基于多重分形的遥感图像融合检测方法

多重分形通过奇异指数和多重分形谱分别从局部和全局描述了图像的特征。研究了多重分形的定义及其计算方法,分别提取了SAR图像和可见光图像的4个多重分形谱特征。为了提高聚类分割精度,将图像的灰度特征和4个多重分形谱特征组成特征矢量,作为模糊C均值聚类的输入,对SAR图像和可见光图像进行了分割。多重分形谱特征从全局反映了图像的全局特征,为此,选取两幅图像的多重分形谱特征为依据,对可见光图像和SAR分割图像进行"折中"融合,减小检测的虚警和漏警率。实验结果表明,采用该方法能结合两幅图像各自的优势,有效提高检测的精度。     

SAR图像与可见光图像融合的建筑物提取算法

提出了一种基于SAR图像和可见光图像融合的建筑物提取算法,由SAR图像提供建筑物的可能方位信息,由可见光图像提供建筑物提取所需的视觉特征。该算法充分利用建筑物在2幅已配准的SAR图像和可见光图像中所表现的共性和互补特征,采用边缘匹配和感知组合的方法提取建筑物的轮廓,在可见光图像中采用屋顶灰度均匀性特征进行建筑物验证。实验结果表明,本文算法具有较好的检测效果。     

复杂场景下的SAR图像水域边缘特征提取

合成孔径雷达(SAR)图像中的水域具有极高的遥感应用及地理应用价值;针对SAR图像固有的相干斑以及复杂场景下SAR图像水域边缘检测算法受到建筑物等人造地物强散射点干扰造成虚假边缘的问题,提出了复杂场景下SAR图像水域边缘特征提取方法;该方法通过构建SAR图像的二维灰度直方图对SAR图像进行预处理,一定程度抑制了相干斑噪声对边缘检测的影响,并在分析SAR图像中建筑物等人造地物与水域散射特性差异基础上利用二维灰度直方图对SAR图像进行分割,抑制强散射点;通过实验验证,该方法有效抑制了相干斑以及建筑物等人造地物强散射点的干扰,实现了复杂场景下的SAR图像水域边缘特征自动提取.     

基于Q-Shift双树复小波的SAR图像相干斑噪声抑制

在复杂的SAR相干成像过程中,SAR图像会受到相干斑噪声影响,传统的图像去噪方法不能对相干斑噪声进行有效抑制,从而会严重影响SAR图像目标的提取和识别。针对SAR图像的特点,提出一种基于Q-Shift双树复小波变换（DT-CWT）的SAR图像相干斑噪声抑制方法。该方法利用Q-Shift双树复小波变换的平移不变性、多方向选择性、滤波器结构对称性等优点,对含有特征目标的含斑SAR图像进行小波系数分解,来获得更多的目标高频信息。然后通过对小波系数建模和图像重构,得到去斑SAR图像。试验结果表明,该方法对含有特征目标的SAR图像相干斑噪声有抑制效果,而且能够更好地保留图像细节和目标特征。     

一种有效的SAR图像水陆分割方法

针对合成孔径雷达（SAR）图像中的水陆分割,提出了一种基于小波能量的自适应水域分割方法．算法首先以小波能量为特征,采用快速模糊聚类算法（FCM）将图像粗分割为3类,结合原图信息从中判断并选择水域区域,然后计算水域区域对应于原图的平均梯度,以此作为特征,自适应地确定梯度阈值,从而实现水域的细分割．实验结果表明：基于小波能量的自适应水域分割方法分割水域结果准确、适用性好．     

基于Gabor滤波的掌纹图像线特征提取技术

利用Gabor滤波器增强掌纹线特征方法,将掌纹图像分割成若干子块并将子块变换到频率域.利用Gobar滤波器在频域内对子块在其主方向上进行滤波,增强特征纹线信息.然后对增强后的图像进行形态学Bot-Hat变换提取出掌纹特征纹线.实验证明,该方法可有效提取掌纹图像特征纹线信息.     

