基于改进残差网络的高光谱图像分类算法研究

针对高光谱图像在训练样本较少时无法构建有效的深度学习分类模型的问题,对传统的残差块(residual block)模型进行改进,提出一种“金字塔”残差块分类算法。设计一种包含数十个卷积层的深度学习网络,与传统残差模型相比大大减少了参数量,且可以充分提取高光谱图像的深层空间-光谱特征;在2种开源数据集Indian Pines和University of Pavia上进行实验,同时选取了3种经典的分类方法作为对比。实验结果表明：该算法表现效果最佳,可以有效提高高光谱图像的分类精度。     

一种改进的超分辨图像重建方法

在分析凸集投影算法(POCS)的基础上,详细阐述了凸集投影算法的原理和步骤。为了提高超分辨图像质量效果,文中提出一种改进的凸集投影方法。使用最小二乘约束盲解卷积算法来对经过双线性内插的图像进行处理,把处理后的图像作为超分辨重建的迭代初始值。由于超分辨重建技术没有原始清晰图像,所以文中只进行了平均梯度和信息熵的计算并且比较。通过实验证明,文中提出的改进的凸集投影算法相比传统的凸集投影算法重建效果有了显著的提高。     

基于改进YOLOv3的合成孔径雷达图像中建筑物检测算法

传统合成孔径雷达（SAR）图像中建筑物检测算法主要是在特定场景下通过人工提取特征进行特定类别的建筑物检测,存在平均检测精度不高、检测效率低的问题,为此提出一种基于改进YOLOv3的SAR图像中建筑物检测算法,通过深度学习实现建筑物的自动检测。制作SAR图像中建筑物数据集,针对建筑物的尺寸特点,通过改进的K均值聚类算法重新设置先验框大小;在结构上借鉴深度神经网络的聚合残差转换思想,将YOLOv3骨架网络中用于构建特征层的单路卷积残差模块改进为多路卷积残差模块,提高通道信息利用率的同时降低计算量;加入浅层特征融合模块,增加特征图中建筑物的形状特征所占比重,在特征融合层之前,使用转置卷积进行上采样,增加细节特征;使用改进YOLOv3算法进行建筑物检测模型的训练,并在测试集上进行测试。实验结果表明,相比原始YOLOv3算法,改进YOLOv3算法在SAR图像中建筑物数据集上平均检测精度提高了9.2%,召回率提高了6.3%,同时保持了较快的检测速度。     

红外含噪图像自适应增强

通常的红外含噪图像增强方法很难有效滤除图像中噪声。提出一种新的红外含噪图像自适应增强算法以克服边缘增强和抑制噪声的矛盾。首先采用尖锐频率局部化Contourlet变换完成图像分解;然后采用分层自适应阈值算法估计降噪阈值,并进行自适应降噪;最后对降噪后高频带通信号引入图像清晰度参数,设计半软阈值增强函数,实现红外含噪图像自适应增强。实验结果验证了新方法的有效性。     

基于深度卷积生成对抗网络的航拍图像去厚云方法

针对航空图像中厚云去除的难题,提出一种基于深度卷积生成对抗网络的航拍图像去厚云方法。将图像中被云遮挡的区域看作图像修复问题中的缺失部分,利用卷积神经网络的对抗学习补偿缺失信息。设计了包括生成器-鉴别器的深度卷积生成对抗网络模型。生成器采用编码器-解码器结构,构建了包含重建损失、对抗损失和总变差损失的联合损失函数,不断训练以生成云区的预测图像;鉴别器衡量生成图像的真实性,以对抗损失作为损失函数。通过不断迭代联合优化生成器和鉴别器,以使网络预测性能提高。引入泊松图像编辑平滑边界,以降低颜色差异和边界伪迹的影响。在模拟含云图像与真实含云图像上实验结果表明,所提出方法的去云效果在峰值信噪比、结构相似性、自然图像无参考质量评价算法及其改进算法指标优于经典方法,更符合人眼主观感受,且具有较小的运算复杂度。     

基于稀疏活跃度分段的卷积频域盲分离排序

针对复杂电磁环境下高密度非平稳雷达信号的卷积混合问题,首先建立其频域盲分离模型,其次利用稀疏分解的思想,将混合信号分解成时频稀疏单元,再利用分离信号包络描述的单元活跃性将信号分段,综合基于到达方位角估计和相关系数法各自的优劣性,使算法在每段的准确度和鲁棒性得到最优化,以解决频域卷积盲分离频点重排问题。仿真实验从信号分离前后的相关系数与误差指标的角度对算法质量进行了评价,并提出了算法复杂度方面的不足。结果表明,该算法能够极大改善信号的分离效果,且可靠性高,适用于分离非平稳体制的复杂雷达信号。     

