分段线性动态矩匹配条带去除

由于探测器之间对接收的地物辐射信号的响应特征不同,导致遥感数据含有条带噪声,严重影响了图像质量及后续的定量计算。针对探测器响应函数在图像低值区及高值区呈非线性的特点,在着重分析矩匹配方法的基础上,提出分段线性动态矩匹配条带去除方法。方法设定阈值分割高中低值域统计区间,对探测器响应函数进行分段线性拟合,并对探测器每一分图像动态采用其领域内均值和标准差作为参考值进行条带纠正。应用TM数据第4波段及环境一号卫星高光谱数据进行去条带实验,并定性和定量地比较了该方法与动态矩匹配、傅里叶变换、自动均衡化曲线方法的去条带效果。结果表明该方法能够在保留图像基本信息的前提下,获得最佳的去条带效果,尤其能够提高非均匀地物分布区域内水体的条带去除效果。     

GA-BP网络在去除MODIS遥感影像条带噪声中的应用

由于卫星传感器光、电器件在反复扫描地物的成像过程中受扫描探测单元正反扫描响应差异、传感器机械运动和温度变化等因素的影响,使MODIS(moderate-resolution imaging spectroradiometer)遥感影像产生一定的条带噪声。影像条带噪声的去除在改善MODIS数据的质量和提高其利用率上具有重要的意义。在BP神经网络去除MODIS遥感影像条带噪声方法的基础上,运用遗传算法GA优化BP神经网络,有效地提高了神经网络的学习、训练速度和精准度,去除了影像的条带噪声,取得良好的实验结果。     

基于FPGA的像素探测器数据缓存设计

针对粒子对撞机像素探测器的数据缓存,提出了基于FPGA的解决方法。通过时序转换匹配模块,可以使用定制FIFO核实现对探测器模型的数据进行缓存。经过FPGA验证,在功能上达到了像素探测器模型的要求,对于粒子对撞机像素探测器的低成本工程验证具有显著的参考价值。     

基于标准探测器的FY-2(05)星扫描辐射计可见通道外场定标

为了对FY-2号05星扫描辐射计可见光通道进行发射前外场辐射定标,在采用了传统的辐亮度定标方法的同时,提出了一种新型的独立于扫描辐射计可见光通道光谱响应函数的基于标准探测器的反射比定标法(Detector Based Reflectance Calibration)。该方法通过筛选波长得出在一定的精度范围内FY-2号可见光通道的漫射板反射辐亮度与漫射板的某一单波长反射辐亮度成正比,从而可以用8通道高精度辐亮度标准探测器中对应波段的探测器的响应替代FY-2号05星扫描辐射计宽波段响应直接求出定标系数。传统辐亮度定标方法结果的不确定度为6.0%～6.4%,而利用基于标准探测器的反射比定标法定标结果的不确定度达到5.4%。实验结果表明基于标准探测器的反射比定标法由于采用了直接由高精度低温绝对辐射计传递的标准探测器,与传统的基于辐射源传递相比其测量精度得到有效提高,并且受现场大气条件的影响小。     

HJ-1 A高光谱数据的条带噪声去除方法研究

针对环境减灾小卫星的高光谱图像条带的特点,提出了基于光谱空间连续性的倾斜条带去除方法。高光谱数据的光谱分辨率达到纳米级,光谱波段多,在一定范围内可以连续成像,具有光谱空间的连续性,基于光谱空间连续性的条带去除方法利用了光谱空间连续性的这一重要特点。本文在考虑了图像条带噪声的倾斜角度的基础上,成功地将该方法应用于批量的环境减灾小卫星2级高光谱数据,进行了相对辐射校正的研究,并将相邻列均衡方法应用于单幅环境减灾小卫星2级高光谱数据,对比二者的单幅图像条带去除效果,结果证明基于光谱空间连续性的条带去除方法较相邻列均衡方法更适合于对环境减灾小卫星的2级高光谱数据进行条带噪声的去除。     

基于概念对关系的视频多语义概念学习方法研究

多语义概念学习是视频检索的重要支持技术。针对此问题提出了基于概念对关系的视频多语义概念学习方法。首先分析大规模语义概念之间存在的概念对关系类型,并根据TRECVID2005标注数据以及Columbia374数据对其进行定量分析;然后利用概念对关系进行基于上下文关系语义概念探测器的相关概念选择,并根据探测器可靠性对相关概念赋予权重,最后根据视觉相似性和单语义概念探测器进行融合。实验证明,该方法能够取得较好的语义概念探测性能。     

