适用于小样本问题的有监督边界检测方法

针对自然图像纹理复杂的特点,提出了一种多种信息融合的有监督边界检测方法。首先,该方法在小样本的情况下,通过快速生成纹理基元特征来引入纹理信息;然后,根据图像中每个像素邻域内的灰度分布和纹理基元分布的差异来计算灰度梯度和纹理梯度,并在此基础上构造出二维的梯度特征向量;接着,用有监督的分类器进行分类,自适应地检测出初始的边缘点;最后,设计一个边界定位函数确定最终的边缘点,实现边界检测。实验结果表明,该算法运算速度较快,所检测的边界效果好。     

基于局部特征的自适应快速图像分割模型

基于区域的活动轮廓模型如Chan-Vese(CV)模型等以其能较好的处理图像的模糊边界和复杂拓扑结构而广泛运用于图像分割中.然而基于灰度分布均匀假设,该模型对于含灰度不一致性的目标分割结果较差.此外,纹理是周期性重复出现的细节,依靠灰度信息无法正确检测.针对这些问题,提出一种基于局部特征的自适应快速图像分割模型.一方面,利用两种区域项检测卡通部分和纹理部分的特征信息,在自适应的局部块中提取局部统计信息以克服卡通部分的灰度不一致性;另一方面,利用自适应的局部块中的纹理特征来计算背景和目标区域的Kullback-Leibler (KL)距离以检测图像的纹理部分.进一步,基于分裂Bregman方法对该模型进行快速求解.分别对医学和纹理图像进行了实验,准确性和时效性都有显著提高.     

结合纹理和分布特征的遥感图像群目标识别方法

针对航空图像中的群目标提出结合纹理和分布特征的目标识别方法。该方法可以分为两步: 首先选取一组纹理特征,采用最大似然分类算法完成子目标区域的分割;然后基于分布特征从子目标区域中快速定位和识别群目标。实验表明,所选的纹理特征可以有效区分防护掩体与各种自然背景;提出的基于分布特征定位和识别目标的剪枝算法,与同类算法相比速度获得较大提高。对于多幅航空图像进行识别实验均得到满意的结果,表明这种方法可以有效的从复杂自然场景中快速识别出感兴趣的群目标。     

基于SVM算法和纹理特征提取的遥感图像分类

遥感图像分类是遥感图像处理领域中的一个重要的研究方向,传统的遥感图像分类方法根据像素值进行分类,忽视了遥感影像中丰富的纹理特征信息.小波分析通过引入宽度可变的窗口,可以同时对信号的局部信息进行频率域和时间域的变换.小波分析算法可以有效地提取出图像中的纹理特征信息.支持向量机算法是20世纪90年代提出的一种新的机器学习算法,通常被用来进行模式识别和分类.结合小波纹理提取算法,利用支持向量机进行遥感图像分类.研究结果表明,结合纹理特征的支持向量机分类的效果优于直接对灰度图像进行分类.     

基于小波纹理分析的彩色车牌定位算法研究

针对传统的车牌定位算法是采用灰度图像的纹理特征的,由于灰度图像的纹理特征诸多特性和局限性,给车牌定位算法带来很大的困难;鉴于此,提出了基于小波纹理分析的彩色车牌定位算法;首先对图像进行二维小波分解,计算滑动窗内图像的小波纹理特征;然后同时将低频子图转化RGB色彩分量为HSV色品值,提取颜色特征并得到综合特征向量;其次利用小波变化定位出车牌区域;最后对定位出的车牌进行后期校正处理并输出定位结果;该算法采用综合特征定位,克服了采用单一特征定位的缺点和局限性,从实验结果可以看出该算法能够较准确的从背景图像中提取出车牌位置信息。     

一种基于主动轮廓模型的医学图像序列分割算法

介绍了一种结合live wire算法和活动轮廓模型的医学图像序列的分割方法.通过把live wire算法和图像分割中一般的区域增长方法结合,对传统live wire算法进行了改进,并用改进后的算法对医学图像序列中的单张或多张切片进行交互式地准确分割.然后计算机利用活动轮廓模型自动分割相邻的未分割切片.还通过在活动轮廓模型的边缘点中引入记录已分割物体边缘附近局部区域特征的灰度模型,把已分割切片中的物体与背景的局部区域特征带入相邻的未分割切片中,并用由灰度模型定义的区域相似性代替活动轮廓模型中的外能来引导边缘轮廓收敛到物体的实际边缘.最后介绍了一种基于live wire算法思想的简单的分割结果交互式修复方法.实验结果表明该算法仅需少量用户交互就能快速准确地从医学图像序列中分割出感兴趣的物体,在医学图像分析中具有实用价值.     