基于局部熵的超声信号阈值降噪方法

针对使用超声探伤方法检测金属材料时结构噪声难以消除的问题,提出将具有自适应噪声的完整集成经验模态分解(CEEMDAN)与局部熵改进的阈值算法相结合的降噪方法,对金属材料的超声信号进行降噪处理。采用CEEMDAN方法分解超声信号,得到多个本征模态函数(IMF)分量与残余分量;计算原信号的局部熵,并根据超声波的传播原理对局部熵数值进行校正,以及确定局部熵的最佳计算窗口长度,使用局部熵改进的阈值降噪算法,对含有结构噪声的IMF分量进行降噪处理;将降噪后的IMF分量与残余分量累加,获得降噪后的重构信号。通过对实测的金属材料超声信号进行试验,结果表明,该方法能够有效去除结构噪声,且最大限度地保留了缺陷信号,降噪效果明显。     

基于环状可变形卷积神经网络的相参雷达目标检测算法

基于相参雷达距离-多普勒数据空间维度非对称、多普勒维度周期性的特点,改进经典深度学习检测方法,并将深度学习技术应用于相参雷达目标检测中,提出了一种适用于相参雷达数据目标检测的环状可变形卷积神经网络。该网络设计可变形卷积核,解决距离维度、多普勒维度二者之间的空间非对称问题;设计了环状循环卷积,实现对周期性循环数据的卷积运算与混叠目标完整检测。实验结果表明,所提算法的目标检测正确率在仿真数据上达到88%,在实测数据上达到96%。相对于经典恒虚警、自适应阈值分割及卷积神经网络方法有明显提升。     

一种自适应图像分割算法

采用超限性均值滤波和中值滤波的方法对含有高斯噪声和椒盐噪声的图像进行了滤波处理，同时将基于整体的最大熵值分割法与基于局部的均值阀值分割算法相结合，在保证分割图像整体性的同时，提高了分割图像的层次性，保留了图像的细节．仿真结果表明，分割结果能够提高分割图像的质量．     

改进小波包阈值算法在振动信号去噪中的应用

针对传统小波包降噪只考虑加性噪声,而无法去除乘性噪声的问题,提出了一种基于小波包系数阈值降噪的改进算法。该算法通过两次小波包分解和重构对信号降噪,第一次按照传统小波包去噪法去除加性噪声;第二次将分解后的小波包系数进行对数运算并采用阈值去噪法消除信号中乘性噪声。将改进算法应用于火箭发射塔架层2的振动信号去噪中。实验表明,改进算法相比于传统算法信噪比提高了2.2dB,且均方根误差降低;结合傅里叶变换,改进算法较好地保留了原始信号的能量特征及细节特征,为发射塔架在发射过程中承受的振动强度评估提供依据。     

非下采样轮廓波域混合统计模型红外图像降噪方法

针对红外图像易受噪声污染、成像质量差等问题,提出一种非下采样Contourlet域变换系数混合统计建模的降噪方法。将图像变换到非下采样Contourlet域,对噪声系数、信号系数分别按照高斯分布和广义拉普拉斯分布建模,利用贝叶斯框架下的最大后验估计理论,推导原始信号系数估计公式,并对包含噪声的图像系数进行处理,实现非下采样Contourlet域红外图像降噪。实验结果表明,该方法能够对红外成像过程中产生的高斯噪声实现有效抑制,较完整地保持图像的边缘等细节信息,在峰值信噪比提高与视觉效果上优于部分经典算法。     

Super-resolution Restoration of Remote-sensing Images

A novel image restoration scheme, which is super-resolution image restoration algorithm Poisson-maximum-afterword-probability based on Markvo constraint （MPMAP） combined with evaluating image detail parameter D, has been proposed. The advantage of super-resolution algorithm MPMAP incorporated with parameter D lies in the fact that superresolution algorithm MPMAP model is discrete, which is in accordance with remote-sensing imaging model, and the algorithm MPMAP is proved applicable to linear and non-linear imaging models with a unique solution when noise is not severe. According to simulation experiments for practical images, super-resolution algorithm MPMAP can retain image details better than most of traditional restoration methods; at the same time, the proposed parameter D can help to identify real point spread function （PSF） value of degradation process. Processing result of practical remote-sensing images by MPMAP combined with parameter D are given, it illustrates that MPMAP restoration scheme combined PSF estimation has a better restoration result than that of Photoshop processing, based on the same original images. It is proved that the proposed scheme is helpful to offset the lack of resolution of the original remote-sensing images and has its extensive application foreground.     

