融合红外特征的可见光图像目标检测算法研究

为提升复杂场景下基于可见光图像的目标检测性能,将深层卷积神经网络与多源信息融合技术相结合,提出了一种自适应融合红外特征的可见光目标检测算法.该算法以红外和可见光图像作为输入,通过卷积、激活结合残差结构的方式分别提取目标红外和可见光特征,并利用空间和通道注意力机制提升目标所属类别以及所在图像区域的特征权重.其次,将提取的红外特征以自适应加权的方式融入对应维度的可见光特征中,充分弥补目标在单模态模型下的局限.最后,针对多尺度目标,设计了金字塔采样结构,通过交替上采样和下采样方式来充分融合目标全局及局部特征,增强网络尺度不变性.通过实验验证,所提注意力机制、特征自适应融合以及金字塔采样结构都能有效提升目标检测效果,相比于同类型红外-可见光目标检测方法,该方法可以充分融合目标多模态特征,并有效降低噪声干扰,使网络具有更高的检测性能.同时,在实际电网设备检测中,所提方法也表现出较高泛化能力和鲁棒性,可以准确高效的实现目标设备的识别及定位.     

一种在MR图像中进行脑胶质瘤检测和病灶分割的方法

针对磁共振图像(MRI)进行脑胶质瘤检测及病灶分割对临床治疗方案的选择和手术实施过程的引导都有着重要的价值。为了提高脑胶质瘤的检测效率和分割准确率,该文提出了一种两阶段计算方法。首先,设计了一个轻量级的卷积神经网络,并通过该网络完成MR图像中肿瘤的快速检测及大致定位;接着,通过集成学习过程对肿瘤周围水肿、肿瘤非增强区、肿瘤增强区和正常脑组织等4种不同区域进行分类与彼此边界的精细分割。为提高分割的准确率,在MR图像中提取了416维影像组学特征并与128维通过卷积神经网络提取的高阶特征进行组合和特征约简,将特征约简后产生的298维特征向量用于分类学习。为对算法的性能进行验证,在BraTS2017数据集上进行了实验,实验结果显示该文提出的方法能够快速检测并定位肿瘤,同时相比其它方法,整体分割精度也有明显提升。     

一种在MR图像中进行脑胶质瘤检测和病灶分割的方法

针对磁共振图像(MRI)进行脑胶质瘤检测及病灶分割对临床治疗方案的选择和手术实施过程的引导都有着重要的价值。为了提高脑胶质瘤的检测效率和分割准确率,该文提出了一种两阶段计算方法。首先,设计了一个轻量级的卷积神经网络,并通过该网络完成MR图像中肿瘤的快速检测及大致定位;接着,通过集成学习过程对肿瘤周围水肿、肿瘤非增强区、...     

图像配准中特征点检测算法的探讨

特征点是图像的一种重要局部特征,特征点检测是基于特征点图像配准的关键技术.通过特征点的提取与处理,对把握图像的局部及整体特征,特别对图像配准及目标识别等领域都具有重要的实际意义.详细介绍了图像配准中主流的特征点提取方法,并分析其优缺点.通过实验,利用特征点评价方法对各种算法的性能进行比较,对图像配准的研究具有一定的指导意义.     

基于改进边缘检测算子的图像特征点提取算法

介绍了边缘检测算子的原理,对算法中灰度差阈值的选择方式进行了改进。在图像中每个像素的SUSAN模板中首先计算阀值t的初值,再利用迭代法获得终值,使其在各种不同的对比度下仍能正确检测兴趣点,最后运用该算法进行了图像边缘检测测试,并与其他检测算子进行比较。实验结果表明,该算法具有方法简单、抗噪能力强、计算量小等优点。     

自适应SAR图像边缘检测算法

边缘检测是图像分析的基础,在对SAR图像进行边缘检测时,由于SAR图像存在很强的相干乘性斑点噪声,几乎没有一种方法既能有效地检测边缘又能排除斑点噪声的影响而不产生较多的虚假边缘,特别是在低视数SAR的情况下,该文指出了在低视数情况下应当如何对Touzi ratio边缘检测方法和最大似然(ML)边缘方法的检测窗口进行改进,在对SAR图像进行边缘检测时,引入了自适应窗口的方法,并将其应用到Touzi ratio边缘检测和最大似然 (ML)两个恒虚警边缘检测算法中,取得了很好的改进效果,引入自适应窗口的方法也适用于其它的SAR图像边缘检测算法。     

