基于稀疏表示模型的SAR图像目标检测算法

针对合成孔径雷达（synthetic aperture radar,SAR）图像可视性差、目标区域小以及特征不明显等特性对目标检测造成的困难,将稀疏表示模型应用于SAR图像目标检测,提出一种基于稀疏表示模型的SAR图像目标检测算法。首先,利用K—SVD算法训练样本提取对样本最具描述能力的SIFT特征形成字典;其次,通过将进化机制和稀疏表示结合,逐步提取整幅图像中含有目标的图像块;最后,输出稀疏表示误差小于阈值的图像块的位置作为目标检测的结果。实验结果表明,与传统目标检测算法相比,该算法在检测率和运行效率方面均有一定的提高,取得了较好的效果。     

基于人眼视觉皮层系统的SAR图像目标识别

人眼的视觉系统是已知最复杂最精确的目标识别系统;针对现有浅层学习模型提取SAR图像目标特征效果不理想、普适性不强及目标识别精度不高等问题,参考人眼视觉系统的分层特征提取机制提出了一种深层特征提取目标识别算法;算法首先提出一种针对SAR图像的预处理方法,在特征提取阶段应用多层稀疏自动编码器,通过逐层减少神经元数目使编码器学习得到输入数据的压缩表示,从而提取得到更抽象更鲁棒的目标特征;采用MSTAR数据库3个目标进行实验,试验结果表明,算法能很好地对MSTAR目标进行特征提取和识别,类比原有的方法有较高的识别准确率,达到96.7%。具有较强的实用性。     

序列图像运动自适应V1-MT光流估计算法

针对传统算法在抗光照变化影响、大位移光流和异质点滤除等方面的不足,从人类视觉认知机理出发,提出了一种基于机器学习和生物模型的运动自适应V1-MT(motion-adaptive V1-MT,MAV1MT)序列图像光流估计算法.首先,引入基于ROF模型的结构纹理分解(structure-texture decomposition,STD)技术,有效解决了光照和色彩变化的影响.其次,利用多V1细胞加权组合及非线性正则化模拟MT细胞模型,并结合岭回归训练学习得到运动自适应的权重,解决对目标的运动速度感知问题.最后,引入由粗到精的增强方法和图像金字塔局部运动估计采样,将V1-MT运动估计模型应用于实际大位移视频序列.理论分析和实验结果表明,新方法能更加拟合人眼视觉信息处理特性,对视频序列具有普适、有效、鲁棒的运动感知性能.     

全卷积网络多层特征融合的飞机快速检测

针对传统飞机检测方法准确率低、虚警率高、速度慢等问题,提出一种全卷积神经网络多层特征融合的飞机快速检测方法。将浅层和深层的特征经过采样后在同一尺度进行融合,以缓解由于深层特征图维度过低造成的对小目标表达不足的问题;修改区域提取时的选框尺寸以适应实际图像中飞机的尺寸特征;用卷积层代替全连接层以减少网络参数并适应不同大小的输入图像;复用区域提取网络和检测网络的卷积层和学习的特征参数以保证检测的高效性。仿真结果表明,与典型的飞机检测方法相比,所提方法在测试集上取得了更高的准确率和更低的虚警率,同时大大加快了检测速度。     

一种基于视觉适应性的图像增强算法

模拟真实场景反应在人眼中形成图像的过程,考虑到邻域间干扰、光照不均匀、媒介传递率下降引起的图像退化,提出了一种新的图像增强算法。依据对视觉现象中对比灵敏度、亮度适应能力和侧抑制现象的研究,建立了一种图像退化模型的视觉适应性模型,该模型求解方案包含3个过程:用于消除邻近像素相互影响,给人眼提供更多细节的去卷积过程;据锥细胞亮度适应能力提出的,为其工作提供最佳工作光照条件的亮度调整过程;模拟侧抑制机理提出的对比度拉伸过程。对比现有图像增强算法的增强结果,实验结果表明该方法的视觉适应性解,在增强图像细节、提升对比度、增强结果的视觉愉悦性方面取得了较大进步。     

改进区域卷积神经网络的机场检测方法

提出了一种结合级联的区域建议网络和检测网络的遥感图像机场检测方法。通过改进区域建议网络,以获得高质量的机场建议框;通过改进检测网络的损失函数,以提高机场检测的准确性;使用交叉优化策略,实现了两个网络的卷积层共享,机场检测时间大幅缩减。结果表明,所提方法在复杂背景下能准确地检测出不同类型的机场,检测率高,虚警率低,平均运行时间短。     

仿视皮层V1特性的SAR图像边缘检测

合成孔径雷达(SAR)图像的边缘检测是图像处理领域的热门研究课题,针对传统方法对噪声敏感、受内部纹理干扰等严重问题,借鉴人类视觉系统中初级视皮层(V1)神经细胞的感受野特性及该区域带有非经典感受野的细胞对同质区域纹理和噪声的环绕抑制机制,提出一种仿视皮层信息处理机制的SAR图像的边缘检测方法。采用Gabor滤波器经奇偶分解、汇聚、归一化等操作模拟V1区感受野特性,再引入模拟非经典感受野环绕抑制机制的环绕抑制项以对同质区域的纹理和噪声进行抑制,保留感兴趣的边缘信息。仿真结果表明,所提方法能抑制文中4类不同的SAR图像同质区域的大部分纹理,在一定程度上弱化斑点噪声,取得了比canny算子更好的边缘检测效果。提出的新方法可以应用于SAR图像的边缘检测。     

基于特征融合与软判决的遥感图像飞机检测

提出了一种特征融合结合软判决的飞机检测方法。以区域卷积神经网络为基本框架,依次采用L2范数归一化、特征连接、尺度缩放和特征降维来融合多层特征。为了降低网络在目标高度重叠时的漏检率,引入软判决来改进传统的非极大值抑制方法。实验结果表明,所提方法能够准确快速地检测到飞机,得到检测率为94.25%、虚警率为5.5%、平均运行时间为0.16 s的实验结果。与现有的其他检测方法相比,所提方法的各项指标均得到显著提升。     

基于时空信息融合的视频对象分割方法

使用一种改进的分水岭方法对图像进行空域分割,采用抗噪声能力更强的多尺度形态学算子求取图像梯度,并对经典浸没模型的处理单元进行了改进,明显提高了运算效率,改善了过分割现象。最后联合时空域信息确定视频对象的边界位置,进而提取出运动前景对象。     

最小误码率波束的形成算法

在经典自适应波束形成算法中,常采用均方误差准则,但对于一个通信系统来说,误码率是评价其性能的一个很重要的参数。利用核密度估计方法,由概率密度函数得到系统误码率与波束权值的关系,提出了一种自适应波束形成算法,在迅速收敛得到系统较小误码率的同时,得到最优的波束方向。仿真实验证明该方法优于经典的最小均方误差方法。