一种基于小波变换的SAR图像多尺度融合变化检测方法

提出了一种针对多时相SAR图像变化检测的基于小波变换的多尺度融合检测方法,首先对多时相SAR图像取对数比得到变化比图像,然后对变化比图像进行多尺度小拨变换和低频重构,并对每个尺度的重构图像做自适应闻值变化检测,计算出每个像素的最优分解尺度,最后基于最优尺度完成像素的融合检测,利用像素的最优分解尺度融合多尺度的检测结果性提高变化区域边界像素检测的准确性,通过仿真SAR图像和真实SAR图像的检测实验证明了该方法的有效性.     

SAR与TM图像自动配准算法研究

为了克服SAR（合成孔径雷达）和TM（专题制图仪）图像配准时受SAR图像中相干斑噪声影响大,以及手工选取配准点精度低的缺点,提出了一种基于闭合区域的图像配准方法,先对SAR图像和TM图像进行处理得到闭合边缘图像后,采用区域生长的方法确定闭合区域,并以其所含像素点数为依据对闭合区域进行匹配,实现图像配准。实验结果表明：该方法稳定有效,对于待配准图像的波段无限制,适应性强。     

基于MRF模型的SAR图像变化检测研究

SAR图像变化检测可以广泛应用于国民经济和国防建设的很多领域,已成为遥感领域中研究的热点之一.现有的SAR图像变化检测算法在变化检测过程中仅仅考虑不同时相图像数据的单一像素信息,未考虑图像像素间的空间依赖关系,检测结果易受SAR图像噪声的影响,检测精度很低.文中将能够描述图像相邻坐标之间状态的依赖关系,表达图像局部统计特征的MRF模型引入到SAR图像变化检测算法中,实验结果表明,该算法极大地提高了检测精度,且对图像噪声有很强的鲁棒性.     

SAR图像多尺度配准的小波域最小割模型方法

 针对合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像提出了一种基于小波域改进最小割(Improved Minimum Cut,简称IMC)模型的多尺度配准方法.该方法首先将小波分解后的高频信息与SAR图像的特性相结合,用以指导在低频子图像中基于IMC模型的图像分割,从而获得两幅图像中完整的区域轮廓特征,然后通过融合开闭轮廓的信息,分别利用统计直方图和Hausdorff距离获取配准参数并对之细化,最后通过逐层校正参数完成多尺度的配准.实验结果表明,该方法能避免斑点噪声对轮廓提取和匹配的影响,能够实现具有平移、尺度和旋转变化的亚像素级精度的SAR图像配准.     

一种稳健的多通道SAR图像配准方法

针对SAR处理中图像失配导致相应像素对的相干信息丢失问题进行研究,利用统计估计思想融合相邻像素相干信息,不仅利用当前处理像素,还利用其周围像素的复数据来构造像素数据检测矩阵,通过均方根偏差最小作为图像配准测度,提出一种稳健的多通道SAR自适应图像配准方法,该方法有效地增强了图像配准稳健性,同时提高了算法的计算精度。     

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。     

基于几何结构的SAR图像无监督变化检测方法

 传统的基于统计特性的SAR图像变化检测方法,易受成像条件的影响而误差很大.本文针对图像内在几何结构,提出了一种无监督SAR图像变化检测算法.通过模糊微分构造描述图像局部特征的近似完整数据集,并充分利用图像局部邻域信息和空间相关性,构造深入描述图像结构化信息的特征矢量空间,最后通过基于模拟退火的K均值(SAKM)聚类算法,实现图像变化区域与非变化区域的分类.实验证明,本文方法不仅能够很好的检测出图像的轮廓变化和图像的区域变化,而且对噪声及配准精度均具有很好的鲁棒性.     

