基于U-net的被动式太赫兹安检危险品分割方法

针对被动式太赫兹安检系统检测图像识别危险物难度较大、精确度不高的问题,提出一种基于U-net的被动式太赫兹安检危险物分割算法。通过构建危险品的局部结构差异性假设和局部亮度差异性假设定位太赫兹安检图像中危险品可能存在的感兴趣区域(ROI),并选择拥有少量特征通道与神经元的浅层卷积网络针对ROI做图像超分辨处理,最后将图像输入U-net网络,得到质量高、轮廓清晰的危险品分割图像。通过实验证实了本文方法相比传统分割算法准确性有明显提高,有助于提高被动式太赫兹安检系统的危险品识别率。     

二维最大熵和二维最小交叉熵结合的图像分割

二维最大熵法和二维最小交叉熵法是目前常用的两种阈值分割方法,但在某些时候因为两种方法获取的阈值过高或者过低,使得分割失效.针对此问题,提出了基于二维最大熵法和二维最小交叉熵法结合的图像分割方法.首先,对二维最小交叉熵公式进行转化;然后,利用多目标规划理论将这两种方法有机结合使得到的阈值既满足二维最大熵原则,又满足二维最...     

基于对抗生成网络的太赫兹安检图像分割算法

为解决太赫兹成像分辨力低,危险品边缘模糊,无法有效对危险品进行分割的问题,提出一种基于对抗式生成网络与多头注意力机制的新型网络架构,并用于太赫兹安检图像智能分割。通过学习深层鉴别器的特征图优化生成器,获得更加真实的生成图像;引入多头注意力机制提升模型对危险品特征的识别能力。分割太赫兹安检图像的大量实验结果表明,相较于传统卷积神经网络,提出的对抗生成网络在相同深度下具有更好的泛化能力;多头注意力机制的引入强化了模型对危险品特征的学习,在未知危险品类别的情况下同样拥有较好的效果,其交并比(IOU)指标相较ResNet-50提高9.6%,相较ResNet-18提高21.3%,相较U-Net提高12.3%。本文研究有利于图像分割算法更准确、高效地处理太赫兹安检图像,有助于拓宽太赫兹智能安检系统的进一步应用。     

基于分形理论的改进型二维最大熵红外图像分割算法

提出了一种基于分形理论的改进型二维最大熵红外图像阈值分割算法。该算法利用图像分形维数挖掘像素的空间分布信息,然后将原图像灰度及其分形维数映射图像灰度相结合组成二维随机向量,并构造出联合离散概率分布。在此基础上,以二维最大熵原则来确定一个最佳二维分割阈值,进而取得分割结果。实验结果表明,该算法在分割效果上优于传统的二维最大熵分割算法。     

遗传算法在二维熵图像分割中的应用

对改进遗传算法的二维熵图像分割方法进行了研究和实现，并用几幅经典图像的分割结果对比表明，本文方法可以有效的提高二维熵图像分割的计算速度，提高了图像处理的实时性。     

二维模糊划分最大熵图像分割算法

该文提出了一种通过最大化二维直方图模糊划分熵分割灰度图像的新算法。首先介绍了模糊划分的原理,提出用条件概率与条件熵定义模糊划分熵。随后利用多维三角模定义了非相关模糊子集的广义直积,给出构造多维模糊划分的方法,并根据最大熵原理设计了一种基于二维直方图模糊划分熵分割灰度图像的新算法。对几例真实目标图像的对比分割实验结果表明该文方法性能优越。     

基于马尔可夫约束的被动式太赫兹图像复原

太赫兹(THz)波具有的许多独特性质,使其非常适合应用于对人体的安检成像,但是目前原始太赫兹图像的信噪比、对比度和分辨率都有待改善。为提高太赫兹安检图像的质量,研究提出一种基于马尔可夫随机场理论的被动式太赫兹图像复原算法。对原始图像进行去噪和增强的预处理之后,在贝叶斯分析的基础上增加马尔可夫约束项进行图像复原。通过改变迭代次数和正则化参数,得到了清晰度不同的处理结果,经主客观评价指标分析确定了最佳的参数。实验结果证明,本算法可以在被动式太赫兹图像的噪声滤除和边缘信息保持上取得较好的平衡,从而大幅提高太赫兹安检图像的目标分辨能力。     