基于光测数字图像的空间目标几何特征分析

提出了单站光测数字图像解析空间目标几何特征的方法。利用图像增强、图像分割等关键技术，解决了提高图像中目标分辨能力、夜间成像的目标边界提取和未成像目标的位置拟合等难点问题。基于平行投影和目标的几何先验信息，给出了物面与像面不平行时目标的俯仰姿态和多目标的相对距离等特征参数的算法原理，实现对飞行试验中特征事件的解释，为目标的故障分析和优化设计提供依据。     

基于感知编组的SAR图像建筑物检测算法

针对合成孔径雷达(SAR)图像自动解译的需求,研究了高分辨率的SAR图像建筑物检测技术。由于人造目标按照某种方式有组织的构成,而机器视觉可以模拟人类视觉的感知编组能力获取图像的相关组织和结构,并可以根据特定的准则将提取到的图像特征编组成为更高层的结构,利用该特性,将感知编组方法用于检测建筑物,通过边缘检测和霍夫变换提取直线段基元,结合感知编组和建筑区在SAR图像上表现的亮度特征,提出了一种平行适应度函数辅助建筑物检测。基于对实测SAR图像的实验结果表明,该检测算法可靠,定位准确,并能有效地降低虚警率。     

基于Brushlet 和自适应脊波网络的SAR 图像分类

针对BP神经网络分类模型网络训练时间长的缺陷,结合小波网络模型缺少对方向信息描述的情况,提出一种基于Brushlet和自适应脊波网络的SAR图像分类方法。该方法利用Brushlet变换提取SAR图像纹理的能量和相位特征,并将描述能量和相位的特征向量输入到自适应脊波网络中进行训练和分类,最后通过实验对比分析各分类方法的分类性能。实验结果表明,该方法快速、准确,其性能优于传统方法。     

基于颜色和形态学的交通标志检测技术的研究

通过利用交通标志的颜色特征,采用基于RGB空间的彩色分割方法进行图像分割.对分割出的图像进行灰度增强处理,比较和分析了不同边缘检测算子和阈值分割的方法,使用固定阈值分割方法对图像进行二值化,使目标区域突显.利用数学形态学腐蚀算法对图像进行轮廓提取,并通过形状特征对交通标志进行形态学分析.通过MATLAB软件仿真实验,说明算法具有一定实用性.     

基于知识的SAR图像目标提取方法研究

文中提出了一种SAR图像目标提取的算法.通过Bayes准则,引入多模态SAR图像中有意义对象(如目标及其背景和背景杂波)的先验知识,进而获得相应的后验概率.在像素4邻域构架关系下,根据像素的后验概率和邻域像素的类属,决定中心像素的类属,从而完成SAR图像的分割,并提取出有意义的目标.仿真结果表明该算法具有很好的应用前景.     

基于Haar小波变换的水下小型沉底人造目标分割方法

根据水下小型沉底人造目标在傅里叶变换处理中容易丢失原本就很少的细节特征、导致图像分割效果较差的问题,在统计分析图像目标特点的基础上,提出了用Haar小波变换对原始图像数据进行多分辨率处理以尽可能保留人造目标特征,然后在拟合指数型函数确定初始平滑区间的基础上,通过迭代的方式获得二值化阈值,根据图像中干扰物的特点提出了一种统计8邻域灰度信息的干扰抑制方法.利用前面得到的阈值进行二值化分割及一次中值滤波,就可得到较为满意的目标分割结果.     

基于图像灰度等高线及灰度变化加速度的菌落图像分割

一种基于图像灰度等高线及灰度变化加速度进行图像分割的方法,在二维图像中提取出灰度等高线,综合考虑菌落图像的三维信息,最后利用边界变化加速度信息进行分割.该方法不同于直接利用相邻像素间灰度值的相似性进行图像分割,而是利用灰度直方图进行等高线化分,并利用曲线附近灰度变化特性确定图像分割.     