基于双树复小波和灰度共生矩阵的遥感图像分割

提出了一种将双树复小波变换和灰度共生矩阵相结合描述遥感图像局部纹理特征并用于分割的方法。该方法采用双树复小波高频模值子带Gamma分布与Lognormal分布参数组合特征、灰度共生矩阵特征组成的联合纹理特征作为遥感图像每一像素特征,然后用Canberra距离进行相似性度量,最终通过聚类完成遥感图像分割。实验结果表明,该纹理特征提取方法可以有效地表征遥感图像的纹理,得到更为精确的遥感图像分割结果。     

基于灰度共生矩阵的边缘检测方法

对传统的边缘检测算子进行了分析,指出了存在的不足;同时针对目前的纹理分析算法普遍存在计算复杂、运行时间过长的缺点,通过将纹理分析的思想和传统的边缘检测算子相结合,提出了一种基于灰度共生矩阵的边缘检测新方法.该方法对图像进行纹理分析后自适应地选择模板,因此很好地保持了图像边缘的细节并且抑制了噪声.通过MATLAB仿真实现,结果表明由灰度共生矩阵产生纹理特征能有效地描述火焰的纹理特征,具有较好的鉴别能力.     

行程长度纹理特征在SPOT遥感图像分类中的应用

将行程长度纹理特征与神经网络相结合应用于遥感图像分类中.在特征选择阶段采用类内、类间方差标准与Rough集相结合的方法挑选出有较强分类能力的特征并有效去除冗余特征.针对高分辨率、大尺度的SPOT全色遥感卫星图像,分别基于行程长度纹理特征、共生矩阵纹理特征、灰度-梯度共生矩阵纹理特征和灰度-平滑共生矩阵纹理特征,采用BP、RBF两种类型的神经网络以及最近邻分类算法(K-NN法)对其进行分类,并对分类结果进行对比.实验结果证明本文算法的有效性.     

一种具有抗噪声干扰的图像轮廓跟踪算法的研究

提出了一种图像轮廓跟踪算法,与传统边缘检测方法相比,该算法忽略了图像内部灰度变化较大的假边缘,检测出的图像轮廓定位准确、连续、光滑、边缘细节丰富、没有假边缘、边界呈单像素宽。同时,算法具有很好的抗噪能力,几乎可以完全消除噪声对图像的影响。算法良好的检测效果为图像尺寸参数测量打下了良好的基础,实践证明该方法具备有效性和实用性,可推广应用于各种含噪声的单一目标图像的尺寸测量。     

飞机红外图像生成研究

红外成像仿真的关键环节在于红外图像的生成,飞机目标的红外图像生成是重要的研究内容,具有重大的军事意义和经济意义。基于理论分析和计算机技术提出了飞机目标红外图像生成的方法,根据红外物理学、空气动力学以及传热学等基本理论,建立飞机目标的红外理论模型,计算出蒙皮、尾喷管和羽烟等重点辐射区域的温度场和辐射场,利用灰度等级描述红外辐射信息,经过建模、视点变换、环境设置等一系列处理并渲染生成红外图像。实验结果证明,红外图像生成方法可行,结果可信。     

基于彩色图像分割的飞机机头定位方法

为了防止停在机库内的飞机被其他移动的飞机相撞，提出丁一种基于彩色图像分割技术的飞机机头定位方法，将该方法用于智能化飞机机库安全监控系统中，以实现飞机防撞报警功能。首先将摄像机拍摄的RGB图像转换为HSI图像，根据饱和度和色度的双阈值分割方法，初始分割出红色机头部分；对于初始分割结果，再通过形态学腐蚀、膨胀处理以及面积阚值分割手段来自动确定机头顶点位置，设置出安全防护区。经过现场实验表明，该方法可较好地确定飞机的机头位置，因而在一定程度上提高了传统监控系统的智能性。     

基于块调制置乱的图像加密算法安全性分析

块调制置乱图像加密是加密域可逆信息隐藏常用的加密方法之一,能有效提高算法的隐藏容量和抵抗现有唯密文、已知明文等攻击的能力.针对块调制置乱图像加密,提出一种已知明文攻击条件下的密钥流估计方法.首先,定义图像差值块,分析指出块调制生成密文块以较高的概率保持差值块不变的特性.然后,提出一种伪差值图像构建、差值块立方均值索引查找等关键策略的块置乱密钥的快速估计方法.分析讨论了图像的差值块立方均值分布、分块大小对置乱密钥估计正确率的关系.最后,给出了提高图像加密安全性可能的解决方案.实验结果表明,明文图像的纹理复杂度和分块大小是影响块置乱密钥估计正确率和算法时间复杂度的主要因素;分块大小大于3×3时,图像块置乱密钥的估计正确率达到70%以上,密文图像的内容会被泄露.     