基于二维最大熵和顺序滤波的红外图像分割

红外图像分割在红外成像制导和其它红外目标识别领域非常重要和提出了一种综合运用二维最大熵和顺序滤波方法对红外图像进行分割的新方法.该方法首先对图像进行基于二维最大熵的阈值分割,然后对二值图进行顺序滤波消除虚警点,取得了非常理想的分割效果.本文提出了一种新的逐步逼近二维最大熵阈值递推搜索算法,阈值搜索时间得到了大幅度减少,满足了一般的实时需求,具有较高的应用价值.     

主动太赫兹成像中的多目标分割与检测识别方法

针对主动太赫兹成像中存在的图像品质差以及藏匿物品类别多样、训练样本稀缺且类别不平衡等问题,提出了基于用条件生成对抗网络构建的Mask-CGANs模型的目标分割网络和基于RetinaNet的目标检测识别网络,实现了太赫兹图像中藏匿物品的多目标分割和检测识别。针对分割任务提出的约束损失函数和网络结构,使模型在召回率和虚警率之间达到平衡且降低了对训练样本规模的要求。针对检测任务采用的损失函数提高了训练样本不平衡条件下的检测精度。     

基于二维碲烯的太赫兹光电探测器

制备了金属-碲烯-金属的太赫兹光电探测器,实现了毫米波-太赫兹波下的光探测。结果表明,基于对数天线碲烯的太赫兹光电探测器在零偏压下具有较高的光响应率（40 mA /W,0.12 THz）,响应时间为8 μs,噪声等效功率（NEP）为4 pW·Hz^-0.5。研究结果为高性能室温太赫兹光探测提供了一种新的发展路径。     

红外成像制导二维斜分最大熵分割的快速实现

针对红外成像制导复杂背景下低对比度红外图像的分割问题,提出了一种新的基于Kapur最大熵阈值判别式的二维斜分快速递推算法,并采用逐步逼近的粗细搜索策略,减少阈值搜索区域,在可能的阈值范围内逐点寻找最佳阈值。通过对算法的复杂度进行分析,并对实际获取的红外图像进行分割实验表明,Kapur最大熵阈值判别式更加适合于低对比度红外图像分割,提出的二维斜分快速算法所需的运行时间和存储单元均少于现有的二维直分或斜分最大熵分割快速递推算法,运行时间约为原始算法的14%,分割结果的噪点更少,边界更加细致完整,适用性更强,满足红外成像制导系统工程实用化要求。     

基于量子最大熵多阈值算法的图像分割研究

针对图像分割中的问题,采取量子多阈值最大熵算法.首先确定图像信息最大熵的概率密度函数,求解出熵最大化验前密度;接着把图像用灰度值分成背景和物体两个区域,统计不同的灰度等级内像素的量子比特值,由所占的比例得出像素点的最佳分割阈值;最后给出了算法步骤.实验仿真给出了不同算法的图像分割结果,本文算法对噪声的抑制能力较强,得到较高精度的图像,并且保留了边缘的重要信息.     

An image model based on occluding object images and maximum entropy

This paper introduces a statistical image model based on occlusion and maximum entropy. The statistical model combines a fundamental property of image formation, occlusion, with both object-image shape and nonuniform object-image intensity. The model is a composition of individual object-images that have random positions, shapes, and intensities, and that occlude both background and one another. We derive the autocorrelation and second-order probability density functions of this model and give several examples.     