强化位置感知的光学与SAR图像一体化配准方法

图像配准是光学与SAR图像信息融合的基础。现有典型的配准方法大多依赖于特征点检测与匹配来实现,对不同场景区域的适用性较差,容易出现误匹配点多或有效同名点不足以致配准失效的情况。针对该问题,本文提出了一种强化位置感知的光学与SAR图像一体化配准方法,利用深度网络直接回归图像间的几何变换关系,在不依赖特征点检测与匹配的情况下,实现端到端的高精度配准。具体地,首先在骨干网络中利用融合坐标注意力的特征提取模块,捕获输入图像对中具有位置敏感性的细粒度特征;其次,融合骨干网络输出的多尺度特征,兼顾浅层特征的定位信息与高层特征的语义信息;最后提出联合位置偏差与图像相似性的损失函数优化配准结果。基于高分辨率光学与SAR图像配准公开数据集OS-Dataset的实验结果表明,与现有典型的OS-SIFT、RIFT2、DHN及DLKFM四种算法相比,所提方法对于城市、农田、河流、重复纹理及弱纹理等不同场景区域均具有良好的稳健性,在配准的目视效果以及定量的精度指标上均优于现有算法。其中平均角点误差小于3个像素的百分比与四种算法中精度最高的DLKFM相比提高了25%以上;配准速度与四种算法中最快的DHN基本相当,...     

基于二维概率密度函数比较的SAR图像变化检测方法

该文将传统区域统计分布特征变化检测方法拓展到2维特征空间,提出一种基于2维概率密度函数比较的SAR图像变化检测方法。该方法首先将观测区域内相邻像素的灰度值组合成2维观测矢量,而后采用2维Gram- Charlier展开式对观测矢量在不同时相图像中的2维概率密度函数分别进行估计,在此基础上,借助K-L散度理论对2维概率密度函数在不同时相图像间的变化大小进行定量分析以实现变化检测。实验结果表明,与传统方法相比,该文方法具有更优的检测性能。     

一种新的SAR图像自动配准算法

由于图像间光谱特性的差异,对图像配准的精度产生严重的影响,因此该文提出了一种基于改进灰度熵的SAR图像自动配准算法。文中首先对SAR图像进行配准前的预处理,提取图像掩模,然后计算图像行和列的灰度熵,将其作为图像的特征信息完成图像间的配准,提出了配准优化算法的完整步骤,并利用多种方法对配准结果进行评价。实验证明该方法可以有效克服图像间亮度不均的影响,充分利用了像素的有用信息,具有很高的配准精度和配准效率,是一种正确可行的图像配准算法。     

基于组合差异图和卷积小波神经网络的SAR图像变化检测

合成孔径雷达(Synthetic aperture radar,SAR)图像变化检测可以看作是一个分类过程,像素被分类为变化类和不变类.但是,差异图的质量影响了现有方法的检测精度.为了提供高质量的差异图,提出一种基于组合差异图和卷积小波神经网络(Convolutional-Wavelet Neural Network,...     

一种显著图分割的遥感油库检测方法

针对遥感影像中油罐检测识别率低、难度大的问题,提出了一种基于显著图分割分布式的目标检测识别方法,利用视觉显著模型得到油库疑似候选区域,采用多阀值Otsu方法分割出目标,以及利用油罐的似圆特征和分布式的空间分布规律对油库进行检测识别,通过油库场景分布的先验知识,提高检测识别效率、降低虚警率。大量实验表明,文中方法可有效实现对遥感影像中油库的检测识别。     

基于AW-Net的轮毂射线图像分割算法北大核心CSCD

针对传统方法下的汽车轮毂内部缺陷检测效率低、精度达不到工业标准的问题,本文提出了一种基于改进U-Net神经网络的轮毂X射线图像缺陷分割方法AW-Net。该方法通过三级跳跃连接的方式级联两个U型网络对图像特征进行深度提取。同时在跳跃连接的过程中融合注意力机制以解决小目标的变化情况容易被漏检的问题,并通过实验验证结合使用多种激活函数来实现更精准的轮毂X射线图像语义分割,增加网络的拟合能力,提高网络的鲁棒性。实验结果表明:改进后的算法在本文构建数据集的汽车轮毂内部缺陷的误判率为2.73%,漏判率为0,识别率达到93%以上,其分割精度高于传统图像分割网络全卷积网络(fully convolutional network, FCN)和U-Net,且本方法边缘分割更加平坦,满足现代轮毂内部缺陷无损检测的需要。     

基于NSCT与FCM的多时相遥感图像的变化检测

提出了一种基于非下采样Contourlet变换和模糊C均值聚类相结合的方法。该方法首先对两时相遥感图像进行相减运算得到差异图像。再对差异图像进行NSCT多尺度分解得到子带图像,将各子带图像与差异图像本身构成特征向量。最后通过使用模糊C均值聚类算法对多尺度特征向量进行分类得到最终的变化检测结果(变化和非变化类)。该算法不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强。对真实遥感数据集进行研究,实验结果表明本文方法可以得到较好的检测效果;将本文算法与传统方法相比,该方法具有更好的检测精确度和抗噪性能。     

