion. This paper presents a new method for generating realistic infrared image of moving objects. Considering various environmental factors, object geometry and structure, internal heat conditions and state of movement, an infrared image synthesis model for moving objects is established. Based on this model the rendering method for infrared image of this kind of objects is proposed. By incorporating the effect of atmosphere transmission and the noise mechanism of infrared sensor, the infrared images of the working aircraft and automobile are successfully generated from different viewpoint. Experimental results illustrate the potential of our method.     

基于主动光照的深海图像增强算法

为了改善主动光在水下传播过程中由散射与吸收效应导致的深海图像对比度低下以及颜色失真问题,提出一种水下图像增强算法.不同于传统方法利用最亮点的强度值作为背景光,提出基于物体与背景光非相关性的背景光估计方法,有效避免了前景处的亮像素或白色物体像素对背景光的误判,同时确保了去散射的精确性,提高水下图像的对比度;针对人造光源的颜色增益和光路衰减导致的图像色偏等问题,在去散射图像上选取离光源最近的灰色像素,利用其对光源的敏感性,将光照强度分离出来.最终,通过估计并去除光源本身的颜色增益,同时补偿光在传播过程中的损失,实现图像的颜色校正.实验结果表明,所提算法可以有效去除水下图像的散射效应,较好地恢复图像色彩,进而获得较优的增强图像.相比于其他算法,增强后的图像信息熵和水下图像质量评价指标值较高,说明该算法能显著提升水下图像的质量,同时保留图像有用信息.     

基于RBF神经网络的图像融合复原方法研究

提出了一种基于径向基函数（RBF）神经网络的多通道图像数据融合复原方法，研究了该方法在多光谱图像复原上的应用.将软竞争学习策略和自适应调整隐节点相结合对网络进行优化训练.利用多光谱卫星图像数据，对所提出的方法进行仿真实验.实验结果表明：该融合复原方法提高了复原图像的质量；改进后的学习算法能够保证学习准确度和较短的训练时间；实验还表明RBF神经网络的多通道复原和单通道复原、传统的维纳滤波及最大后验概率方法相比，在改善图像像质上具有明显的优越性.     

基于区域分割的遥感图像融合方法

提出了一种基于区域分割的图像融合方法，先将待融合的图像按空间特性分割成相似度不同的区域，然后根据具体应用目的对每个区域采用不同的融合规则.对多光谱与全色图像、多光谱与雷达图像两类遥感图像对进行了融合实验，实验结果表明，引入区域分割后的融合结果不但性能更优，而且可以很方便地控制不同图像源的成分对融合结果的贡献，满足特定应用的需求.     

Two-Phase Image Inpainting: Combine Edge-Fitting with PDE Inpainting

The digital image inpainting technology based on partial differential equations (PDEs) has become an intensive research topic over the last few years due to the mature theory and prolific numerical algorithms of PDEs. However, PDE based models are not effective when used to inpaint large missing areas of images, such as that produced by object removal. To overcome this problem, in this paper, a two-phase image inpainting method is proposed. First, some edges which cross the damaged regions are located and the missing parts of these edges are fitted by using the cubic spline interpolation. These fitted edges partition the damaged regions into some smaller damaged regions. Then these smaller regions may be inpainted by using classical PDE models. Experiment results show that the inpainting results by using the proposed method are better than those of BSCB model and TV model.     

采用非局部主成分分析的极大似然估计图像去噪

本文提出一种采用非局部主成分分析的极大似然估计去噪方法.首先采用非局部主成分分析算法来计算像素邻域间的灰度值和纹理结构相似性,然后通过极大似然估计方法估计最优复原图像.本方法使用非局部主成分分析克服现有局部性去噪方法模糊边界等缺陷,引入极大似然估计方法来改进现有非局部均值的简单加权均值去噪处理,从而提高对图像细节信息的复原能力.最后分别使用本文方法、非局部均值和局部极大似然估计三种去噪方法,在不同噪音大小和不同几何纹理复杂度的图像中进行定性和定量的去噪实验.结果表明,本文方法可在保持图像细节和纹理信息的情况下有效去噪,较之现有方法效果更好.     

基于非负矩阵分解和IHS颜色模型的偏振图像融合方法

针对传统偏振图像伪彩色融合方法存在的不足,提出了一种基于非负矩阵分解和IHS(Intensity Hue Saturation)颜色模型的图像融合方法.首先将偏振信息解析得到的各偏振参量图像作为原始数据集进行非负矩阵分解,得到三幅特征基图像,这些特征基图像包含了场景的大部分偏振信息|然后将三幅特征基图像经直方图匹配之后,分别映射到IHS颜色模型的三个颜色通道,最后变换到RGB颜色空间,得到融合后的图像.实验结果表明,该方法不仅具有较好的色彩表达能力,而且有效地突出了目标的细节信息,提高了图像的可判读性.