基于PI法的门源MS6.4地震前震中附近地震热点图像异常变化研究

基于1980年以来青海省和甘肃省区域地震台网的定位地震目录,分析了研究区最小完备震级,选取空间网格尺度为0.2°×0.2°、地震活动异常学习时间段和预测时间段均为3 a,应用图像信息（PI）法,分析了门源M_S6.4地震发生前震中附近地震热点图像的异常变化过程。结果表明,在2013年1月1日至2016年1月1日的预测时间窗内,冷龙岭断裂和祁连山北缘断裂附近存在明显的地震热点,且地震热点图像颜色偏深,发震概率较高,向前滑动至2014年1月1日至2017年1月1日,2015年1月1日至2018年1月1日和2016年1月1日至2019年1月1日3个预测时间窗,此两断裂附近仍存在地震热点,地震热点图像颜色逐渐由深变浅,而门源M_S6.4地震就落在PI法得到的地震热点内。门源M_S6.4地震前存在明显的地震热点,且地震热点相对集中,地震热点图像颜色由深变浅,震后消失;在祁连山北缘断裂附近,地震热点持续存在,分布较集中,地震热点图像颜色也呈由深变浅的过程。未来需关注祁连山北缘断裂,附近有发生强震的可能。     

基于两步迭代收缩法的多稀疏空间图像快速重构方法

由于多稀疏空间图像重构时,像素范围选取过大、峰值信噪比低以及重构时间长,导致图像重构方法存在重构效果差的问题,提出基于两步迭代收缩法的多稀疏空间图像快速重构方法。明确多稀疏空间图像重构存在的问题,在明确问题后,以迭代收缩阈值算法为基础,引入迭代加权收缩算法,结合每一轮迭代结果作为初值,完成图像重构的两步迭代收缩法设计,实现多稀疏空间图像快速重构。实验结果表明：应用该方法后的重构多稀疏空间图像峰值信噪比达到37.9 dB以上,图像重构时间仅为16.0 ms,图像结构相似性达到了0.98以上,并且重构多稀疏空间图像的效果更好,经过实验分析证实了所提方法具备可行性。     

基于联合注意力的渐进式遥感图像融合

为发挥遥感图像在国防军事、公共安全、环境监测等领域的重要作用,如何融合已配准的高分辨率全色图像与低分辨率多光谱图像的互补信息成为当前研究的重点。尽管近年来全色锐化方法已取得较大进步,但大多数方法仍受到以下限制:一方面,利用Wald协议退化生成不同尺寸图像时会造成信息损失;另一方面,受到网络结构和单一注意力的限制,无法同时利用全局和局部特征。为解决以上问题,本文提出了基于联合注意力的渐进式网络(Pan-sharpening based onmulti-attention progressive network),称为MAPNet。在该网络中,首先采用多阶段训练以减小尺寸变化带来的光谱和细节损失。其次设计联合注意力模块,将自注意力、空间注意力和通道注意力结合,实现对全局特征和局部特征、空间特征和通道特征的多模态分析,进一步提高MAPNet对纹理细节的保留能力。在高分二号卫星上进行大量对比实验和消融实验,定性和定量结果表明,本文方法融合效果优于其他10种方法,能够改善光谱失真和细节纹理丢失等问题。     

基于改进K-Means的动态视频关键帧提取模型

如何从动态视频图像大量的冗余信息中提取关键信息,进而有效地存储和检索视频成为当前本领域研究的热点.模型通过对图像帧进行分块,再对块图像帧进行预处理,基于熵密度的比较选择初始聚类中心,进而确定初始聚类半径,应用归一运算,合并同类图像帧以生成关键帧,用来表征图像的主要内容.实验表明该文模型能够减少动态视频信息中的冗余度,同...     

基于SIFT特征的图像拼接算法应用研究

图像拼接算法在视频压缩、文物守护、图像信息处理与虚拟现实技术中普遍应用.图像拼接存在图像视野范围和高分辨率之间相互矛盾的问题,目前要获得某些大视野的场景时,只能通过一些简单方法进行处理.因此,提出了一种基于SIFT特征的图像拼接算法,并进行了实际应用.     

