基于回波信号雨衰补偿的水坝溃坝风险监测

研究水坝溃坝风险的准确检测问题,水坝溃坝隐患区域转换的实时回波信号,由于受到外界阻挡和干扰,引起雨衰,使信号强度发生衰减,造成检测回波监测信号误差较大。传统的检测方法都是通过隐患区域转换的回波信号大小进行判断的,一旦雨衰大幅降低了回波信号的强度,远程雷达接收端将接受不到回波信息,造成隐患检测准确度不高。为此提出回波信号雨衰补偿的水利工程安全隐患检测算法,通过判断回波信号的强度,计算反馈的隐患区域雨衰系数的大小,并根据雨衰值动态调整信号的补偿量,对回波信号雨衰进行补偿。实验表明,改方法能够有效减小了雨衰对回波信号质量的影响,准确检测水利工程中的安全隐患。     

精神分裂症脑区磁共振图像分割方法研究

研究精神分裂症人脑皮层脑区图像病变区域的准确分割问题。精神分裂症患者的人脑皮层脑区灰质密度与正常区域存在差异,但病变区域与正常区域血管粘连在一起,病变组织会发出更强烈的信号,在生成的图像中像素亮度极高,高亮度造成二者像素灰度差异过小。传统的基于边沿像素灰度差的图像分割方法,无法避免由于血管粘连造成的像素灰度差异过小的缺陷,分割准确度不高。提出了一种利用像素差值约束算法的人脑皮层脑区磁共振图像分割算法。通过约束病变区域分割的衡量区域标准,从而实现人脑皮层脑区磁共振图像的准确分割。实验证明,改进算法避免了血管粘连造成的像素灰度差异过小的缺陷,提高了图像分割的准确率,为精神分裂症脑区检测提供了依据。     

基于像素差异的金属腐蚀区域分割仿真研究

研究基于图像的金属腐蚀区域分割问题,提高分割区域的准确性。针对传统基于金属本身与腐蚀颜色的区别,利用像素差异的变化进行腐蚀区域的分割,因当腐蚀颜色与金属的本体颜色相差不是很大,或者在边沿发生像素的混淆时,利用差异边缘像素相减的方法很难完整分割腐蚀区域的问题。为了解决上述问题,提出利用空间像素差异距离聚类的金属腐蚀区域图像分割算法。通过计算差异像素之间的差异距离概率,将差异像素特征进行严格划分,对划分后的结果进行排序计算,详细描述混淆边沿信息,对腐蚀区域进行完整分割。实验证明,改进方法能够对金属腐蚀造成的细微区域完整分割,取得了满意的效果,为金属腐蚀区检测提供了参考。     

远程小目标图像特征精准匹配方法研究与仿真

研究远程图像中小目标区域的准确匹配问题.远程采集的图像中目标过小,像素与周围环境排列过于紧密,背景灰度值与目标灰度值非常相近,像素特征很难通过阀值与背景完整分割.传统的灰度图像小目标匹配的方法,当图像中的像素特征高度重合的情况下,会导致图像特征局部模糊,特征匹配的准确性不高.提出一种低频像素排序和高斯金字塔分解的弱小目标匹配方法,通过提取出图像中的像素频率信息,并对其进行排序,利用高斯金字塔分解结果将图像中的目标细化,并依此完成准确匹配.实验证明,改进的匹配方法能够准确匹配图像小目标区域,可为图像匹配优化提供参考.     

基于图像的树木腐蚀区域分割方法研究与仿真

研究对图像的树木腐蚀区域分割问题,提高分割区域大小的准确性。传统方法根据图像中物体与背景像素的颜色区别,利用像素视觉差异大小的方法进行木材腐蚀区域图像的分割。但是在木材图像中,腐蚀区域的颜色和树木的本体颜色极其接近,边缘像素的一致性会造成干扰,像素相减的结果会发生错误,造成不能完整的分割木材腐蚀区域的问题。为提高识别准确性,提出利用高斯一维线性模型的树木腐蚀区域分割方法。通过抑制边沿像素的对称性和单调性,去除边沿像素中的干扰因素,克服了传统方法的缺陷。实验证明,改进方法实现了在与自身颜色相似情况下木材腐蚀区域图像的完整分割,取得了满意的效果。     