模板自适应的积分通道特征行人检测算法

本文对视频中的行人检测问题进行了研究。针对传统的积分通道特征算法在误测背景目标和丢失目标两方面存在缺陷,本文以积分通道特征的行人检测算法为核心,对原检测算法进行了优化并提出模板自适应的积分通道特征算法。通过使用预处理优化和自适应模板,该优化算法能够有效地检测到丢失的目标并且抑制了背景干扰,提高了检测的准确性。最后的实验数据表明该优化算法整体性能有所提高,尤其在提高检测丢失目标的准确率和降低误测背景目标的检测率上都相较于传统的积分通道特征算法有较大的提高。      

基于自适应检测算法的ASTER遥感图像机场检测

针对不同时段、区位的遥感图像,通过改进传统Canny算法解决机场快速检测的问题.提出了应用于ASTER SWIR波段遥感图像的机场自适应检测方法,包含图像自适应背景抑制方法、自适应分割阈值生成方法和边缘跟踪连接方法.采用2幅图像进行实验,检测出其中地机场区域.结果表明算法比传统检测算法执行时间减少13%,抗噪性和自适应性提高.     

图像配准中特征点检测算法的探讨北大核心

特征点是图像的一种重要局部特征,特征点检测是基于特征点图像配准的关键技术。通过特征点的提取与处理,对把握图像的局部及整体特征,特别对图像配准及目标识别等领域都具有重要的实际意义。详细介绍了图像配准中主流的特征点提取方法,并分析其优缺点。通过实验,利用特征点评价方法对各种算法的性能进行比较,对图像配准的研究具有一定的指导意义。     

增强特征融合并细化检测的轻量化SAR图像船舶检测算法

针对SAR图像船舶检测任务在船舶组合和船舶融合场景下低检测精度的问题,提出了一种轻量化船舶检测算法——RGDET-Ship,有效提高了SAR图像在复杂场景下的船舶检测精度。该算法的创新点包括：(1)构建基于改进ResNet的基础主干网络,增强深浅网络早特征融合,保留更丰富的有效特征图,并利用RegNet进行模型搜索得到一簇最优结构子网络RegNet and Early-Add(RGEA),实现模型的轻量化;(2)在FPN Neck基础上,结合EA-fusion策略设计出FPN and Early Add Fusion(FEAF) Neck网络,进一步加强深浅特征晚融合,提高中大船舶目标特征的提取;(3)通过细粒度分析改进RPN网络得到Two-RPN(TRPN)网络,提高模型的检测粒度和预测框准确性;(4)引入多任务损失函数——Cross Entropy Loss and Smooth L1 Loss(CE＿S),包括分类任务和回归任务,进一步提升检测性能。通过在标准基准数据集SSDD上进行大量实验,验证了RGDET-Ship模型的有效性和健壮性。实验结果表明,相较于Faster RCN...     

基于不变特征的多源遥感图像舰船目标检测算法

由于域偏移的存在,多源图像舰船目标检测任务面临着不同源传感器带来的图像风格差异难题.另外,为特定数据源训练特定的检测模型会消耗大量的计算资源,严重限制了其在军民用领域的工程应用.因此,设计一个通用网络以有效检测来自不同源遥感数据的舰船目标成了当下的研究热点.针对该需求,本文提出了一种基于不变特征的通用舰船目标检测方法,...     