基于红外图像的飞机目标关键攻击部位识别

针对红外成像制导空空导弹增强攻击毁伤效果的要求,提出了一种基于红外图像的飞机飞行姿态识别和飞机目标几何轮廓分析的关键攻击部位识别方法。该方法利用模糊C均值聚类算法将经过降噪处理的红外飞机图像分割成背景、飞机机身和尾焰三部分;分别计算飞机目标的Hu矩和归一化转动惯量来构成组合不变矩,同时结合分割图像的面积比特征来实现飞机飞行姿态的识别;通过对飞机机头、机轴、机翼或尾翼的提取并依照相应的比例关系,来实现对飞机关键攻击部位如驾驶舱的识别。为了提高关键攻击部位的识别速度和精度,利用当前帧获得的稳定判别参数来指导后续帧图像的处理。试验结果表明,提出的方法能够准确有效地识别红外飞机目标的关键部位,可为空空导弹的精确打击提供必要的支持。     

空间数据库中距离连接选择率估计方法研究

通过综合分析和比较现有的选择率估计技术，提出了基于MBR缓冲区和直方图的距离连接估计方法，该方法基于空间对象的MBR缓冲区，只需要简单计算几个直方图统计量，就可以快速得到较为准确的估计结果．针对MBR缓冲区方法估计结果偏大的不足，提出一种利用线段分布特性基本定律实现距离连接选择率估计的新方法．该方法基于线段缓冲区，不需要遍历线段数据集，提高了估计效率，减少了估计结果的相对误差．实验结果证明，该文方法能够准确有效地进行空间距离查询选择率估计并且更加适合真实的数据集．     

基于Hausdorff距离的飞机定位方法

为了更快、更准确地识别出遥感图像中的飞机目标,用角点与Hausdorff距离相结合的方法来定位飞机目标.首先对图像进行Harris角点提取,由于传统的Harris角点提取方法对尺度比较敏感,所以采用Harris-Laplacian角点提取方法,由于在尺度空间的每层图像上计算Harris角点的计算量比较大,结合机场图像背景单一且飞机的灰度值比较高的特殊性,提高角点检测的速度和准确性;然后利用改进的Hausdorff距离即基于平均距离值的Hausdorff距离对两个特征点集进行匹配来定位飞机目标.该方法只需要一个模板就能对飞机目标进行定位.通过对机场图像的试验结果表明,该方法能很好地定位出飞机目标,具有较好的鲁棒性和实用性.     

基于小波域隐马尔可夫树模型的图像复原

从图像复原的Bayesian方法出发,提出一种基于小波域隐马尔可夫树(HMT)模型的线性图像复原算法,小波域HMT模型采用混合高斯模型刻画各子带系数的概率分布,并通过小波系数隐状态在多个尺度之间的Markov依赖性来刻画自然图像小波系数随尺度减小而指数衰减的特性,由于小波域HMT模型准确刻画了自然图像小波变换的统计特性,该文算法以此作为自然图像的先验模型,将图像复原问题转化为一个约束优化问题并用最速下降法对其进行求解,同时,提出了一种规整化参数和HMT模型参数的自适应选择方法,实验结果表明,基于小波域HMT模型的图像复原算法较好地再现了各种边缘信息,复原出的图像在信噪比和视觉效果方面都有明显的提高。     

面向图像复原的分层贝叶斯局部高斯混合模型

近年来使用高斯模型作为块先验的贝叶斯方法取得了优秀的图像去噪性能,但是这一方法在去噪之外的逆问题求解方面性能不太稳定。提出一种基于分层贝叶斯的高斯混合模型对图像块建模,对模型参数引入先验知识,利用Gaussian-Wishart分布对均值和协方差矩阵的概率分布建模,使得块估计过程更加稳定。基于邻近块的相干性,利用L2范数度量完成局部窗口中相似块的聚类,局部窗口相似块利用特定均值和协方差的多元高斯概率分布建模,利用累加平方图及快速傅里叶变换的数值优化方法,加快相似性度量的计算时间。使用基于马式距离的高斯分布相似度的聚合权重,结合图像上的空间域高斯相似度,更好地拟合自然图像的统计特性。通过实验验证了提出的模型在图像复原求解中的有效性。     

基于多尺度主成分分析的图像局部方向估计算法

现有的大多数图像方向估计算法都对噪声非常敏感。因此,提出了一种基于主成分分析（PCA）和多尺度梯度金字塔分解的图像局部方向估计算法,其中主成分分析用于找到局部方向的最大似然（ML）估计。所提出的算法对于噪声图像非常鲁棒。在实验中,通过对模拟图像的和真实图像的方向估计,该算法都可以得到较好的估计效果,对噪声的鲁棒性较强,并且计算速度非常快。     

基于暗通道先验和Retinex理论的快速单幅图像去雾方法

针对雾霾天气下捕获的图像存在低对比度、低饱和度和色调偏移等现象, 提出了一种基于暗通道先验和Retinex理论的快速单幅图像去雾方法.该方法从大气散射模型出发, 利用暗通道先验法则,通过灰度开运算对大气光值进行区间估计,同时获得介质传输率的初始估计, 并通过白平衡简化大气散射模型; 其次,基于Retinex理论,利用高斯滤波获得介质传输率的粗略估计, 并通过线性映射实现灰度值搬移; 然后,将介质传输率的初始估计和粗略估计进行像素级融合, 利用快速联合双边滤波进行边缘优化,同时通过参数自适应调整的方法对雾图中大片天空区域的介质传输 率进行修正; 最后,通过简化大气散射模型和色调调整得到复原图像.与几种典型的图像去雾算法相比, 本文算法具有很快的运算速度,能有效提高复原图像的清晰度和对比度,同时获得较好的图像颜色.