遥感影像数据挖掘研究进展

遥感影像数据挖掘是一个有着广阔应用前景的研究领域。由于遥感影像数据库的海量特征，遥感影像数据挖掘已成为空间数据挖掘的主流。依据遥感影像数据挖掘的方法和目的，从图像索引和检索、图像分类、图像聚类、空间关联规则挖掘、影像变化检测以及高光谱数据挖掘六个方面对遥感影像数据挖掘的国内外研究现状进行了综述。并指出了遥感影像数据挖掘和知识发现中应该着力解决和注意的几个问题。     

自适应语义感知网络的盲图像质量评价

目的 盲图像质量评价（blind image quality assessment，BIQA）在图像质量控制领域具有重要的实际意义。虽然目前针对自然失真图像的盲图像质量评价取得了合理的结果，但评价准确性仍有待进一步提升。方法 提出一种自适应语义感知网络（self-adaptive semantic awareness network，SSA-Net）的盲图像质量评价方法，通过理解失真图像的内容和感知图像失真的类型来提高预测的准确性。首先，利用深度卷积神经网络（deep convolutional neuralnetwork，DCNN）获取各个阶段的语义特征，并提出多头位置注意力（multi-head position attention，MPA）模块通过聚合特征图的长距离语义信息来加强对图像内容的理解。接着，提出基于多尺度内核的自适应特征感知（self-adaptivefeature awareness，SFA）模块感知图像的失真类型，并结合图像内容来捕获图像的全局失真和局部失真情况。最后，提出多级监督回归（multi-level supervision regression，MSR）网络通过利用低层次的语义特征辅助高层次的语义特征得到预测分数。结果 本文方法在7个数据库上与11种不同方法进行了比较，在LIVEC（LIVE in the Wild ImageQuality Challenge）、BID（blurred image database）、KonIQ-10k（Konstanz authentic image quality 10k database）和SPAQ（smartphone photography attribute and quality）4个自然失真图像数据库中的斯皮尔曼等级相关系数（Spearman rankorder correlation coefficient，SRCC）值分别为0.867、0.877、0.913和0.915，获得了所有方法中最好的性能结果。同时在两个人工失真图像数据库中获得了排名前2的SRCC值。实验结果表明，与其他先进方法相比，本文方法在自然失真图像质量评价数据库上的表现更为优异。结论 本文方法通过结合图像内容理解与不同失真类型感知，能更好地适应自然图像的失真，提高评价准确性。     

文本检索方法驱动的海量图像数据库目标匹配研究

针对当前基于文本检索方法的图像目标对象匹配技术无法适应海量图像数据库检索的问题,本文提出一种有效可行的海量图像数据库的检索方法,并给出了该系统的构建框架。用户通过在图像中选择一块区域作为检索的目标对象提交给系统,它将从图像数据库中检索出包含有相同或相似目标对象的图像,将其排序后返回给用户。实验表明,本文提出的方法具有检索准确率高、响应时间短等特点,是一种有效的海量图像数据库检索方法。     

基于Gabor和支持向量机的人脸识别

支持向量机（SVM）在处理小样本高维数据及泛化性能强等方面的优势，以及Gabor小波可以很好地模拟哺乳动物视觉神经简单细胞的感受野轮廓降低外界因素的影响，提出了基于Gabor与SVM的人脸识别方法。通过对经Gabor变换人脸图像的独立成分分析得到一组Gabor人脸独立基，并且用遗传算法求得一组最优的Gabor独立基，不但可以降低特征维数，减少计算量，而且可以提高识别率。通过对耶鲁大学人脸图像数据库的测试，证实本文算法有效性。     

图像数据库的模糊检索方法的探讨

这篇文章证明了在图形、图像数据库中基于模糊集合的检索方法可以实现精确的检索和控制检索范围，达到控制连续语义变化检索的目的，并用模糊对象分层树的方法实现了图形、图像数据库中的模糊检索，最后给出一个例子。     

基于GM(1,1)模型的压缩域图像表示与检索技术

在讨论基于灰色模型GM(1，1)和Hilbert空间填充曲线的图像压缩算法的基础上，提出了一种新的彩色图像表示与检索技术。它使用GM(1，1)对图像的像素值进行模型化处理，并且在变换域中对这些模型参数进行分析与处理，据此抽取出一种新的图像特征。这种压缩域特征描述了图像的局部细节变化，这种特点正是全局检索方法(例如颜色直方图方法)所小具备的。实验结果表明，这种压缩域图像检索技术能获得较满意的检索质量与性能，其检索结果能较好地同人们的视觉感知结果保持一致。     