基于图像的大米品质检测方法研究与仿真

基于图像的大米品质检测的准确性问题的研究。由于垩白米与普通优质大米在像素灰度上差异极小,大米中经常混淆垩白米,传统的基于灰度的大米品质算法不能很好的区分混有垩白米部分的大米灰度差异,不能准确鉴定大米品质的问题。为了解决这个问题,提出了基于大米像素组织的大米品质鉴定方法。通过直线平滑分割、大米像素组织点性质识别的方法,克服了传统方法像素混淆后无法识别的弊端。实验表明,组织特征方法能够准确鉴定混合了垩白米的大米品质,并取得了比较好的效果。     

基于自然语言处理的车牌匹配技术

研究车牌的准确匹配识别问题。马路上车辆日益增多,车牌个性化的趋势也在蔓延,由于个性化车牌与常规车牌在字体、大小、颜色等特性存在差异,像素识别特征不明显,传统车牌识别方法无法有效解决个性化车牌与匹配库中车牌像素特征的差异,在库中根据车牌信息进行匹配识别存在识别准确率不高的问题。为了解决上述问题,提出了一种基于图像和自然语言处理相结合的车牌匹配识别方法。通过将车牌中的数字信息准确提取,转化成自然语言环境下的语义特征,由于语义特征不受像素因素影响,解决了像素特征不一致造成的漏识别问题,实现对车牌的准确识别。实验表明,利用改进算法实现了个性化车辆图像的正确识别,取得令人满意的效果。     

计算机视觉在精密模具破损检测系统的应用

在图像准确检测问题的研究中,由于在高精密仪器中,各种损伤极其细微,传统的利用模具高斯曲线拟合检测技术在进行这种破损检测时,往往会因为破损部位过小,造成特征混淆,特征寻优过程陷入不收敛的境地,从而降低了精密模具破损检测的准确性.为了避免上述缺陷,提出了一种边缘像素定位的精密模具破损检测算法.利用像素灰度差值方法,提取精密模具图像的像素特征,并将其作为精密模具破损检测的数据基础.利用一种边缘像素定位方法,计算精密模具破损区域边缘的空间位置,从而实现精密模具的破损检测.实验结果表明,利用改进算法进行精密模具破损检测,能够提高检测的精度,从而满足精密模具生产过程中质量检测的需求.     

早期癌变组织的图像识别方法

研究早期癌变组织的准确识别问题,由于人体癌变组织识别是对癌变部位与正常组织部位的像素灰度、梯度等特征差异进行识别,而在组织发生早期癌症病变时,癌变部位的图像灰度像素特征与普通组织部位的像素特征差异很小,传统的方法不能准确地识别人体早期癌变组织。为了解决上述问题,提出了根据病变部位像素密度的早期癌变组织识别方法。通过运用WORD像素理论,计算病变部位的像素数目,采用相关算法求得病变像素的像素密度,克服单一依靠像素灰度、梯度等直观特征进行识别的缺陷。仿真结果表明,改进方法能够有效的识别早期癌变组织,取得了比较好的效果。     

图像精准匹配技术的研究与仿真

研究图像的精准匹配问题.以医学解剖点的图象精确匹配技术为例,提出了一种基于高斯金字塔像素匹配算法的医学图像解剖点精准匹配技术.人体组织中的成分复杂,信息融合后,差异组织会形成像素灰度误差,传统的匹配算法偏重于空间映射,一旦像素点灰度信息存在误差,在进行空间映射过程中,会造成映射转换误差增大,后期配准位置点偏移.为了避免上述缺陷,利用尺度不变特征转换方法,提取医学图像中的解剖点特征.对图像解剖点特征进行误差补偿,最大程度修补位置偏差.利用高斯金字塔像素匹配方法,实现医学图像解剖点的匹配.实验结果表明,利用改进算法进行医学图像解剖点匹配,能够提高匹配的准确性,从而为手术提供准确的依据.     

基于块参照像素的无损信息隐藏算法

提出一种具有高嵌入容量的图像无损信息隐藏算法。首先将载体图像分成互不重叠的子块,然后在每块中选定一个参照像素,并计算参照像素与块内其它像素的差。在像素差直方图移位产生冗余空间之后,机密信息就可以无损地嵌入到这些冗余空间中。该方法在机密信息提取后可完全恢复载体图像,而且提取机密信息和恢复载体图像不需要除机密信息长度之外的任何信息。实验结果表明了该算法的有效性。     