基于特征像素相关性的虚假图像盲检测算法

复制粘贴型（Copy-Move）篡改方式是把数字图像中一部分区域进行复制并粘贴到同一幅图像的另一个区域,以达到去除图像中某一重要内容的目的,是一种简单而有效的图像篡改技术。本文针对这种篡改方式,提出了一种利用图像特征像素间的相关性检测篡改图像的盲检测方法,为去除图像中少量噪声,降低算法的复杂度,本文对图像进行双树复小波变换（DTCWT）,之后对图像块进行最大类间方差阈值计算和二值化处理,最后计算各个图像块的相关性。实验结果表明,本文提出的篡改认证方法能有效地对抗噪声对认证的影响,对一般的噪声(高斯噪声、低频滤波)具有很好的鲁棒性。      

分区均值的自适应噪声图像边缘检测算法

针对边缘检测算法存在的检测精度与抑噪的矛盾,提出一种基于新的图像边缘检测算法。算法将检测窗口按照0o,45o,90o和135o四个不同方向分别划分为两个子区域,先统计每个检测窗口(3×3)内脉冲噪声点的个数,如果超过3个,则扩大检测窗口至5×5。对于检测窗口每个方向划分的两个子区域,分别计算区域内的非噪声点的平均灰度值,利用平均值差的绝对值作为窗口的方向梯度值,进而求得中心点的梯度。然后,对梯度图像采用改进的非极大值抑制方法进行细化,并提取边缘。实验结果表明,该算法检测的图像边缘方向性较强,边缘较细,不仅对不同程度脉冲噪声干扰图像具有较强的抑噪能力,而且对高斯噪声也具有一定程度的抑制效果,算法具有较强的适应性。     

红外图像显著目标检测算法

提出一种简单快速的红外图像显著目标检测算法,算法可以分为三步:首先,对原始红外图像进行预处理以增强目标与背景的对比度;然后,在log频谱中提取预处理后图像的频谱残差,通过相应的反变换及简单的阈值分割,可以得到显著目标的大致区域;最后,采用一个滑动窗口在目标候选区域内进行搜索确定显著目标的准确位置,这个过程采用由目标及其周围区域在原始图像中的灰度分布得到的半局部特征对比度的概率表达得到每个像素点的显著性值,进行阈值分割得到显著目标,改变滑动窗口的大小可以检测出不同尺度的目标。采用大量的红外图像对算法进行测试,实验结果表明该算法具有高效性和鲁棒性。     

基于多特征融合的SAR图像舰船自学习检测算法

传统的舰船检测方法主要包括恒虚警检测(CFAR)和机器学习类算法,其中CFAR舰船检测容易受噪声影响,检测结果过分依赖参数与海杂波模型的选择,准确率低并且鲁棒性较差。简单的阈值判定方法由于特征单一,对舰船目标描述性较差,机器学习算法需要对已有数据库中舰船数据进行训练,准确度较高但检测周期过长,更新较慢,无法满足现代战争的快速反应、实时更新的需求。提出一种基于多特征融合的自学习算法,对感兴趣目标提取形态学、灰度和轮廓等多种特征,通过对多特征阈值判定方法对相似舰船目标进行检测,可实现对战场突发状况与未知目标快速反应能力的同时保证较高的检测准确率。实验结果表明,提出的检测算法相比传统方法的查全率提高了10%,虚警率降低了4%,并且实现了单幅运行时间的大幅度缩减。     

基于Python的肺结核胸片病灶检测系统设计

肺结核病是危害人类健康的重大传染病之一,如何快速高效地找出病灶是影像医生工作的一大难点。本文设计了基于Python的肺结核胸片病灶检测系统。该系统设计了用户的注册登录模块、胸片识别模块、信息管理模块,系统核心是Efficientdet算法对胸片进行图像识别标出病灶区域。本系统可用于小型医院肺结核胸片检测,标出病灶区域,使医生更快地对胸片作出诊断,找出病灶减少差错,提高肺结核的诊断效率,减少影像医生的工作量使其提高工作效率。     

改进BRISK特征的快速图像配准算法

为了实现超分辨率图像重建中高精度快速图像配准,提出一种改进BRISK特征的快速图像配准算法。原有BRISK算法在特征提取和匹配过程中,忽视了角点分布信息,其匹配策略单一,导致误匹配率高。针对该问题,首先利用BRISK算法构建连续尺度空间,在此基础上对图像进行分块,然后利用图像区域显著性自适应选择角点检测阈值,获得均匀分布的角点,最后利用快速最近邻FLANN算法结合RANSAC的方法进行二值特征快速匹配。实验结果表明:改进的BRISK算法相比原算法在保持速度的基础上达到亚像素级配准精度,并具有优越的场景适应性能。