牵引变电站视频监控数据库构建方法探讨

本文结合牵引供电系统的特点，对变电站视频监控数据库技术进行一些有益的探索。详细讨论了在开发牵引变电站远程视频监控系统（RVMS）中采用的构建远程视频数据库（RVDB）的几种方法。实验表明，这几种方法虽然基本能满足CC的需要，但访问效率还有待提高。     

一个图像数据库检索系统的结构设计和快速检索方法

本文介绍了图像数据库区别于常规数据库的特点,并以数字化图书馆的数据库子系统Basestar为例,介绍了图像数据库检索系统的结构和检索方法。Basestar采用综合了颜色、形状、纹理三种特征矢量的综合性检索方法,本文详细介绍了这种方法,并论述了在此方法基础上,根据三角形不等式准则改进而成的检索方法的原理和实现。实验证明Basestar 系统具有较好的检索效果,检索结果证明快速检索方法是有效的。     

低层特征获取高层语义的图像检索

首先采用基于颜色聚类的方法将图像分割成区域,提取每个区域的Gabor小波纹理特征和灰度共生矩阵纹理特征,接着采用信息熵对特征进行选择,使用选择后的特征对图像区域进行聚类,得到每幅图像的语义特征向量;然后提出遗传模糊C均值算法对图像进行聚类。在图像检索时,查询图像和聚类中心比较,在距离最小的类中进行检索。实验表明,提出的方法可以明显提高检索效率,提高了检索的精度。     

改进的二进制特征图像检索算法

提出一种针对嵌入式系统的图像检索算法,通过提取目标局部特征来进行图像检索。为了提高检索的实时性并兼顾正确率,选用经典SIFT特征为基础进行改进。在关键点检测阶段使用均值滤波代替高斯滤波大大提高特征提取速度。在描述符生成阶段通过稀疏矩阵将SIFT特征映射为二进制描述符。引入基于K-means的 Multi-probe LSH方法对二进制描述符进行快速检索和匹配。通过一系列的图像缩放、旋转、模糊和光照变化对比实验,可以看出该算法与现有的经典算法相比在检索正确率及实时性方面均有很好的表现。     

利用光源投影坐标系处理SFS中的自阴影问题

对于由明暗恢复形状(SFS)问题来说，自阴影的存在是影响其重构效果的因素之一，应该加以特殊的处理。为了使自阴影的处理不延伸破坏其他区域，并能保护整体的重构形状，提出了一套从阴影分割、坐标系变换到数据拟合的自阴影处理方法。该方法使用了根据图像平面以及光源方向定义的光源投影坐标系，以降低自阴影处理问题的复杂性，从而使得可以通过逐行恢复图像内跨各自阴影数据区段高度变化量的方式来实现其基本处理要求，并可采用抛物线拟合的方法来完成重构的阴影区形状与其他部分的光滑连接。实验表明，该方法能有效地改善SFS的重构形状。     

用于形状特征提取的spike函数

形状特征是图像的一种重要视觉特征，其提取方法是形状识别、图像检索以及图像匹配等领域的研究热点。Spike参数用来反映磨粒轮廓角度的变化，spike参数越大，磨粒越尖锐，磨粒的磨损作用越大。在spike参数的基础上，提出了4种用于形状特征提取的spike函数，分别为用于表征形状轮廓细节特征的spike-angle函数和spike-height函数，以及用于表征形状轮廓整体特征的spike-area函数和spike-distance函数。根据spike函数提取形状特征时，采用多个步长的spike-angle函数和spike-height函数，同时采用单个步长的spike-area函数和spike-distance函数。为了消除起始点对spike函数计算的影响，以多尺度spike函数的归一化傅里叶变换系数的幅值作为形状特征。分别在MPEG-7和Swedish leaf数据集进行实验验证，与其他方法的对比结果表明采用spike函数提取形状特征，用于形状识别时，识别准确率高，抗噪声能力强。     