先验终端像元库支持下的GF-4多光谱影像自动云检测

高分四号卫星是我国第一颗地球同步轨道遥感卫星,以其高频、宽幅的特点,可为我国农业、林业、减灾、气象、环保和水利等应用提供快速、稳定的光学遥感影像,高效的影像自动云检测有助于进一步提高高分四号影像的利用效率。CDAG（Cloud Detection Algorithm-Generating）是一种基于像元组分光谱分析的自动云检测算法,能有效降低混合像元、复杂表面结构和大气等因素的影响。为了探索CDAG算法对于高分4号多光谱影像（GF4-PMS）的云检测应用能力,首先,从高光谱影像（AVIRIS）上选取不同的云类型和各种地表覆盖类型,建立云像元库和地物像元库;其次,基于高光谱像元库和GF4-PMS传感器光谱响应函数模拟出多光谱影像像元库;然后,根据碎云、薄云、厚云及非云像元的光谱差异性分析,将GF4-PMS影像的待检测像元与终端像元进行相似概率分析,实现基于最佳阈值自动迭代的GF4-PMS影像云检测;最后,从云像元正确率、晴空像元正确率、误判率、漏判率等多个指标进行云检测精度验证。结果表明：AVIRIS影像可以有效提取适用于GF4-PMS影像云检测的终端像元库,基于CDAG算法能较好地识别GF4-PMS影像上各种类型的云,对于不同时相、不同下垫面的碎云、薄云、厚云的检测精度可达90%以上。因此,基于先验终端像元库的云检测法对于提升GF4-PMS影像的利用效率具有较好的应用价值。     

基于光谱和时相特征的夏玉米遥感识别

精确提取作物种植面积一直是农业遥感关注的主要问题之一。综合运用低分辨率的时相变化特征和中分辨率的光谱特征,提出一种夏玉米识别方法。首先基于MODIS NDVI时间序列曲线,分析夏玉米在时相变化上的识别特征,构建识别模型。夏玉米纯像元利用识别模型识别,而耕地和非耕地类型的植被产生的混合像元,则基于像元分解办法获取耕地组分的NDVI时序特征,再利用识别模型判定,然后结合土地利用数据根据空间关系得到中分辨率结果;玉米与其他作物的混合像元则利用中分辨率尺度光谱差异加以区分。研究结果表明,在伊洛河流域主要农业区,识别精度达到90.33%,为作物类型识别提供了新的思路。     

Automatic Cloud Detection of GF4 Multispectral Imagery Supported by the Priori Terminal Pixel Library

The GaoFen4 (GF4) satellite is China’s first geo-synchronous orbit remote sensing satellite. With the advantages of high frequency and wide width, it can provide fast and stable optical remote sensing images for agricultural, forestry, disaster reduction, meteorology, environmental protection, water conservancy and other applications in China. Efficient image automatic cloud detection helps to further improve the utilization efficiency of GaoFen4 images. CDAG（Cloud Detection Algorihtm-Generating）Cloud detection is an automatic cloud detection algorithm based on spectral analysis of pixel components, which can effectively reduce the influence of mixed pixels, complex surface structure and atmosphere. This paper aims to explore the application of CDAG algorithm in cloud detection of GaoFen4 multispectral imagery (GF4-PMS). Firstly, different cloud types and surface cover types were selected from hyperspectral images (AVIRIS) to establish cloud pixel library and clear sky pixel library. Next, the pixel library of multispectral images was simulated based on Hyperspectral pixel library and spectral response function of GF4-PMS sensor. Then, according to the spectral difference analysis of broken cloud, thin cloud, thick cloud and non-cloud pixel, the similarity probability analysis was performed on the to-be-detected pixel of the GF4-PMS image and the terminal pixel, and the GF4-PMS image cloud detection based on the optimal threshold automatic iteration was realized. Finally, cloud detection accuracy verification was carried out from multiple indicators such as cloud pixel correct rate, clear sky pixel correct rate, false positive rate and missed rate. The results show that AVIRIS images can effectively extract terminal pixel libraries for GF4-PMS image cloud detection. Clouds of Various types on GF4-PMS images can be better identified based on the CDAG algorithm. The accuracy of detection results for broken clouds, thin clouds and thick clouds with different time phases and different underlying surfaces can reach more than 90%. Therefore, the cloud detection method based on the priori terminal pixel library has a good application value for improving the utilization efficiency of GF4-PMS images.     