基于特征点和区域生长的目标图像分割方法

成像探测的运动目标图像中背景复杂并且含有大量的噪声,针对传统的目标的检测和分割方法精确定位困难、且不能完整分割等问题,提出基于特征点和区域生长的运动目标图像分割方法。通过相邻帧图像的绝对值差分图像得到大概的运动区域,利用基于LK光流的角点检测方法提取差值图像中的特征点,采用非最大值抑制对特征点的优劣性进行评估,对好的特征点进行区域生长,最终达到运动目标的分割目的。仿真结果表明:该方法能够对复杂图像序列中的运动目标进行精确定位,得到较好的目标分割结果,并且计算量小,具有较高的鲁棒性。     

一种基于最小模糊熵遗传算法的SAR图像分割方法

在合成孔径雷达（Synthetic Aperture Radar）自动目标识别中，图像分割的好坏直接影响目标的识别性能。本文在最大模糊熵分割方法的基础上，根据图像目标和背景内部像素灰度值的一致性和集中性，提出了一种新的图像分割隶属度函数，从而得到最小模糊熵分割方法，然后将最小模糊熵作为遗传算法的适应度函数应用于SAR图像，进行全局快速的最优阈值寻找。实验结果表明，由于最小模糊熵的抗噪能力强，将其作为遗传算法的适应度函数后，能够更有效地克服SAR图像中的乘性噪声，分割后的噪声点明显减少，图像目标清晰，分割效果明显优于最大模糊熵分割方法。     

景像匹配区中稳定景物的分割方法研究

研究了景像匹配区中稳定景物的分割方法———强度和法及分形常数法 ,成功地分割了匹配区中的稳定景物 ,为评价区配区景物稳定性提供了依据 .其中分形常数法是分形理论应用在图像分割领域的一个新尝试     

景像切配区中稳定景物的分割方法研究

研究了景像匹配区中稳定景物的分割方法－强度和法及分形常数法，成功地分割了匹配区中的稳定景物，为评价区配区景物稳定性提供了依据。其中分形常数法是分形理论应用在图像分割领域的一个新尝试。     

一种X射线图像缺陷的自动分割方法的实现

将缺陷信息正确提取和分割出来是射线检测中的重要环节。文中首先利用数学形态学模拟图像背景．然后利用数字减影法提取缺陷目标。在分析和比较几种阙值化方法基本思想、优缺点及使用范围的基础上．最终提出选择迭代分割方法得到图像最佳阈值将图像二值化。实验结果表明，针对不同的缺陷均能得到轮廓清晰的分割效果，为缺陷特征参数的提取和识别的实现打下坚实的基础。     

基于小波变换的活动轮廓分割技术

图像分割是图像处理中的一项重要工作．活动围道分割方法在实际工作中得到了广泛应用。根据几何活动围道模型的特点结合小波技术．提出了一种复杂物体边缘定位算法．能对具有尖角特征的物体轮廓进行快速、准确地提取。对多种图像的分割实验证明了文中方法的有效性。     

基于条件随机场和U型网络的遥感图像道路提取

针对当前遥感图像数据集提取道路时对物体细节分割效果不佳,双向车道、立交桥等处不能完好分辨的问题,提出了基于条件随机场和U型网络的遥感图像道路提取方法。由于遥感图像中道路局部细节特征丰富、语义特征简单的特性,该方法调整了滤波器个数,并使用空洞卷积增大感受野,提高了网络特征提取能力;其次,针对道路目标在遥感图像中占比小,易被背景侵蚀的特性,选择Lovasz-Softmax损失函数,并在后端引入条件随机场,进一步利用了全局上下文信息的联系,优化了分割结果。实验结果表明,本方法在召回率、精度和F1-Score达到82.8%,80.9%,81.8%的同时,交并比及运行速度为85%和10 FPS,基本满足视频分割的要求,可运用于边缘设备。