航空激光增材制造零部件潜在缺陷检测

传统的航空激光增材制造零部件潜在缺陷检测方法检测准确度低,图像特征查全率低。基于上述问题,提出一种基于图像识别技术的航空激光增材制造零部件潜在缺陷检测方法。采用红外成像技术进行航空激光增材制造零部件成像处理,提取航空激光增材制造零部件红外图像的缺陷区域特征点,对红外图像进行中值滤波降噪处理,利用扫描图像的纹理异常分布特性进行潜在缺陷的自适应定位检测,结合模板匹配和角点检测方法,实现对航空激光增材制造零部件潜在缺陷检测。仿真结果表明,采用该方法方法的图像特征提取查全率比传统方法提高了15%～20%,能够清晰检测到增材零件的潜在缺陷。说明进行航空激光增材制造零部件潜在缺陷检测的准确性较好,对缺陷部位定位的误差较小。     

复杂背景中圆弧检测新方法

大量物体具有圆弧轮廓,可以通过探测圆弧来识别物体的存在,以及应用于产品质量评估、在线检测和机器人视觉等领域.文章研究了基于图像传感器的复杂背景下的圆弧检测方法,提出一种圆弧检测新方法.传统的霍夫变换最大特点是可靠性高,在噪声、变形、甚至部分区域丢失的状态下仍然能够取得理想的结果,但缺点是计算复杂度高,资源需求大.本文所提出的方法降低了计算复杂性和对资源的需求.实验结果表明该方法快速、准确、有效.     

基于人工智能的足迹识别与特征提取

针对战场感知及侦破现场中传统人工主观经验检验与识别模式误差较大的问题,提出了一种基于人工智能的足迹识别与特征提取方法。采用三维形貌重构系统进行足迹图像采集,并将数字图像处理算法与传统足迹检验法结合,提取足迹的区域关系特征和形状长度特征,进而采用支持向量机的模式识别方法对提取的特征进行立体足迹身份鉴别对比实验。实验结果表明,所提方法准确率超过人工鉴别准确率,达到99.1%,可应用于战场感知及侦破现场足迹准确检测与识别,也可推广应用于人体身份鉴别的相关领域。     

基于U-net的被动式太赫兹安检危险品分割方法

针对被动式太赫兹安检系统检测图像识别危险物难度较大、精确度不高的问题,提出一种基于U-net的被动式太赫兹安检危险物分割算法。通过构建危险品的局部结构差异性假设和局部亮度差异性假设定位太赫兹安检图像中危险品可能存在的感兴趣区域(ROI),并选择拥有少量特征通道与神经元的浅层卷积网络针对ROI做图像超分辨处理,最后将图像输入U-net网络,得到质量高、轮廓清晰的危险品分割图像。通过实验证实了本文方法相比传统分割算法准确性有明显提高,有助于提高被动式太赫兹安检系统的危险品识别率。     

基于形态学与多尺度空间聚类的SAR图像变化检测方法研究

介绍了一种形态学模型(morphological profile,MP)工具,这种工具运用在合 成孔径雷达(synthetic aperture radar,SAR) 图像中,增强了对SAR图像的多角度细节处理,提高了图像检测精度。在图像检测中加入算 法可被应用于遥感图像变化检测 领域。本文提出的SAR图像变化检测方法是在多尺度子空间融合谱聚类的基础上进行的,这 种方法是对不同时刻得到的同图 进行对数比和均值比处理,从而构成多个子空间获取图像的结构特征,并结合随机采样谱聚 类的子空间融合算法得到的变化 的图像。本文方法所得的SAR图可以检测到很多单一的像素点,误检像素点数目明显减小,优 于其他算法结果。检测结果抑制 了图像变化中的缺失问题,因此具备较高的检测精度。     

基于图像分割的SAR图像变化检测算法及实现

本文提出一种基于图像分割的变化检测方法,该方法首先根据SAR图像统计特性进行图像分割,然后对两幅SAR图像的分割图进行融合,用相同的区域分割来描述两幅图像,再利用区域灰度和纹理等信息构造图像变化函数,用变化函数对图像进行变化检测判别,最后利用合成孔径雷达(SAR)图像进行的试验,并和变化矢量分析方法(CVA)进行比较,得到了很好的效果。