基于超像素分割和多方法融合的SAR图像变化检测方法

针对基于像素的合成孔径雷达(Synthetic Aperture Radar,SAR)图像变化检测会造成虚警较高、结果破碎的问题,提出一种基于超像素分割和多方法融合的SAR图像变化检测方法。首先引入基于简单线性迭代聚类(Simple Linear Iterative Clustering,SLIC)的超像素分割方法,通过对主辅图像进行联合分割,得到符合实际地物边界的超像素分割结果;同时,利用3种基于像素的变化检测方法获取初始变化检测结果;接着,利用超像素分割结果和初始变化检测结果进行两个层次的众数投票,去除检测结果中由于噪声引起的虚警和连通域中的孔洞。选取两个时相的苏州Radarsat-2单极化SAR图像开展变化检测实验,实验结果表明该算法在保持较高检测率和有效边界的基础上,能够显著降低虚警。     

顾及面积和位置差异的高分遥感影像分割质量评价方法

高分遥感影像分割质量对面向对象分类精度有着重要的影响,良好的影像分割质量有利于得到较高的分类精度。对高分遥感影像分割质量进行评价,从而找到最优的分割结果就显得十分重要。通过对比参考对象和分割对象之间的面积和位置差异,提出了一种新的高分遥感影像分割质量评价方法。将该评价方法应用于GeoEye-1高分遥感影像分割质量评价,试验结果表明:该评价方法能客观地评价影像分割质量,所得到的最优分割结果与参考对象边界匹配程度高,有利于影像后续的分类。     

基于红外热像检测的截齿煤岩截割特性与闪温分析

为实现采煤机截割过程中煤岩界面的精确动态识别,对采煤机截齿截割煤岩过程中的红外热像特性以及瞬态闪温差异进行研究,建立采煤机截齿煤岩截割试验台,分析得到截齿截割煤、岩过程中的温度演化规律及闪温特征.研究结果表明,截齿截割煤、岩过程中在齿尖一侧均产生突兀的点状闪温区,截岩时高温区范围与闪温瞬态峰值明显大于截煤过程,其二者峰值差与采煤机牵引速度及滚筒转速成正比,且煤岩硬度差异越大,截齿温度场峰值差越明显.研究结果为实现煤岩界面动态识别提供了重要的理论及数值依据.     

小波-Lagrange方法进行医学图像层间插值

目的 医学图像3维重建通常需要进行层间插值.现有的插值方法虽然种类较多,但在进行医学断层图像插值时,很多方法并不能兼顾图像灰度和目标形状的变化,且计算过程过于复杂.鉴于此,提出一种基于小波与Lagrange多项式相结合的插值方法.方法 首先对原始图像进行小波变换,获得图像边缘对应小波系数的位置信息,在断层图像的相应小波系数之间运用Lagrange多项式进行强度和位置插值.结果 通过实验验证,采用本文方法插值得到的图像与线性、Cubic插值方法相比,不仅在灰度值不等点方面减少了10%~50%,均方误差平均下降了3%,而且目标组织轮廓特别是拐角剧烈变化处可改善伪轮廓现象,介于原始断层图像之间,能够满足医学图像层间插值的要求.结论 与线性插值方法、Cubic插值方法相比,新算法由于引入了小波变换这个工具,可将图像剧烈变换部分提取出来,因此,本文方法在处理图像剧烈变化的情况时略有优势.新算法得到的插值图像质量有所提高,计算误差有所降低,可有效用于医学图像目标组织的3维重建.     

JPEG图像双重压缩偏移量估计的篡改区域自动检测定位

目的 为了解决现有图像区域复制篡改检测算法只能识别图像中成对的相似区域而不能准确定位篡改区域的问题,提出一种基于JPEG(joint photographic experts group)图像双重压缩偏移量估计的篡改区域自动检测定位方法。方法 首先利用尺度不变特征变换(SIFT)算法提取图像的特征点和相应的特征向量,并采用最近邻算法对特征向量进行初步匹配,接下来结合特征点的色调饱和度(HSI)彩色特征进行优化匹配,消除彩色信息不一致引发的误匹配;然后利用随机样本一致性(RANSAC)算法对匹配对之间的仿射变换参数进行估计并消除错配,通过构建区域相关图确定完整的复制粘贴区域;最后根据对复制粘贴区域分别估计的JPEG双重压缩偏移量区分复制区域和篡改区域。结果 与经典SIFT和SURF(speeded up robust features)的检测方法相比,本文方法在实现较高检测率的同时,有效降低了检测虚警率。当第2次JPEG压缩的质量因子大于第1次时,篡改区域的检出率可以达到96%以上。 结论 本文方法可以有效定位JPEG图像的区域复制篡改区域,并且对复制区域的几何变换以及常见的后处理操作具有较强的鲁棒性。     

利用层间相关性的岩心CT图像半自动分割方法

目的 由于岩心CT图像分辨率不高,目标边界较为模糊,无法完全自动化地对岩心CT图像的目标分割和提取。为保证效果,在分割过程中往往需要进行人为干预。但作为3维重建的岩心CT图像,图像数据规模较大,达到成百上千帧。如果对每一帧都进行人为干预,工作量将会很大。针对这种情况提出一种在保证分割效果的前提下只需进行少量人为干预的高效实用的分割方法。方法 先对CT图像中的某一帧设定分割阈值,利用CT图像层间相关性对相邻帧自动计算合适的分割阈值,从而分割出整个CT图中的目标。并根据需要,选定其中分割效果较好的一帧,其他帧根据此帧进行自动区域生长修复,从而更加完善分割效果。还可以手工修复其中一帧中的目标,其余帧的所有相关目标将会自动进行识别和修复。结果 通过对多组不同数据规模和分辨率的岩心CT图像进行实验测试,使用本文方法均可达到期望的分割效果,并且分割速度较大津分割法提高近1倍,与固定阈值分割方法速度相当。结论 岩心CT图像分割方法充分利用图像层间相关性,可快速有效地批量提取具有连续性的序列图像中的目标。     

基于SAM-CS和SOFM的胃上皮肿瘤细胞图像识别

针对胃上皮肿瘤细胞图像(以下简称肿瘤细胞图像)黏结严重和信息冗余的特点,提出了一种将自适应观测矩阵的压缩感知(SAM-CS)和自组织特征映射(SOFM)神经网络相结合的算法。该算法将肿瘤细胞图像拉成列向量,然后利用通过自适应过程产生的观测矩阵,基于压缩感知理论对图像信息进行观测,产生线性观测向量,最后利用SOFM神经网络的学习算法对观测向量进行训练和分类,实现对肿瘤细胞图像的识别。实验表明,相比常用算法,该算法至少提高了4.2%的识别准确率和5.7%的运算速度。     

图像增强在基于形状特征图像检索中的应用

基于内容的图像检索系统中需要提取图像的形状特征,通常情况下为得到形状特征,需要对图像分割来得到的目标边界。在对不均匀图像提取边界曲线时,噪声点和非噪声区域常会干扰导致小的边界变化。本文采取了一定的措施对该问题进行了改进:首先通过去掉图像的彩色成分,将图像进行灰度化处理,再通过图像增强技术,对图像进行平滑处理,然后提取图像的形状。由于图像增强对图像预制模糊时,已经对图像中的噪声点和颜色不均匀区域进行了处理,所以再次对图像进行形状处理时,可有效去除噪声点和非噪声干扰区域的影响。