基于图论分割的肺部CT图像的三维重建

为了得到精准的人体肺部CT图像的分割结果,采用改进的最小生成树法对人体肺部CT图像进行分割,再采用面绘制中的Marching Cubes(MC)算法进行三维重建,实现肺部的三维立体显示.通过实验仿真,验证了改进最小生成树算法的快速有效性,并将该算法与基于阈值分割的三维重建仿真效果进行对比.结果表明,改进后的算法能有效提高肺部CT图像三维重建的效率和完整度,在保证了快速三维重建的同时,三维重建的效果更佳,将为医生的医疗诊断提供有力的判断依据.     

微扫描红外成像超分辨重建

为了通过低分辨率红外探测器获取高质量的图像信息,对基于微扫描成像的序列图像获取方法和超分辨图像重建算法进行了研究。首先,阐述了微扫描红外成像系统工作模式和软硬件构成。然后,提出了一种基于电机驱动的光学微扫描序列图像获取方法。最后,提出了一种基于字典学习的凸集投影算法用于超分辨图像重建。采用数值仿真和实际拍摄两种方式来验证本文算法的有效性,结果均表明本文方法能够有效地重建图像边缘细节并对噪声有较好的抑制作用。     

基于单影像视觉的建筑物三维重建

研究了以航空遥感影像为基础的单影像建筑物三维重建的方法.由于航空遥感影像近似竖直摄影的特性,倾斜角非常小,几乎接近于零,而且内方位元素已知.本文的方法是在没有地面控制点的情况下,通过自动或者人工获取的建筑物角点的像平面坐标,利用内方位元素和地面建筑物的长度等相对控制条件,直接用共线方程和平行线条件,在局部坐标系中同时求解影像的外方位元素与建筑物的宽度和高度.从而获得建筑物的外形轮廓并实现建筑物的三维重建.实验证明,从单影像上提取和重建建筑物,在没有该地区的立体影像时,或者没有地面控制的情况下,对于无遮挡的、呈规则几何形状的建筑物是一种比较简单实用的三维重建途径.     

基于单影像视觉的建筑物三维重建

研究了以航空遥感影像为基础的单影像建筑物三维重建的方法。由于航空遥感影像近似竖直摄影的特性,倾斜角非常小,几乎接近于零,而且内方位元素已知。本文的方法是在没有地面控制点的情况下,通过自动或者人工获取的建筑物角点的像平面坐标,利用内方位元素和地面建筑物的长度等相对控制条件,直接用共线方程和平行线条件,在局部坐标系中同时求解影像的外方位元素与建筑物的宽度和高度。从而获得建筑物的外形轮廓并实现建筑物的三维重建。实验证明,从单影像上提取和重建建筑物,在没有该地区的立体影像时,或者没有地面控制的情况下,对于无遮挡的、呈规则几何形状的建筑物是一种比较简单实用的三维重建途径。     

联合属性散射中心的极化目标重构新方法

传统极化目标分解方法将各个像素的散射机理分解为基本散射机理类型的线性加权和,难以反映部件整体结构的极化信息;对于低信噪比的人造复杂目标,直接分解难以反映目标真实的散射特性．通过引入全极化的属性散射中心模型,将目标信号分解为若干典型散射中心的组合以保留结构的整体性;联合极化对属性散射中心进行特征参数提取以降低噪声影响．提出了一种联合属性散射中心的极化目标重构新方法,该算法能很好地从低信噪比的极化数据中对目标信号进行恢复并保持目标典型结构的整体性,有效增强了极化图像的可视性．     

基于等值面拓扑简化的三维重建算法

针对工业CT无损检测中缺陷的空间信息无法准确判断的问题,提出了重建缺陷的算法。该算法使用八叉树来节省内存,并同时从内部增加和外部切除体素的方法来准确找到缺陷的边缘,利用MC提取的等值面经过拓扑简化得到最终的重建模型。实验表明,该方法可以实现对缺陷的三维空间形状观察,并提高了检测效率,得到了缺陷在空间任意方向的分布。     

