基于空间语义模型的高分辨率遥感图像目标检测方法

该文提出一种基于空间语义模型的方法,用于高分辨率遥感图像复杂场景中典型地物目标的自动检测。该方法通过分割获取图像对象,引入主题模型统计对象的多维特征,提高了对象特性描述的精度。在此基础上,对图像中有意义的地物目标及它们之间的空间关系建模表达和定量计算,通过获取场景的语义解析树,辅助实现对复杂地物目标的准确提取和定位。在测试数据集上的实验结果表明,该文方法具有较高的智能化程度和较强的稳定性。     

Retrieval of High Resolution Satellite Images Using Texture Features

In this research,a content-based image retrieval(CBIR)system for high resolution satellite images has been developed by using texture features.The proposed approach uses the local binary pattern(LBP)texture feature and a block based scheme.The query and database images are divided into equally sized blocks,from which LBP histograms are extracted.The block histograms are then compared by using the Chi-square distance.Experimental results show that the LBP representation provides a powerful tool for high resolution satellite images(HRSI)retrieval.     

一种保持直方图特性的JPEG图像掩密算法

传统的JPEG图像掩密算法往往因为改变了载体图像的DCT系数直方图而不能抵抗各种基于直方图的攻击,或者为了矫正直方图而降低了隐藏容量,该文提出一种新的保持直方图特性的算法。该算法在嵌入秘密消息时,动态建立Adjust_info表记录系数直方图被改变的情况,然后根据该表调整系数的变化方向,这样不但可以补偿直方图的改变,而且并不降低隐藏容量。对多幅图像的实验表明,该算法不但能够达到13%的高隐藏容量(压缩因子为75),而且掩密后图像总体DCT系数直方图的平均失真率为0.81%。由改进算法掩密后图像低频DCT系数直方图的最大失真率为3.83%,平均失真率只有1.98%,仅对直方图做了微小的改变,因此可以有效抵御各种直方图攻击,从而为安全掩密提供了可靠保证。     

保持图像细节的多尺度形态滤波的新方法

提出了一种适于灰度图像细节的多尺度形态滤波(MMFPD)方法。在普通多尺度形态开、闭滤波基础上，增加了多尺度top-hat变换和bottom-hat变换，用于提取并平滑小于该心渡的特征。此外，较小的尺度特征中包含噪声颗粒的可能性较大，据此修正了top-hat变换和bottom-hat变换的系数。对标准灰度图像进行滤波处理的实验结果表明，该方法噪声去除效果好，图像细节保持完整，处理效果明显优于传统滤波方法。     

基于多元回归的JPEG隐密分析方案

 为解决JPEG图像隐密分析算法的设计问题,在DCT域共生矩阵的基础上构建了JPEG图像共生特征空间,并将定量隐密分析算法看成多元共生特征与含密量之间的回归模型,提出了一种JPEG图像定量隐密分析算法设计方案.此方案以已知含密量的JPEG图像为研究对象,而无需分析对应的JPEG隐密机制,因此具有较强的通用性.实验结果表明,对安全性较高的MB1隐密算法,本文方案仍可设计出高检测能力的定量隐密分析方法.     

基于核回归正则项的图像超分辨率重建

讨论了图像成像的基本模型,并提出了一种基于调整核回归函数作为正则项的序列图像重建算法。该算法是对已经提出的核回归算法的改进,减少其在超分辨率图像重建时的运算量。而且在图像配准过程中针对图像间只存在平移和旋转变换,采用了基于矩形像素值的亚像素配准方法,以提高配准的速度和精度。利用此算法对序列图像进行重建仿真,并通过结论得出其在噪声严重的情况下具有更好的边缘保留特性。     

Progression‐Preserving Dimension Reduction for High‐Dimensional Sensor Data Visualization

This letter presents Progression‐Preserving Projection, a dimension reduction technique that finds a linear projection that maps a high‐dimensional sensor dataset into a two‐ or three‐dimensional subspace with a particularly useful property for visual exploration. As a demonstration of its effectiveness as a visual exploration and diagnostic means, we empirically evaluate the proposed technique over a dataset acquired from our own virtual‐reality‐enhanced ball‐intercepting training system designed to promote the upper extremity movement skills of individuals recovering from stroke‐related hemiparesis.     

Convolutional Neural Network for the Semantic Segmentation of Remote Sensing Images

Mobile Networks and Applications - In recent years, the success of deep learning in natural scene image processing boosted its application in the analysis of remote sensing images. In this paper,...     

结合目标特定特征和目标相关性的多目标回归

多目标回归旨在使用一组共同的输入变量来预测多个连续变量,其现有方法可归类为问题转换法和算法适应法.它的主要挑战在于如何对输入与输出空间的复杂关系进行建模,以及如何有效利用目标间的相关性.然而,现有的问题转换法很少同时考虑到这两方面.基于此,本文构建了一种问题转换法同时应对这两大挑战,提出了一种结合目标特定特征和目标相关性的多目标回归方法（Multi-Target Regression via Specific Features and Inter-Target Correlations,TSF-TC）.TSF-TC通过对分箱后的样本进行聚类分析构建目标特定特征从而对输入与输出空间的复杂关系进行建模,通过有选择性地堆叠单目标预测值揭示目标间的相关性.本文使用TSF-TC在18个多目标回归数据集上与现有多目标回归方法进行了对比实验,实验结果充分表明了TSF-TC的优势.     