动态射线数字图像序列降噪算法及快速实现

为了实现动态射线数字成像(DR)系统的快速降噪,分析了X射线数字实时成像系统的噪声特点和原始的基于图像序列的NL-means降噪算法的不足,提出了一种改进的NL-means序列图像降噪算法.同时,为了解决NL-means降噪算法计算量大、运算速度慢的问题,利用可编程图形处理单元( GPU)并行计算和高速浮点计算特性,将...     

改进的YOLOv3算法及其在军事目标检测中的应用

复杂环境下军事目标检测技术是提高战场态势生成、分析能力的基础和关键.针对军事目标检测任务在复杂环境下传统检测算法的检测性能较低问题,提出一种基于改进YOLOv3的军事目标检测算法,通过深度学习实现复杂环境下军事目标的自动检测.构建军事目标图像数据集,为各类目标检测算法提供测试环境;在网络结构上通过引入可形变卷积改进的R...     

利用数学形态学和复数小波方向窗维纳滤波的图像去噪算法

利用小波进行图像去噪是目前图像处理研究的热点。提出了一种结合数学形态学和复数小波方窗维纳滤波的图像去噪算法。该算法同时利用了复数小波的方向特性和图像本身固有的几何特性,首先使用双树复数小波变换对图像进行处理,再在基于复数小波域上进行维纳滤波,接着使用数学形态学把图像分成光滑区域和纹理区域2个部分,然后结合复数小波方向窗去更准确地估计小波域方向子带每一点的信号方差,最后利用维纳滤波器进对含噪图像进行去噪处理。实验结果表明,该算法的去噪效果优于一般的复数小波维纳滤波,并且运算更加简洁。     

尺度独立MAS小波算法检测目标图像边缘

通过分析图像中不同类型的奇异点，进而区分目标图像的不同类型边缘，由此来解决带有噪声干扰条件下的图像边缘检测问题。小波理论在时频域的紧支性和对非平稳信号（噪声）良好的处理效果，在图像处理的研究中大大优于传统的Fourier变换，并广泛应用于图像去噪和边缘提取方面。在小波理论中，Lipschitz指数可以刻画不同的奇异点，从而区分出图像的边缘和背景噪声。在此基础上，提出了一种独立于尺度的有效算法，并应用于模角分离（modular—angle—separated，MAS）的小波函数。用该算法处理二维图像的边缘，效果优于同类方法，且特别适用于有噪声背景的图像边缘提取。     

基于独立分量分析的图像增强

提出了一种基于独立分量分析的图像增强算法，传统的独立分量分析要求观测信号的个数不能小于源信号的个数，无法直接对单个图像进行去噪处理，为了能够利用独立分量分析分离图像中的加性噪声，需要构造一个观测图像，认为图像中的噪声和图像数据的信息是相互统计独立的，由含噪图像估计出噪声图像作为独立分量分析的另一个观测图像，进行独立分量分析，从而实现图像与噪声的分离。计算机仿真结果表明，利用本算法可较好地保留原图像的信息，获得较好的消噪效果，提高了图像的信噪比。     

Method of Infrared Image Enhancement Based on Stationary Wavelet Transform

Aiming at the problem,i.e.infrared images own the characters of bad contrast ratio and fuzzy edges,a method to enhance the contrast of infrared image is given,which is based on stationary wavelet transform.After making stationary wavelet transform to an infrared image,denoising is done by the proposed method of double-threshold shrinkage in detail coefficient matrixes that have high noisy intensity.For the approximation coefficient matrix with low noisy intensity,enhancement is done by the proposed method based on histogram.The enhanced image can be got by wavelet coefficient reconstruction.Furthermore,an evaluation criterion of enhancement performance is introduced.The results show that this algorithm ensures target enhancement and restrains additive Gauss white noise effectively.At the same time,its amount of calculation is small and operation speed is fast.     

基于盲源分离和自适应滤波的水下声信号降噪算法

在水下小孔径基阵测向应用中,阵元接收到的连续波（CW）信号质量直接关系到测向误差的大小,由于受到多径效应、信号起伏和水下背景噪声的影响,往往实际检测到的信号信噪比较低,相位估计结果离散性大。本文针对水下CW信号和水下背景噪声特点,提出了一种基于盲源分离和自适应滤波联合降噪的算法,该算法对接收的CW信号波形进行降噪以达到提高信噪比的目的。通过算法仿真和湖试试验证明,经本文算法输出的信号,估计器的输出结果比直接利用信号进行方位估计的结果精度高。