基于ROC融合准则的SAR边缘检测算法

根据ROC(receiver operating characteristics)技术能评估分类器在所有可能工作阈值下总体性能的特点,建立包含边缘像素点相关分析与ROC分类决策的ROC融合准则。依据该准则组合多种SAR边缘检测算子,并得到合成孔径雷达(SAR)影像的理想边缘检测结果。实验结果表明,本文方法能融合多种边缘检测算子的优点,有较强的开放性与目标适应性,并且不需要手工设置阈值,自动化程度高,有很强的工程实用性。     

舰船目标三维散射中心建模及SAR快速仿真方法

直接合成孔径雷达成像仿真方法在实现大型舰船目标回波仿真和合成孔径雷达成像时时效偏低,难以满足对海探测制导闭环验证过程中对合成孔径雷达快速生成的需求.因此,提出了基于三维散射中心的舰船目标合成孔径雷达回波和成像仿真方法.首先通过射线管积分三维快速成像和CLEAN三维散射中心提取得到不同视角下目标三维散射中心;然后通过对应...     

注意力机制的SAR图像车辆目标检测网络

在SAR图像车辆目标检测过程中,车辆轮廓定位不仅能够提供车辆位置信息,而且还能够为车辆状态分析提供依据,是SAR图像理解的关键步骤。但SAR图像中乘性斑点噪声会对轮廓定位造成干扰,增加车辆目标检测的难度。针对这一问题,提出了一种注意力机制的SAR图像像素级车辆目标检测网络。该网络由目标筛选、目标定位和轮廓细化三个模块构成。目标筛选在一个轻量级的特征提取网络中采用通道注意力和自注意力机制,在抑制噪声影响的同时对包含目标图像进行快速筛选,并提供稳定的定位热力图;目标定位利用掩码交叉注意力机制根据定位热力图优化粗尺度特征细化目标定位,并融入细尺度信息改善目标轮廓细节;轮廓细化通过轮廓点筛选消除上采样及噪声带来的轮廓不确定点获取准确的轮廓像素点置信度。对MSTAR数据集进行车辆像素级标注,建立SAR图像车辆数据集及大场景图像数据集用于网络测试。实验结果表明,该网络具有良好的像素级检测性能,可实现大场景SAR图像中车辆目标的快速精确检测。     

基于旋转损失函数RCIoU的SAR图像舰船目标检测方法

提出一种合成孔径雷达(synthetic aperture radar,SAR)图像旋转舰船检测方法,以提高SAR图像中旋转舰船的检测精度.从先验框设计和边界框回归公式对YOLOv4-CSP目标检测网络进行改进,加入旋转角度使其适用于基于旋转框的检测场景;提出一种基于旋转边界框外接圆和交并比的损失函数,该函数不仅考虑预...     

Change detection for SAR images based on fuzzy clustering using multilevel thresholding

A new fuzzy clustering algorithm using multilevel thresholding is proposed to reduce the computational complexity of the fuzzy local information c-means (FLICM) algorithm for solving the clustering problem on the difference image of change detection for SAR images. First, the pixels in the difference image are classified into the “changed” pixels, “unchanged” pixels and unknown status pixels by the multilevel thresholding procedure. Then the unknown status pixels are clustered by the FLICM. If the neighboring pixels in the FLICM are not the unknown status pixels, their degrees of membership are set to 1 or 0. The proposed method improves the precision in the change detection for SAR images with the low computational complexity. Experimental results show that the proposed method has the better performance than fuzzy c-means (FCM) and FLICM algorithms on the change detection for SAR images and that its run time is about 70％ less than that of the FLICM algorithm.     

