遥感图像中的机场跑道检测算法

利用机场跑道的高灰度特征和整体性检测遥感图像中的机场跑道。首先,利用模糊增强方法进行图像预处理;接着,对图像进行阈值分割获得二值图像,用像素标记法进行连通域提取,定位4个面积最大的区域作为疑似机场区域;然后,在疑似机场区域内,对图像进行Canny边缘检测,用Hough变换提取出直线段;最后,把含有最长平行直线的区域作为机场区域。实验结果表明,机场跑道检测算法能在遥感图像中准确有效地检测出机场跑道。     

基于数字图像处理的直线型铁轨的自动识别

在铁路交通安全检测系统中,铁轨的识别是障碍检测物的关键。提出适合轨道数字图像的直线型铁轨自动识别算法。首先基于轨道图像的亮度特征和直线特征,综合应用Hough变换和边缘提取算法,检测出大量离散的共线像素点。然后建立直线方程,使检测到的直线连续化,根据线段斜率特性和线段长短滤除多余的线段。最后根据提取到的铁轨边缘轮廓得到图像中的铁轨位置信息,为铁路图像信息提取分析打下基础。用MATLAB编程实现了该算法,通过大量仿真实验验证了该算法的有效性。     

基于连通性检测的图像椒盐噪声滤波算法

为了在滤除图像椒盐噪声的同时保护图像边缘细节,提出了一种基于连通性检测的图像椒盐噪声滤波算法。由于椒盐噪声点的灰度值与正常像素点的灰度值相比往往存在较大差异,本算法先通过比较像素点灰度值与其邻域像素点灰度值,将差异较大的像素点列为疑似噪声点,然后通过检测疑似噪声点是否是图像连通区域的一部分来判断该点是否是噪声点,最后通过中值滤波器将噪声点滤除。该算法可以有效区分图像区域边缘与椒盐噪声。实验结果表明,该算法可以有效去除密度范围从0～0.9的椒盐噪声,在0.9的噪声密度下,算法的峰值信噪比仍可达到30dB。满足有效去除不同密度范围的椒盐噪声的同时保护图像细节的要求。     

基于U-net卷积神经网络的多尺度遥感图像分割算法

多尺度遥感图像的非本质特征量较大，不仅易导致图像噪声较大，也增加了图像分割的难度。为充分保留分割后多尺度遥感图像的边缘特征，在U-net卷积神经网络下提出新的图像分割算法。以U-net卷积神经网络为基网，提取被分割图像特征，获得被分割图像细节信息；计算相邻像素和原始像素特征向量的欧氏距离，结合去噪算法，通过归一化参数处理，建立相似性函数，实现对多尺度遥感图像分割特征增强处理；计算分割框候选偏差值；根据U-net卷积神经网络结构确定局部最优合并区域对；计算度量区域的距离，使用全局最优区域合并方法更新分割时间复杂度，实现多尺度遥感图像整体分割。由实验结果可知，该算法能够精准确定指定建筑物位置，并保留建筑物完整边缘细节信息。     

一种基于Wedgelet变换的遥感图像分类算法

介绍了一种基于Wedgelel(楔波)变换的遥感图像分类算法.该算法将多尺度Wedgelet变换应用于遥感图像区域分割,在此基础上提取各分割区域的Gabor纹理特征实现对遥感图像的分类.为了检验该算法的可行性,将其应用于向海和查干湖遥感图像,并与灰度共生矩阵、高斯马尔科夫随机场等纹理分类算法进行了比较.结果表明,该算法要优于灰度共生矩阵及高斯马尔科夫随机场分类算法,能够得到较高的分类精度和Kappa系数.     