基于显著性目标检测的弹着点定位算法

针对目前炮弹定位方法安全隐患大、人工测量效率低、精度差的问题,本文提出一种基于显著性目标检测网络BASNet(Boundary-Aware Salient Object Detection)的弹着点定位方法。采用改进的BASNet网络,结合注意力机制模块CBAM(Convolutional Block Attention Module)、金字塔池化模块PPM(Pyramid Pooling Module)与深度可分离卷积,对炮弹火焰进行显著性检测,提取弹着点图像坐标。实验结果表明,该方法在自制的炮弹火焰数据集上的检测精度F值达到0.914,MAE为0.006,推理速度为3.86 fps,优于BASNet、U2Net等显著性目标检测网络。该方法提取的弹着点图像坐标与真实坐标误差为5.92个像素值,相比于BASNet网络减少近4.85个像素值。综合可知,该算法增强了网络对显著性物体内部的检测精度,提高了模型推理效率,减少了图像弹着点坐标误差,适用于靶场小范围炮弹火焰烟雾的检测,能够满足靶场应用的实测需求。     

三维曲面图像无缝拼接方法的研究与仿真

研究三维曲面图像的无缝拼接问题。针对三维曲面图像拼接过程中,多个曲面图像之间的重叠区域由于像素的灰度和梯度等特征存在较大差异,像素不匹配,拼接后的重叠区域图像由于这种像素差异的存在,会存在明显图像裂缝的问题。为了解决这个问题,提出了一种基于交叉匹配的曲面图像拼接算法,该算法以互信息作为相似性测度,对待配准曲面图像的空间变换参数进行优化,运用空间曲面图像插值技术完成最后的三维曲面图像的融合,实现三维曲面图像的无缝拼接。实验表明,本文的方法能实现差异较大曲面图像的无缝拼接,取得了不错的效果。     

焦点区域的检测实现多聚焦图像融合

针对传统像素级图像融合方法割裂像素间联系的问题,提出一种基于区域检测的图像融合方法。首先,通过像素点在其邻域内的方差来区分是清晰点还是模糊点,其次,以当前像素为中心的浮动窗口统计相应窗口区域的清晰点数,消除清晰点数少的中心像素,以同样的方式统计局部窗口区域的清晰点数,清晰点数多的中心像素点设置成清晰点,由此得到清晰区域,最后,通过检测出的区域结果进行图像融合。实验结果表明提出的方法是有效的。     

结合区域协方差分析的图像显著性检测

目的 图像显著性检测的目的是为了获得高质量的能够反映图像不同区域显著性程度的显著图,利用图像显著图可以快速有效地处理图像中的视觉显著区域。图像的区域协方差分析将图像块的多维特征信息表述为一个协方差矩阵,并用协方差距离来度量两个图像块特征信息的差异大小。结合区域协方差分析,提出一种新的图像显著性检测方法。方法 该方法首先将输入的图像进行超像素分割预处理;然后基于像素块的区域协方差距离计算像素块的显著度;最后对像素块进行上采样用以计算图像像素点的显著度。结果 利用本文显著性检测方法对THUS10000数据集上随机选取的200幅图像进行了显著性检测并与4种不同方法进行了对比,本文方法估计得到的显著性检测结果更接近人工标定效果,尤其是对具有复杂背景的图像以及前背景颜色接近的图像均能达到较好的检测效果。结论 本文方法将图像像素点信息和像素块信息相结合,避免了单个噪声像素点引起图像显著性检测的不准确性,提高了检测精确度;同时,利用协方差矩阵来表示图像特征信息,避免了特征点的数量、顺序、光照等对显著性检测的影响。该方法可以很好地应用到显著目标提取和图像分割应用中。     

基于像素值排序与块再分的可逆数据隐藏算法

基于像素值排序的可逆数据隐藏算法通过修改图像块中的最大像素和最小像素嵌入数据,但并未充分利用图像块内的每一个像素,从而影响嵌入性能。结合块再分原理,提出基于像素值排序的可逆数据隐藏算法。将原始图像划分为3×3的图像块,计算每一个图像块的局部复杂度。设计12种分块模式将局部复杂度小于阈值的图像块细分为子块A和B。根据子块A和B的不同局部特征分别采用2种不同的扫描顺序读取像素。子块A的像素序列使用次小值预测最小值和次大值预测最大值的方法,获得2个预测误差值,子块B的像素序列利用中值像素连续预测其余4个像素的方法,得到4个预测误差值。在此基础上,利用图像块中预测误差值为0和1的像素嵌入隐藏数据。实验结果表明,该算法在一个图像块中最高可嵌入6 bit的数据,在较低计算复杂度的情况下能够有效提高像素的嵌入性能。