形状的全尺度可视化表示与识别

目的 视觉目标的形状特征表示和识别是图像领域中的重要问题。在实际应用中,视角、形变、遮挡和噪声等干扰因素造成识别精度较低,且大数据场景需要算法具有较高的学习效率。针对这些问题,本文提出一种全尺度可视化形状表示方法。方法 在尺度空间的所有尺度上对形状轮廓提取形状的不变量特征,获得形状的全尺度特征。将获得的全部特征紧凑地表示为单幅彩色图像,得到形状特征的可视化表示。将表示形状特征的彩色图像输入双路卷积网络模型,完成形状分类和检索任务。结果 通过对原始形状加入旋转、遮挡和噪声等不同干扰的定性实验,验证了本文方法具有旋转和缩放不变性,以及对铰接变换、遮挡和噪声等干扰的鲁棒性。在通用数据集上进行形状分类和形状检索的定量实验,所得准确率在不同数据集上均超过对比算法。在MPEG-7数据集上精度达到99.57%,对比算法的最好结果为98.84%。在铰接和射影变换数据集上皆达到100%的识别精度,而对比算法的最好结果分别为89.75%和95%。结论 本文提出的全尺度可视化形状表示方法,通过一幅彩色图像紧凑地表达了全部形状信息。通过卷积模型既学习了轮廓点间的形状特征关系,又学习了不同尺度间的形状特征关系。本文方法在视角变化、局部遮挡、铰接变形和噪声等干扰下能保持较高的识别正确率,可应用于图像采集干扰较多以及红外或深度图像的目标识别,并适用于大数据场景下的识别任务。     

Face recognition under varying illumination based on a 2D face shape model

This paper proposes a novel illumination compensation algorithm, which can compensate for the uneven illuminations on human faces and reconstruct face images in normal lighting conditions. A simple yet effective local contrast enhancement method, namely block-based histogram equalization (BHE), is first proposed. The resulting image processed using BHE is then compared with the original face image processed using histogram equalization (HE) to estimate the category of its light source. In our scheme, we divide the light source for a human face into 65 categories. Based on the category identified, a corresponding lighting compensation model is used to reconstruct an image that will visually be under normal illumination. In order to eliminate the influence of uneven illumination while retaining the shape information about a human face, a 2D face shape model is used. Experimental results show that, with the use of principal component analysis for face recognition, the recognition rate can be improved by 53.3% to 62.6% when our proposed algorithm for lighting compensation is used.     

基于Hausdorff距离和改进ASM的人脸跟踪方法*

针对视频图像中人脸定位跟踪的问题,提出了基于Hausdorff距离和改进ASM的跟踪方法.由于Hausdorff距离多模板匹配的复杂性,采用ASM的人脸模型作为模板大大降低了模型维数;并对传统的ASM算法进行了改进,利用DCT进行去相关和能量集中,充分利用特征点附近的二维纹理信息代替传统ASM的一维灰度信息,提高了定位速度和精度.实验证明该方法在视频图像人脸跟踪中是非常有效的.     

一种新的基于颜色特征的图像检索方法

提出一种新的基于颜色特征的彩色图像检索算法.该方法首先利用颜色的距离矩阵,对样本图像进行非监督的颜色量化,得到调色板,然后将待检索图像按最小距离映射到该调色板中,这样对于所有图像,就可以得到基于样本图像调色板信息的统一的颜色直方图.这种颜色量化算法精度高于有监督的量化,而速度又明显高于传统的无监督的颜色聚类.此外,结合颜色在图像中的散布情况,综合颜色的统计特征与空间分布特征来描述图像内容,保证图像内容描述的精确性.实验证明,利用该算法的检索效率较高,检索结果也能够较好的满足人的视觉感受.     

