基于蜂群优化投影寻踪的高光谱小目标检测

为了进一步提高高光谱遥感图像小目标无监督检测方法的运算速度,并降低其虚警率,提出了一种基于改进蜂群优化投影寻踪与K最近邻的检测方法。首先,采用核主成分分析法对原始高光谱遥感图像进行降维;然后,提出以邻域像元联合定义峰度与偏度的方法,并将两者结合作为投影指标,再以改进后的蜂群算法作为寻优方法,使用投影寻踪从高光谱图像中逐层获取投影图像,再根据其直方图提取小目标;最后,利用线性判别分析进一步提取像元特征,并结合加权K最近邻方法对小目标的检测结果进行提纯。大量实验结果表明,与RX方法、独立分量分析法、混沌粒子群优化投影寻踪法相比,本文方法不但可以更精确地检测出高光谱遥感图像中的小目标,而且具有更快的运算速度。     

结合NSST和快速非局部均值滤波的刀具图像去噪

为消除基于图像处理的刀具磨损检测中的图像噪声,提出了结合非下采样Shearlet变换(Non-subsampled Shearlet Transform, NSST)和快速非局部均值(Fast Non-local Means, FNLM)滤波的图像去噪方法。首先,利用基于决策的非对称剪切中值(Decision Based Un-symmetric Trimmed Median, DBUTM)方法滤除图像中的椒盐噪声;然后,对图像进行NSST多尺度分解,得到一个低频子带和一系列高频子带;最后,分别使用FNLM滤波和各向异性扩散模型调整低频和高频子带系数,并由调整后的各子带系数重构出噪声滤除后的图像。实验结果表明,与基于小波的阈值收缩方法、基于Contourlet的全变差模型结合各向异性扩散方法、基于NSST和标准非局部均值滤波方法相比,本文方法在主观视觉去噪效果、峰值信噪比、结构相似度以及处理速度等4个方面性能更优。      

基于直线截距直方图的Arimoto熵或Arimoto灰度熵的食品图像分割

食品生产中涉及到的食品种类繁多且必须满足国家相关食品安全标准,为此要求食品图像分割方法必须速度快、准确性高、普适性强。利用基于二维Arimoto熵或二维Arimoto灰度熵的阈值选取方法对食品图像进行分割,算法复杂度高,难以满足实时性要求。针对这一问题,提出基于直线截距直方图的Arimoto熵或Arimoto灰度熵的食品图像分割方法。首先给出直线截距直方图的定义,然后根据此定义建立图像的直线截距直方图,最后计算基于此直线截距直方图的不同灰度级的Arimoto熵或Arimoto灰度熵,当该熵达到最大时,对应的灰度级即为图像的最佳分割阈值。针对此方法,对多种食品图像进行了大量的试验,通过与现有的基于一维和二维Arimoto熵、Arimoto灰度熵的分割方法对比,发现本文方法在综合提升算法速度和改善分割效果上,性能更优。