一种面向口腔移植骨分割的SA-UNet网络

在牙齿种植治疗中,口腔移植骨分割对于辅助医生诊断有重要参考价值。口腔CBCT图像具有对比度较低,移植骨边缘模糊等诸多特征,严重制约着现有深度分割网络的应用。研究以U-Net为基准网络,通过设计一种新颖的轻量级Sharp-Attention模块,提出了一种改进的SA-UNet网络模型。具体地,在Sharp模块中,带锐化卷积核的Depthwise卷积操作通过锐化浅层特征以加强特征细节。CBAM模块提升模型对于图像低层信息的关注度。进而,采用新型联合损失函数,缓解样本比例失衡带来的影响。最后,在口腔移植骨数据集上验证了模型的有效性。在模型复杂度方面,与基准网络U-Net相比,在几乎没有增加计算开销的情况下,图像分割精度得到了有效的提升;在分割精度方面,与现有的主流医学分割模型对比,在IoU、Dice系数、Hausdorff距离三个评价指标上的表现最佳,得分达到了0.866 5、0.926 2、0.509 2。     

基于特征增强的高血压视网膜病变分类方法研究

高血压视网膜病变是由高血压所引起的眼底疾病,传统分类方法主要是基于区域特征进行分析,识别依据较为单一,准确度不高。为提高分类准确度,本文提出了一种基于特征增强机制的高血压视网膜病变分类方法,设计了基于不同图像色彩空间的眼底图像特征增强方法,增强眼底照片中的病灶特征,提高模型的输入特征值,将处理后的图片输入改进的DenseNet模型中进行分类,从而提高高血压视网膜病变(HR)分类的准确度。采用公开数据集OIA-ODIR对本文提出的基于特征增强的高血压视网膜病变分类方法进行测试,其敏感性、特异性、准确率分别达到97.09%、98.79%、98.67%,与现有的HR分类方法进行分析对比,本文提出的分类方法效果更佳。     

基于LBP特征与图像显著性的散焦模糊区域检测

针对当前散焦模糊区域检测算法对于均质清晰区域容易误判,边缘定位不够准确的问题,提出一种基于LBP特征与图像显著性的散焦模糊区域检测算法。首先,利用LBP特征和SLIC算法来获取SLBP模糊图,利用DRFI显著性检测算法来获取DRFI显著图;然后,利用SLBP模糊图和DRFI显著图来构造三元标识图,进而利用KNN抠图算法来获取模糊图;最后,借助于形态学运算和平滑滤波来细化模糊图。在公共模糊数据集上的实验结果表明,该算法能有效地检测出均质清晰区域,保留图像边缘细节,在检测精度和查全率指标上表现较好。     

基于CIS暗电平校正算法研究与实现

本文为了减弱暗电流对CMOS图像传感器图像质量的影响,分别对常用的模拟端暗电平校正算法和数字端暗电平校正算法进行了分析和研究,通过将黑行分阶段处理,在不同阶段分别进行模拟和数字校正,提出了一种改进的暗电平校正算法。并在一款像素阵列为640×480的CMOS的图像传感器芯片内集成了该方法的电路。经过测试表明,该方法获得了较好的校正暗电平,误差小,解决了暗电平差异较大情况下出现的颜色偏差问题和亮度不饱和问题,改善了图像质量。     

基于XOR和量子傅里叶变换的多量子图像秘密共享方案

安全的图像数据共享是无线网络中一个值得探索的课题.本文提出了一种基于异或(XOR)和量子傅里叶变换的多量子图像秘密共享方案.在共享过程中,首先,通过XOR运算操作对一个量子秘密图像进行预处理;其次,通过哈希函数生成的密钥对这些图像做进一步处理;最后,通过执行量子傅里叶变换(QFT)得到一个共享图像.在恢复阶段,只有当所有参与者都在场时,秘密图像才能被恢复.同时给出了实现该秘密共享方案的量子线路图.实验结果表明,该方法在共享过程和恢复过程中都具有良好的安全性.此外,该方法在共享图像生成和秘密图像恢复方面的计算复杂度较低.