高斯卷积角:用于叶片图像检索的形状描述不变量

植物叶片图像的识别是计算机视觉和图像处理技术在生物学和现代农业中的一个重要应用.其挑战性在于植物叶片种类数量巨大,且许多叶片图像具有很大的类间相似性,使得描述叶片图像的类间差异变得非常困难.本文提出了一种称为高斯卷积角的叶片形状描述新方法.该方法用高斯函数与叶片轮廓点的左右邻域向量的卷积产生高斯卷积角,再通过改变高斯函数的尺度参数,生成多尺度的高斯卷积角,组成特征向量.组合各轮廓点的特征向量,构成一个特征向量集合,作为叶片形状的描述子.两幅叶片图像的相似性可以简单的通过计算它们的高斯卷积角特征向量集合间的Hausdorff距离来进行度量.高斯卷积角描述子具有平移、旋转、缩放和镜像变换的内在不变性.该不变性从理论上得到了证明.该描述子还具有由粗到细的描述叶片形状的优良特性,使得其具有很强的叶片辨识能力.通过用中外两个公开的叶片图像数据集进行算法性能测试,实验结果表明该方法优于现有的其他同类方法,验证了该方法的有效性.     

基于多级直方图形状分割的图像对比度增强技术

针对现有图像增强算法中存在过度增强和欠增强、边缘光晕效应、由于细节增强导致信噪比降低等问题,提出一种基于多级直方图形状分割的图像对比度增强技术。利用引导图像过滤器将图像背景和细节分离,避免边缘过度增强带来的光晕效应;利用多级直方图形状分割方法,将直方图中出现频率相近的强度值区域分割出来,实现图像背景的个体均衡化;采用自适应细节增强方法在增强细节的同时抑制均匀区域中噪声,保持图像的信噪比。实验结果表明,与其他算法相比,该增强方法的效果更优,能够有效避免图像增强中常见的不利问题,同时产生足够的整体增强效果。     

高分辨率深度生成网络的缺失牙体形态设计

目的 针对口腔修复体设计中采用标准牙数据库进行再设计时未考虑缺失牙多样性以及个性化程度不足的问题,提出基于高分辨生成式对抗网络（high resolution generative adversarial network,HRGAN）的缺失牙冠个性化设计方法。方法 首先,利用图像熵的多方向正交投影方法计算牙体的深度距离值,并构建出咬合面、舌侧面和颊侧面的具有像素值增强的高分辨率深度图像数据集;其次,通过构建的HRGAN模型合成具有高分辨率的缺失牙深度图像,并采用像素—距离的映射关系得到缺失牙齿的3维点云数据;最后,采用点云配准技术和网格重建方法完成3组点云的拼接及3维牙冠形态重建。结果 实验采用500副牙冠模型进行训练和测试,通过设置不同损失条件的实验,与不同方法进行比较分析设计牙冠与目标牙冠的偏差。与计算机辅助设计（computer aided design,CAD）方法和基于生成模型的设计方法对比得出,本文构建的HRGAN模型生成的牙冠形态的标准偏差相比前两者分别降低了21.2%和7%,均方根值（root mean square,RMS）分别下降了43.8%和9.8%,并且牙冠咬合面形态与专家设计牙冠形态最为接近。结论 本文提出的基于高分辨率生成网络的牙体设计方法能够有效地完成缺失牙体的形态设计,设计的牙冠具有天然牙解剖形态特征。     

Robotic harvesting of the occluded fruits with a precise shape and position reconstruction approach

Occlusion is one of the key factors affecting the success rate of vision-based fruit-picking robots. It is important to accurately locate and grasp the occluded fruit in field applications, However, there is yet no universal and effective solution. In this paper, a high-precision estimation method of spatial geometric features of occluded targets based on deep learning and multisource images is presented, enabling the selective harvest robot to envision the whole target fruit as if its occlusions do not exist. First, RGB, depth and infrared images are acquired. And pixel-level matched RGB-D-I fusion images are obtained by image registration. Second, aiming at the problem of detecting the occluded tomatoes in the greenhouse, an extended Mask-RCNN network is designed to extract the target tomato. The target segmentation accuracy is improved by 7.6%. Then, for partially occluded tomatoes, a shape and position restoration method is used to recover the obscured tomato. This algorithm can extract tomato radius and centroid coordinates directly from the restored depth image. The mean Intersection over Union is 0.895, and the centroid position error is 0.62 mm for the occluded rate under 25% and the illuminance between 1 and 12 KLux. And hereby a dual-arm robotic harvesting system is improved to achieve a picking time of 11 s per fruit, an average gripping accuracy of 8.21 mm, and an average picking success rate of 73.04%. The proposed approach realizes a high-fidelity geometrics reconstruction instead of mere image style restoration, which endows the robot with the ability to see through obstacles in the field scenes and improves its operational success rate in its result.