基于纹理分析的去噪声方法研究

中巴资源一号卫星高分辨率CCD相机接收的图像数据,灰度值偏低,对比度较差,且存在明显的条带噪声;当图像被增强时,这种条带更加突出,严重影响了图像的质量以及清晰度,不利于数据的应用。从与以往不同角度出发,提出了基于纹理分析的去条带方法。即将图像上具有特定特征的噪声信息看作是某种对应的纹理特征,在基于纹理特征滤波法去噪声基础上,再用灰度共生矩阵法进一步进行直方图平滑,以消除局部噪声。同时将此方法与基于统计的均值调节法进行对比分析。     

探测器倾斜的锥束FDK修正重建算法

在锥束工业CT系统中,通常要求射线源焦点、物体旋转中心、平板探测器中心三点在一条直线上,与平板探测器垂直。由于机械的定位误差,探测器定位后会出现一定角度的倾斜现象,如果直接利用平板探测器倾斜后采集的投影数据进行重建,重建结果将会出现偏离,产生伪影。针对该问题,利用系统标定的方法测得探测器倾斜角度,利用机械校正对其进行粗调,利用提出的基于探测器倾斜的FDK修正算法进行微调,经过两次校正可以有效抑制由于平板探测器倾斜造成的伪影,通过实验验证了该方法的可行性。     

四象限光电探测器象限间一致性测量方法

将四象限光电探测器应用于目标方位测量时,探测器四个象限的一致性至关重要.用日光灯灯光作光源测量四象限光电探测器象限间响应度一致性,此方法简单有效,容易实现,且能达到较高的精度.用此方法测量了一个GT111四象限光电探测器,其象限间响应度一致性＞82%,测得的结果显示GT111四象限光电探测器具有较好的象限间响应度一致性.     

红外探测器光谱响应测试数据处理

为红外探测器光谱响应测试数据处理编制了数据库，描述了该数据处理库的编制过程与系统结构，详细了各部分的作用与功能，其最大特点最编制的数据库与进口的红外探测器光谱响应自动测试系统进行了较好的衔接，解决了红外探测器光谱响应自动测试系统数据处理功能中存在的若干问题。     

空域LSB信息伪装及其隐写分析

介绍了最不重要比特(LSB)替换和LSB匹配2种典型的基于图像的信息伪装算法,阐述了两者的隐藏原理及优缺点。分类论述了各类隐写分析算法,分析其检测原理,给出了各类算法的适用范围和优缺点,对每类算法中的典型分析方法进行评价。根据信息嵌入过程对载体图像的影响分析得出LSB匹配信息伪装算法的安全性要高于LSB替换信息伪装算法的结论。指出了提高隐藏信息安全性的途径和努力方向。     

特征向量一维化的图像修复算法

图像修复是指对图像中的缺损部分进行自动修复.图像结构特征向量一维化的图像修复算法,将图像转换为一维图像结构特征向量后,构建图像结构特征空间,然后在该特征空间内寻找一组与每一个含有缺损部分的图像区域高度相似的特征向量,并利用这组特征向量在特征空间内定义一子空间,最后基于该特征子空间修复缺损像素.试验表明,经过图像的一维化后,增加了特征向量的数量,从而能够更加准确地修复缺损区域.     

基于分段直方图均衡化技术的图像增强

分析了传统灰度图像直方图均衡化算法存在的优缺点,提出了基于分段直方图均衡化技术的图像增强算法。该算法基于图像的特点,利用K均值聚类算法将图像分成几个灰度区间,然后再分别进行均衡化。实验结果表明,该算法对灰度呈现两端分布且低灰度区域有较多像素点分布的图像有较好的增强效果。     

基于分段直方图均衡化技术的图像增强

分析了传统灰度图像直方图均衡化算法存在的优缺点,提出了基于分段直方图均衡化技术的图像增强算法。该算法基于图像的特点,利用K均值聚类算法将图像分成几个灰度区间,然后再分别进行均衡化。实验结果表明,该算法对灰度呈现两端分布且低灰度区域有较多像素点分布的图像有较好的增强效果。     

