高分辨率SAR图像目标峰值特征提取

峰值特征是进行SAR图像自动目标识别的重要特征。本文提出了SAR图像目标的通用高斯峰值模型,根据该模型提出了目标峰值提取方法。利用实测数据以及蒙特卡罗仿真结果表明:通用高斯峰值模型是实际峰值的一种精确模型,基于该模型的峰值提取方法具有良好的提取精度。     

相位相关法及其在偏振图像配准中的应用研究

分析了遥感偏振探测的原理和与遥感强度探测相比所具有的优越性,指出了偏振图像的特点。采用偏振测量方法,可以获得地物的偏振信息,有助于增强对地物的探测能力,但是对图像像元不对准有很高的敏感性,为了得到可靠的偏振信息,配准的精度应该至少到达0．1个像素。介绍了一种基于傅立叶变换的配准方法：相位相关法,并把该方法应用于偏振图像配准中。相位相关法根据傅立叶变换的平移性质,能够解决具有平移关系的图像配准问题,实验证明该方法具有对噪声和图像灰度变化不敏感的优点。     

彩色分焦平面偏振图像配准方法北大核心CSCD

彩色分焦平面偏振相机是一种新型偏振成像装置,能够同时获取目标0°,45°,90°和135°四个偏振方向的彩色三通道(RGB)强度信息,但需要解决分辨率损失和像元错位的问题。本文提出一种适用于分焦平面相机的彩色偏振图像配准方法。通过实验对所提配准方法进行验证,结果表明:所提配准方法能够降低像元错位问题对后续彩色偏振图像解析精度的影响。     

基于小波域的红外图像序列噪声分析与去噪

由于相同的去噪方法对不同噪声类型的去噪效果不一样,采用基于小波域的图像噪声类型识别方法,利用小波高频子带系数的直方图识别了图像的两类主要噪声：高斯噪声和椒盐噪声.对红外图像系列的噪声进行了分析,长波红外图像主要受到高斯噪声干扰,中波红外图像主要受到椒盐噪声干扰.提出了一种改进的小波全局阈值去噪方法.仿真实验表明,该方法较传统方法的PSNR提高了2~3 dB,处理速度较快.     

基于马尔可夫随机场的降质光学图像预处理

文本图像等统计规律比较强的图像中存在模糊、笔划不完整等降质问题,基于文本图像在结构和统计规律等方面的特点,建立相应的马尔可夫随机场模型对其进行预处理,以进一步提高后续处理的正确率并减轻后续工作难度.该方法首先通过样本训练建立观测模型以对先验概率进行学习,然后采用模拟退火算法对模型参数优化计算,最后利用前两阶段所得模型进行未知图像处理.实验结果表明,该方法简单有效,可以取得较好的预处理效果.     

基于改进CPD算法的SPECT-B超甲状腺图像配准

为了获得更多甲状腺肿瘤的诊断信息,文章提出了一种基于改进CPD算法的甲状腺肿瘤的SPECT图像和B超图像自动配准方法。首先,将参考图像(SPECT图像)和待配准图像(B超图像)分别通过阈值分割和图割的方法提取轮廓特征点;然后,用遗传算法和粒子群算法相结合的优化算法对CPD的权重参数进行自动寻优,利用改进的CPD算法对提取出的两组特征点进行匹配,得到两幅图像的空间变换参数;最后,将待配准图像按所求得的变换参数旋转、平移,从而获得配准后图像。实验结果表明,该方法能实现SPECT与B超甲状腺肿瘤图像的良好配准,具有参数少、精度高、鲁棒性好等特点。     

基于非凸l_p范数和G-范数的图像去模糊模型

图像去模糊一直是图像修复中的重要问题,针对经典的去模糊方法,提出一种耦合非凸lp(0≤p<1)范数和G范数的图像去模糊方法。该方法利用lp(0≤p<1)范数作为正则项约束,保证了图像的稀疏性要求;利用G范数作为保真项,保证在去模糊的同时有效抑制噪声并保持图像的细小特征,同时也给出新方法基于交替最小化的有效算法。实验结果表明新模型是可行的。     

基于融合边缘算子和最大熵的低质量指纹分割研究

针对指纹低质量指纹图像分割的特征,并总结了常见指纹分割算法存在的缺点,引出采用边缘检测的方法进行低质量指纹分割算法的设计研究。本文考虑由于单纯采用Sobel-Snake算子仅能起到平滑和抑制噪声的作用,并不能实现指纹图像和背景的分离,故此在Sobel-Snake算子检测之前采用二维最大熵的方法对图像进行二维最大熵技术,然后通过Sobel-Snake算子获取边缘图像,并根据给定阈值向量实现了低质量指纹分割算法。最后给出实验效果和分割图像的评价指标。     

采用FPGA的红外图像实时直方图双向均衡设计

针对红外图像特点,提出了红外图像直方图双向均衡算法,该算法在进行直方图均衡化处理的同时,消除灰度冗余,并在整个显示范围内对图像灰度级进行等间距排列,从而获得灰度连续的红外图像,通过采用并行处理结构及流水线技术在FPGA内实现了该算法,解决了热像仪信号处理中输入大动态范围和显示输出的小动态范围的矛盾,实验表明该技术能够使红外图像的细节和清晰度得到明显的增强。     

基于Kohonen神经网络的深度图像分割方法

提出一种基于Ｋｏｈｏｎｅｎ神经网络无监督的深度图像分割方法。首先计算了深度图像各点的导数,进而得到各点的法向,以法向和深度值作为每一点的特征矢量,引入自组织神经网络进行初始的聚类;为消除初始聚类产生的过分割现象,采取相邻表面片法向分析的方法进行再分割,得到最终的分割结果。本方法避免了通常的区域分割方法初始种子不易选取的弱点,聚类所用样本少,速度快。实验结果表现了算法良好的性能。