基于快速整数提升小波变换的多幅图像融合

在分析已有多分辨率图像融合方法的基础上,针对多幅图像融合模型的选择问题,提出了一种基于快速整数提升小波变换的多幅图像融合新算法。首先采用整数提升小波变换将多幅源图像分解到不同尺度、方向频带范围内,然后根据图像提升小波变换后不同子带的特点分别采用了2种新的高、低频融合策略,最后通过整数提升小波逆变换得到融合图像。对多幅源图像进行了融合实验,并对融合结果进行了主观和客观的评价。实验结果表明,该算法不仅适合多幅图像的实时快速融合,而且可以获得视觉效果较佳、细节更为丰富的融合图像。     

一种复合的SAR图像去噪算法

针对SAR图像噪声影响分辨率的问题,提出一种新的复合SAR图像增强和去噪方法．该方法首先利用信号的小波相邻尺度相关性将信号和噪声分离,然后根据SAR图像近似瑞利分布的特点把SAR图像转换为近高斯分布,再分别利用复数扩散震动滤波器对SAR图像信号部分进行增强,用各项异性扩散方程对含噪部分进行去噪,最后用小波平稳变换对图像进行重构．实验结果表明,与传统的SAR图像去噪算法相比,新算法在边缘增强和噪声去除能力方面均有显著提高．     

基于大气散射模型和曲波变换的交通图像增强研究

通过研究雾天彩色降质图像的特征,提出以大气散射模型为基础,采用基于曲波变换的消失点检测算法进行边缘稀疏化以提取角点,并根据计算的景点深度进行图像增强运算.选取5种图象锐化函数对实验结果进行评估,对比直方图均衡化图像增强法和多尺度Retinex图像增强法,显示出基于大气散射模型和曲波变换的方法在图像增强方面效果更佳.     

基于多特显点综合的SAR／ISAR自聚焦

利用积累（相干或非相干）提高信杂噪比的概念,并考虑实际存在的问题,对基于多特显点的自聚焦原理进行了综合研究,进而对现在应用较多的两种方法做了比较,并对PGA法进行了改进。     

强度传输方程和神经网络融合的三维重构算法

针对原有强度传输方程法所恢复的相位精度不够精确的缺点,提出强度传输方程和神经网络融合的三维重构算法. 利用强度传输方程求解出物体不同角度的初始相位,利用神经网络算法进行优化,根据不同角度的最终恢复相位结合乘法技术重构出三维体信息. 该算法具有精度高的特点,可以为三维成像技术的应用提供参考. 对于实验中的示例图像,该算法将强度传输方程得到的相位误差从21.40%降低为5.26%,重构三维物体与模拟真实物体的相关程度为显著相关.     

结合邻域信息粒子群聚类用于SAR图像变化检测

SAR图像变化检测可以转化为对差异图的聚类问题。由于 SAR 图像本身容易受到斑点噪声干扰,为提高聚类效果提出了一种结合邻域信息的自适应粒子群聚类算法。该方法在模糊 C 均值原目标函数基础上,引入中心像素的邻域信息,并通过自适应粒子群的全局搜索来优化聚类中心。该方法还引入了自学习算子即粒子编码中的中心像素的隶属度,能够向其相邻像素的隶属度学习,并据此修正自身的隶属度值相关。实验结果表明,与模糊C均值和量子免疫克隆聚类算法相比,该方法利用了像素的邻域信息,从而增强了抗噪性能。与模糊局部信息C均值算法相比,该方法对图像细节保持能力较强,运行时间也较少。     

基于一维经验模态分解的图像细节提取方法

将一维经验模式分解方法直接应用于二维图像处理中,提出了基于一维经验模态分解图像细节提取方法。首先将二维图像按行或列展开为一维向量;然后用一维经验模态分解方法进行分解。为了有效地得到二维图像在水平方向和垂直方向的细节信息,提出了在进行一维经验模态分解过程中对残余图像交叉使用行和列展开的方式。最后通过实验证明了该方法的可行性和有效性。     

一种新的合成孔径雷达三维成像方法

研究了从全极化合成孔径雷达(SAR)图像数据中提取方位向的地势倾斜度信息,形成极化SAR三维成像。阐述了极化合成孔径雷达三维成像的快速搜索算法,对快速搜索算法作了修正与完善。提出了由Stokes矢量推导的极化椭圆方向角解模糊算法,利用真实的极化SAR图像数据得到了极化三维成像结果;并讨论了极化三维成像对地势场景的要求。