基于2维最大熵最佳阈值算法的图像分割研究

为了提高图像分割的质量,采用2维最大熵最佳阈值方法,首先通过灰度区域确定该域像素的2维随机向量,在准则函数下求得到2维最大熵最佳阈值;接着通过递推优化对2维最大熵最佳阈值计算数据优化处理,减少重复性数据计算量;最后通过分割图像区域与原目标空间位置的互信息量最大准则,把误分割误差函数作为检测分割标准,给出了算法流程;并仿真出了不同算法的图像分割结果。结果表明,该算法得到图像分割的精度较高,没有背景与噪声的残留,保留了图像信息,执行速度快、分割效果视觉好、误分割误差最小。这对提升图像分割效率是有帮助的。     

复杂背景下的最大熵阈值红外目标分割算法

为了有效地分割出实际拍摄中的红外目标信号,提出了一种适用于复杂背景下的最大熵阈值红外目标分割算法;该算法根据图像中信号的相关性,对图像的干扰信号的预处理,随后对所得的图像信号进行熵值的求取;接着根据目标与背景信号的分布特性,对所获得的目标信号与背景信号进行深入提纯处理,最终获得更为理想的红外目标信号。实验结果表明,该算法能够在不同背景下始终保持较好的红外目标分割效果,且具有耗时低、清晰度高的分割优势。     

A two-dimensional maximum entropy spectral estimator

Using ideas from one-dimensional maximum entropy spectral estimation a two-dimensional spectral estimator is derived by extrapolating the two-dimensional sampled autocorrelation (or covariance) function. The method used maximizes the entropy of a set of random variables. The extrapolation (or prediction) process under this maximum entropy condition is shown to correspond to the most random extension or equivalently to the maximization of the mean-square prediction error when the optimum predictor is used. The two-dimensional extrapolation must he terminated by the investigator. The Fourier transform of the extrapolated autocorrelation function is the two-dimensional spectral estimator. Using this method one can apply windowing prior to calculating the spectral estimate. A specific algorithm for estimating the two-dimensional spectrum is presented, and its computational complexity is estimated. The algorithm has been programmed and computer examples are presented.     

基于改进遗传算法的最大2维熵图像分割

为了解决传统最大2维熵分割算法计算量大、耗时较多等缺陷，提出一种基于改进遗传算法的最大2维熵图像分割法。通过对遗传算法变异操作方式进行改进，提高遗传算法寻找最大2维熵分割阈值的速度，加速分割算法对图像的分割，并进行了仿真实验验证。结果表明，改进模型的运行时间被压缩到了0.95s，远远低于传统的最大2维熵分割法。改进的分割方法实现了分割效率的提高，同时也保证了图像的分割精度。     

基于改进鲸鱼优化算法的最大2维熵图像分割

为了避免原鲸鱼优化算法早熟收敛、易陷入局部最优等缺陷,首先在原鲸鱼优化算法初始化过程中采用了猫映射产生混沌序列结合反向解方法取代随机产生初始种群;其次在位置更新机制上采用了疯狂算子和黄金正弦算法的方法;最后将改进鲸鱼优化算法用于寻求图像2维最大熵来确定图像分割最佳阈值的选取.对10个经典基准函数进行了试验仿真验证,得到...     

A model-based approach for estimation of two-dimensional maximum entropy power spectra

A stochastic model-based approach is presented for estimation of the two-dimensional maximum entropy power spectrum (MEPS) from given finite uniform array data. The method consists of fitting an appropriate two-dimensional noncausal Gaussian-Markov random field (GMRF) model to the given data using the maximum likelihood (ML) technique for parameter estimation. The nonlinear criterion function used for ML estimation is similar in structure to the function arising in the deterministic approach of Lang and McClellan. The model-based approach provides new insights into the two-dimensional MEPS estimation problem. For example, using the asymptotic normality of ML estimates, we derive simultaneous confidence bands for the estimated MEPS. It turns out that when the true correlations are generated by a noncausal GMRF model, the two-dimensional MEPS can be obtained by solving linear equations. This approach also suggests techniques for realizing two-dimensional GMRF models from the given correlation data. Several numerical examples are given to illustrate the usefulness of the approach.