一种空间结构描述算子在多模图像配准中的应用

提出了一种用于表征图像的空间结构描述算子.通过此描述算子,可以将多模图像配准问题简化成单模图像配准问题,从而方便了整个配准的过程.首先,为了探究图像的结构信息,在计量坐标系(gauge coordinate system)下提取了大量的图像几何结构特征.同时,为了引入图像的空间信息,将当前像素附近的邻域像素也考虑其中.然后,依赖于一种改进的主成分分析方法,从大量的有关于图像的结构和空间信息之中,挑选出了最具代表性的信息用于构建与原图大小相同的空间结构描述算子.实验证明,与很多其他的优秀的相似度评价方法相比,基于该描述算子的绝对差值和SAD(sum of absolute difference)方法能更高效地、更稳定地匹配多模图像对.     

基于图像纹理频谱的弱目标自动检测

弱目标所含信息的相对贫乏,使得基于目标的检测算法往往难以获得满意的效果,另一方面,弱目标的存在常常使其所在局部区域的纹理较之包含该区域的更大区域的纹理发生较大改变;而纹理单元及其函数纹理频谱则分别能有效地捕获这两个区域在微纹理及宏纹理上的差异,从而检测出弱目标。基于这一思想,文中提出了一种基于纹理频谱的弱目标自动检测新方法。实验证明,该方法与其它方法相比,具有定位精确、算法简单、抗噪能力强和运算速度较快的优点。     

基于物质吸光度的气液两相流相含率测量模型

为了建立近红外信号特性与气液两相流不同流型相含率的关系,本文基于朗伯-比尔定律及物质的吸光度,对近红外接收信号与气液两相流相含率的关系进行了探究.将八通道近红外检测装置安装在河北大学多相流实验系统,并针对泡状流、环状流、弹状流三种流型下共87组工况点进行了多组实验,针对不同流型建立了相应的相含率测量模型,其中泡状流模型...     

改进HHT变换和RBF神经网络识别两相流

针对电导波动信号的非线性非平稳特征以及EMD(empirical mode decomposition,经验模式分解)方法存在的模态混叠等不足,提出了一种基于EEMD(ensemble empirical mode decomposition,集合经验模式分解)的改进HHT(Hilbert-Huang transform,希尔伯特-黄变换)和RBF(radial basis function,径向基函数)神经网络相结合的垂直上升管气液两相流的流型识别方法。首先对电导波动信号进行EEMD分解,利用改进HHT对IMF(intrinsic mode functions,本质模态函数)作变换分析,然后将提取的IMF能量特征作为RBF神经网络的输入特征向量,从而实现对气液两相流流型的识别。实验研究表明:该方法能准确地对泡状流、泡状-段塞流、段塞流、段塞-混状流、以及混状流五种流型进行识别,且具有较高的识别率,同时对相关领域的研究也具有一定的参考价值。     

3D velocity field reconstruction of gas-liquid two-phase flow based on space-time multi-scale binocular-PIV technology

For particle image velocimetry (PIV) technique, the two-dimensional (2D) PIV by one camera can only obtain 2D velocity field, while three-dimensional (3D) PIV based on tomography by three or four cameras is always complex and expensive. In this work, a binocular-PIV technology based on two cameras was proposed to reconstruct the 3D velocity field of gas-liquid two-phase flow, which is a combination of the binocular stereo vision and cross-correlation based on fast Fourier transform (CC-FFT). The depth of particle was calculated by binocular stereo vision on space scale, and the plane displacement of particles was acquired by CC-FFT on time scale. Experimental results have proved the effectiveness of the proposed method in 3D reconstruction of velocity field for gas-liquid two-phase flow.     