基于知识的中高分辨率光学卫星遥感影像桥梁目标识别研究

桥梁是重要的人工建筑。对桥梁进行识别研究,在民用上和军事上都具有很重要的意义。该文提出一套针对中高分辨率光学卫星遥感图像上大中型桥梁的检测和识别的流程。首先根据光学卫星图像特点,运用分割和形态学算子提取河流;沿着河流中心线对桥梁进行检测;经过边缘提取、线段跟踪、直线拟合、边线配对等处理后对检测出的桥梁进行定位,并获取长度、宽度、方位等桥梁参数。以SPOT-5 5m全色波段图像进行验证,证明本文算法流程对河流上桥梁目标识别是有效的。     

一种有效的遥感图像目标识别方法

本文提出了一种基于矩不变量和支持矢量机对遥感图像中的目标进行识别的方法，该方法提取目标七个Ｈｕ矩不变量作为特征矢量，应用支撑矢量机方法对其进行分类识别，结果表明，这一方法对仅含有目标和背景的遥感图像具有很好的分类识别结果。此外，我们发现对于不同的图像，其二值化取值范围对识别结果有着直接的影响。     

基于局部差别的形态学边缘检测方法研究

图像边缘特征是图像最基本也是最重要的特征之一.图像边缘特征的提取一直是计算机视觉和图像处理领域的经典研究课题,在精确制导武器的制导图预处理中有着广泛地应用.针对经典的边缘检测算子不能很好地提取噪声图像边缘这一问题,在数学形态学的基础上,提出了一种边缘提取方法.利用局部差别准则确定图像中受噪声影响的像素点,并对其进行形态学操作,滤除噪声,保存边缘.实验表明,该算法不仅具有很好的边缘提取能力,还具有很强的抗噪能力.说明了该算法的有效性和实用性.     

角点与边缘信息相结合的遥感图像飞机检测新方法

利用遥感图像中飞机目标的边缘特征和角点特征,提出边缘与角点信息相结合的遥感图像飞机检测新方法.首先,进行Canny边缘检测,提取遥感图像中飞机目标边缘信息,并利用OTSU算法二值化处理图像;然后,进行Harris角点检测,找出满足飞机角点分布特征的区域,去除伪目标;最后,进行区域生长式聚类,通过求取类心最终确定飞机位置.对60幅高分辨率遥感图像进行飞机检测测试,正确检测出238架飞机中的220架,漏检18架,48个虚警.实验表明,该方法可以有效解决复杂背景下飞机检测问题,具有良好的检测性能.     

大尺度高分辨率遥感图像机场目标的快速识别

基于对机场的图像特征、目标特征的全面分析,提出了一种从大幅面高分辨率光学遥感图像(10000×10000 pixel)中快速识别机场目标的算法。首先通过预处理去除图像中大部分与目标特性不相关的区域,然后在剩余区域中作精确的检测,其中用到的目标特征有空间频率、均值、方差和能量等,使用canny边缘检测、线段分割与四邻域跟踪技术对目标进行精确识别。研究结果表明,本文算法能够实现对机场的快速识别,识别算法时间小于2 s。     

一种基于脑部肿瘤MR图像的分割方法

针对传统的分割方法难以实现医学图像自动分割和准确分割的问题,提出了一种基于GVF Snake模型的医学图像分割方法。该方法采用Canny算子的边缘检测结果作为GVF扩散方程计算的边缘映射图,提高了GVF Snake模型的抗噪性能;用分水岭算法自动获取的轮廓作为GVF Snake模型分割的初始轮廓,降低了GVF力场计算的复杂性和分割时轮廓线的迭代次数。分析和实验结果表明,采用该方法对脑部肿瘤MR图像进行分割时,能自动准确地分割出肿瘤区域。     

基于可变形模板的视频对象分割

提出一种基于原型的可变形模板进行图像分割的算法，从而可以将感兴趣的视频对象从静止的复杂背景中提取出来，首先定义一个原型模板来特征化感光趣的视频对象，得到一个先验概率密度函数的一个将运动信息与边缘方向结合起来的似然函数，然后应用贝叶斯准则将两者结合起来，得到后验概率密度函数。求它的最大值，从而确定对象的位置。     

Edge-based Segmentation Using Robust Evolutionary Algorithm Applied to Medical Images

Although medical image segmentation is a hard task in image processing, it is possible to reduce its complexity by considering it as an optimization problem. This paper presents a robust evolutionary algorithm based on a cost minimization function to segment and to extract image edges. Since, the goal is to outperform a high edge detection quasi independent from the input problem characteristics, an adaptive detector is considered. As a first step, the main evolutionary algorithm parameters are highlighted based on an adaptive parameterization to overcome convergence problem. In a second stage, the reached optimal setting is applied on medical images to exhibit the quality of the proposed algorithm.     