基于标签特定特征的多目标回归稀疏集成方法

多目标回归学习是指同时学习多个相关的回归任务,其主要挑战来自于对输入要素和输出目标变量之间的基础关系进行建模以及对目标间的相关性进行探索.针对这两个挑战,本文提出了一种基于标签特定特征的多目标回归稀疏集成方法,通过探索目标间的相关性,为每个目标构建其独特的标签特定特征,提高算法整体的预测精度;同时设计一种稀疏性聚合函数对不同的回归方法进行集成,从而处理输入与输出间的复杂关系.在18个数据集上与有代表性的多目标回归方法进行对比实验,充分证明了本文方法的有效性与竞争性.     

无重影立体图像特点与应用

分析无重影立体电视的立体深度信息传送过程,通过实验比较无重影立体图像对与普通双目立体图像对,得出无重影立体图像对构成立体图像的独有特点,提出了一种无重影立体电视的图像数据压缩处理方法,给出其对应的编解码方案。     

基于模糊语义的高分辨率SAR图像汽车检测算法

针对高分辨率SAR图像难于找到精确的背景杂波分布概率模型的问题,该文提出一种不需要背景杂波分布概率模型的高分辨率SAR图像自动检测汽车的新方法。该算法首先搜索场景中包含的亮区域和暗区域,其次采用模糊隶属度函数提取语义特征,筛选可能是汽车强散射区域的亮区域和可能是汽车遮挡区域的暗区域。再根据空间语义关系,对候选汽车强散射区域与候选汽车遮挡区域进行匹配,若匹配成功则计算它们源于同一辆汽车的隶属度。最后阈值选择高隶属度的目标进行合并输出。通过对MiniSAR图像进行汽车检测实验,表明该方法在不需要背景杂波分布概率模型的条件下仍然具有较高的检测率。     

基于语义的高维数据聚类技术

本文提出一种有效处理高维数据的聚类算法,算法首先通过构造特征链将文档集合划分为多个类别,同时在相似度计算及权值调整时考虑相似特征的影响以凝聚语义相似的文档,并动态调整文档权重使分布不平衡的文档得到充分训练.实验表明:该算法在高维空间能够获得较好的聚类结果,类内相似度高,类间区分性好,迭代次数较少.     

LIFT:一种用于高维数据的索引结构

本文提出一种新的高维空间中点数据的索引方法,其基本原理是用格矢量量化(Lattice vector quantization)均匀划分数据空间、用倒排文件(Inverted File)存储格点、用Trie树实现倒排文件的组织和存储、用Trie并行搜索算法实现倒排文件的快速访问.和传统索引方法相比,新方法具有许多优点,例如它能以较低的复杂度建立索引结构、支持非常高维的数据索引、充分利用高维空间中点分布的稀疏性等.实验结果表明,在较高维数时,LIFT性能优于传统索引方法.     

融合潜在主题信息和卷积语义特征的文本分类

经典的概率主题模型通过词与词的共现挖掘文本的潜在主题信息,在文本聚类与分类任务上被广泛应用。近几年来,随着词向量和各种神经网络模型在自然语言处理上的成功应用,基于神经网络的文本分类方法开始成为研究主流。本文通过卷积神经网络(Convolutional Neural Network,CNN)和概率主题模型在文本主题分类上的效果对比,展示了CNN在此任务上的优越性。在此基础上,本文利用CNN模型提取文本的特征向量并将其命名为卷积语义特征。为了更好地刻画文本的主题信息,本文在卷积语义特征上加入文本的潜在主题分布信息,从而得到一种更有效的文本特征表示。实验结果表明,相比于单独的概率主题模型或CNN模型,新的特征表示显著地提升了主题分类任务的F1值。      

基于多通道特征的SAR图像变化检测

为充分利用SAR图像的细节信息,提高SAR图像变化检测的检测精度及抗噪性能,提出一种基于多通道特征的SAR图像变化检测方法。该方法提出了一种适用于SAR图像的变化检测一体化框架,首先,为了在抑制相干斑噪声的同时尽可能多地保留SAR图像的边缘及局部信息,引入引导图像滤波方法;其次,提取8个通道特征,充分利用了图像的细节信息,获得了性能良好的差异图;最后,利用主成分分析(PCA)和K-means聚类进行差异图分析,得到最终的变化信息。实验结果表明,该方法有效提高了检测精度,并且具有良好的抗噪性能。     

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多, 误匹配率较高,容易受噪声及灰度变化影响等问题。该文提出一种基于显著轮廓特征的SAR图像“由粗到精”的匹配新方法。该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果。试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配。     

基于不变特征的多源遥感图像舰船目标检测算法

由于域偏移的存在,多源图像舰船目标检测任务面临着不同源传感器带来的图像风格差异难题.另外,为特定数据源训练特定的检测模型会消耗大量的计算资源,严重限制了其在军民用领域的工程应用.因此,设计一个通用网络以有效检测来自不同源遥感数据的舰船目标成了当下的研究热点.针对该需求,本文提出了一种基于不变特征的通用舰船目标检测方法,...