基于伪随机点的混合图像融合加密方法

图像数据在网上传输需要经过加密处理,而现在很多加密算法都遵循动力学的衰退原理,会退化成具有周期性的算法,而会导致图像信息的泄漏等问题。提出一种基于伪随机点的混合图像融合算法,它先把图像分成8×8的小块,然后对每块图像进行变换,产生一个伪随机序列,将图像块内的像素值和按伪随机序列所对应的像素值相融合进行一次置乱,然后对EZW编码后的图像用混沌序列再一次置乱。试验结果表明,该算法具有很好的安全性,也比较容易实现。     

基于分块聚类的车牌图像二值化方法

利用车牌图像中车牌部分所占比例小、车牌字符与底色灰度对比度大的特点,为运算简单,易识别定位,提出了一种基于分块聚类的车牌图像的二值化方法。方法先将整幅灰度车牌图像等分成多个小块,对每个小块中的像素点根据其灰度值进行聚类,再将聚类结果二值化而得到各小块的二值化结果,合成各小块的二值化结果得到整幅车牌图像的二值图像。实验结果表明,与OTSU二值化方法相比,不仅经该方法处理得到的二值图像能很好地体现车牌特征、有效地降低车牌图像背景的复杂性,而且方法更适用于处理非正常光照条件下的车牌图像。在此基础上能有效地提高车牌定位系统的实时性和适应性。     

PDVQ图像编码系统的算法研究

PDVQ图像编码系统首先将码书进行方向性分类,把每类方向性码书中的码字按码字和值进行升序排列,并根据EBNNS算法将码书分块。编码时,先根据输入图像块的相关性进行PDVQ编码,然后分析输入图像块的方向性来选择相应的分类子码书,在该子码书中根据输入图像块的和值确定码字搜索范围,最后在确定的搜索范围内搜索最匹配码字。仿真结果表明,该系统集合了动态图像块划分(PDVQ)、基于方向性分类编码和等和值块扩展最近邻码字搜索(EBNNS)三种算法的优点,在保证重建图像质量前提下,缩短了编码时间,并提高了压缩比。     

基于颜色聚合向量的线序检测方法

颜色聚合向量方法被采用于检测各种连接线的线序。首先对采集到的线束图像进行中值滤波,消除部分噪声;然后截取检测线束的检测区域图像并将其二值化;接下来分割各根导线,得到每根导线的轮廓,再根据各轮廓位置获取原图像中对应各导线的图像块,并计算各根导线图像块的颜色聚合向量（color coherence vector,CCV）特征;最后利用欧氏距离将各导线的归一化的CCV颜色特征和模板各导线的颜色特征进行比较。实验结果表明,该方法在线序检测中能获得较高的准确率（97.8%）和速度（15fps）,满足实时检测要求。     

基于二次成像与清晰度差异的多聚焦图像融合

本文提出了一种基于清晰度差异的不同聚焦点图像的融合方法。该方法首先选择了一种基于梯度向量模方和的清晰度定义，然后根据几何光学系统的成像模型，以及点扩散函数的作用效果提出了模拟光学系统的二次成像模型。然后根据二次成像前后各图像清晰度的差异情况，对各幅图像中的目标进行判断，并选择其中的清晰部分生成融合图像。实验结果表明，该方法可以提取出多聚焦图像中的清晰目标，生成的融合图像效果优于Laplacian塔型方法和小波变换方法。     

多尺度构图先验的显著目标检测

目的 针对基于对比度的显著检测方法,因忽略了特征的空间分布而导致准确性不高的问题,启发于边界先验关于图像空间布局的思想,提出构图先验的显著检测方法。方法 假定目标分布于三分构图线周围,根据相关性比较计算显著值。首先,对图像进行多尺度超像素分割并构造闭环图;其次,提取构图线区域超像素特征并使用Manifold Ranking算法计算显著目标与背景的分布;然后,从目标和背景两个角度对显著值进行细化并利用像素区别性对像素点的显著值进行矫正;最后,融合多尺度显著值得到最终显著图。结果 在公开的MSRA-1000、CSSD、ECSSD数据集上验证本文方法并与其他算法进行对比。本文方法在各数据集上准确率最高,分别为92.6%,89.2%,76.6%。且处理单幅图像平均时间为0.692 s,和其他算法相比也有一定优势。结论 人眼视觉倾向于在构图线周围寻找显著目标,构图先验是根据人眼注意机制研究显著性,具有合理性,且构图先验的方法提高了显著目标检测的准确性。