一种基于图划分的人造红外目标实时分割算法

提出一种基于图划分的实时红外目标分割方法．选用规格化划分值作为区分目标和背景的最佳阈值选取的准则．该准则联合考虑了象素的灰度信息及其空间位置信息,因而分割红外目标比常规方法更为准确可靠．文章对该算法的时间复杂性及空间复杂性进行了分析,为满足实时处理的需要,对算法进行了简化处理,并定义四种方向的领域权值矩阵,提出一种快速查表的方法有效地解决了算法的实时性问题．试验结果表明,该方法能够有效地完成红外目标的准确分割,分割性能优干传统的Otsu准则和一维熵方法,同时,采用快速实现算法大大提高了该算法实时处理能力,节省了存储空间,从而使该算法在实际中能得到有效应用．     

桥梁红外图像的自动识别跟踪方法探讨

文中以实时采集到的桥梁红外图像为基础，探讨了复杂背景中桥梁的识别跟踪方法，文中先对桥梁红外图像进行了预处理，充分利用桥梁红外图像的二值化图和二值化方差图进行桥梁图像的分割，采用逐步渐进的方式进行桥梁的检测识别工作，并采用选下阈值的边缘增强手段突出桥身的外缘线；利用可变点的线段模型去检测不同距离不同大小的桥墩。文中还介绍了采用一形心中跟踪算法识别出桥梁进行适应波门跟踪。     

一种复杂环境中的车牌定位算法

提出了一种结合车牌区域边缘特征和梯度方向特征的新型车牌定位算法,该算法将车牌图像变换为灰度图像后,首先利用Sobel算子和Gradienffaces方法分别获取车牌图像的垂直边缘图像和梯度方向图像,然后根据边缘长度、边缘点密度去除垂直边缘图像中的干扰,并根据梯度方向图像中的梯度方向消除更多的干扰边缘,最后利用一个矩形窗扫描边缘图像完成车牌区域的定位和分割.实验结果表明,该方法的定位准确度可达93.7％,同时对复杂背景或弱光环境下的车牌图像具有很好的鲁棒性.     

基于Mumford-Shah模型的水上桥梁目标分割与识别

在桥梁知识的基础上,从河流和陆地的区域特性出发,提出了一种基于Mumford-Shah（MS）模型的水上桥梁分割算法.首先对Mumford-Shah模型中的区域权重进行相关性定义,实现对水域的分割,然后根据桥梁与河流区域边界的几何位置关系实现对桥梁目标的提取和识别.实验表明,该算法能够实现对水上桥梁目标的提取,尤其对远距离小目标水上桥梁及灰度梯度较弱图像的桥梁分割更有效.     

The Wheatstone Bridge Reduction in Network Reliability Computations

The subgraph configuration known as the Wheatstone bridge of s-independent elements can be replaced by a single edge in a reliabilit-preserving network transformation. The formulas for calculating the good and bad probabilities of this edge are presented. This reduction technique reduces by more than half the complexity of some backtrack algorithms that solve network reliability problems. Computational experience indicates that the benefits are worth the extra efforts it takes to perform this reduction. For problems of moderate size, use of the Wheatstone bridge reduction typically led to computational savings of between 20% and 40%.     

一种自适应协方差的低复杂度图像放大方法

对于图像放大技术而言,重要的就是要权衡到图像质量以及计算复杂度.传统的基于线性或三次样条插值的方法会带来图像模糊和锯齿边缘等失真,为了解决这一问题,人们提出一种基于迭代和学习的算法,但是这种方法带来了很高的计算复杂度.综合以上几点本文提出了一种基于自适应协方差的图像放大方法(adaptive covariance-based edge diffusion,ACED).该方法能很好地权衡图像放大性能和复杂度之间的关系.在这种方法中,提出了一种联合边缘判别准则,并自适应选择扩散模板来估计局部协方差系数,以高效的减少图像放大带来的失真.实验结果表明,所提出的方法在主观质量和客观质量上都有很大的提升,同时也具有较低的计算复杂度.