基于粗糙集近似约简和SIFT特征的图像匹配算法

SIFT(Scale Invariant Feature Transform)描述符由于具有尺度、旋转和光照不变等特性在图像匹配领域获得了广泛的应用。但是,SIFT特征点采用128维特征向量表示,当图像特征点较多时,匹配算法所需的存储空间大、匹配时间长,且匹配精度不理想。针对以上问题,本文给出了一种基于Rough-SIFT描述符的图像匹配算法。首先,利用排序法求出图像的稳健特征点,然后为提高后续匹配处理运算效率,将粗糙集约简理论引入到基于SIFT特征的匹配算法中,通过构建一种新的近似约简算法来对稳健特征点的128维特征向量进行降维处理,最后利用约简后的特征点对图像进行匹配。仿真实验表明, 本文方法使得约简后的SIFT特征点更加精确、稳定、可靠,有效减小了匹配算法的存储空间,提高了匹配算法的效率和准确率。      

一种基于图像纹理的模板匹配算法

为了提高实际工程应用中图像匹配算法计算的实时性,增强图像匹配算法对复杂场景跟踪的鲁棒性,提出了一种新的基于图像纹理的模板匹配算法(TTM)。依据邻域内像素灰度变化的趋势分别提取水平、垂直方向二值化的图像纹理矩阵,然后根据定义的一个相似性判别准则,分别度量水平、垂直两个方向二值化图像矩阵之间的相关置信度。最后,通过合成两个方向上的图像匹配置信度结果得到目标配准置信度。实验结果表明,该算法对图像光照变化、目标部分被遮挡等情况具有较好的适应性。     

基于时频图像和高次频谱特征的雷达信号识别

针对低信噪比下雷达信号识别准确率较低的问题,提出了一种基于时频图像和高次频谱特征联合的雷达信号识别算法。该算法首先对信号采用Choi-Williams分布(Choi-Williams distribution,CWD)变换获取时频图像,接着对时频图预处理并用灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取纹理特征;然后利用对称Holder系数提取信号的高次频谱特征;再将纹理特征和高次频谱特征构成一组联合特征向量,最后通过支持向量机(support vector machine,SVM)实现雷达信号的分类识别。通过对8种典型雷达信号进行实验,结果表明本算法在信噪比为-8 dB时,不同信号的识别准确率能达到90%以上。     

Data hiding based on image texture classification

In this paper, a new pattern-based fragile, semi-blind, spatial domain data hiding scheme is proposed. The Local Binary Pattern texture classification approach is used, in order to transparently and securely embed secret data into an image. Pixel values are modified in such a way that the texture satisfies the message requirements. The method is thoroughly studied and compared to other techniques in spatial domain in terms of capacity and image quality. The scheme performs well in images with smooth areas and can be used for authentication, tamper proofing, and secret communications.     

气液两相流中气泡形态及运动特征参数提取

对气泡发生装置中竖直向上气泡的形态及运动特征提取方法进行了研究。采集原始气泡图像,进行图像灰度化、差影和中值滤波等图像预处理,针对气泡图像的特点,提出动态阈值压缩大津法进行阈值分割,并结合扫描线种子填充算法与图像形态学运算进行孔洞填充,同时基于边缘面积属性对气泡特征区域进行自动识别。实验结果表明,该方法简单有效,鲁棒性强,可以很好地将目标气泡从背景中分离出来,有效提取气泡周长、面积、圆形度和质心坐标等形态特征参数,并实现气泡运动速度的测量。     

基于椭圆傅里叶描述子的遥感图像配准算法

传统的基于点特征的图像配准算法在遥感图像配 准时提取的特征点数量大、分布密,易产生误匹配,导致特 征匹配的效率和精度低。为此,本文利用椭圆傅里叶描述子(EFD)能较好保留 形状信息的特点,提出了一种基于EFD的 图像配准算法,根据匹配的边界对预估变换参数,给出特征搜索范围,从而有效地提 高特征搜索的效率。实 验结果表明,所提出算法能有效抑制误匹配的产生,提升特征匹配的效率,尤其是对于纹理 丰富的大尺寸图像,提 升效果更加明显,验证了本文算法对遥感图像配准的适用性。     

基于Gist特征与CNN的场景分类方法

针对大多数场景分类方法只能学习浅层特征,忽略图像之间的相关结构信息,提出一种基于Gist特征与卷积神经网络结合的场景图像分类方法.其中Gist特征用于提取场景图像的全局特征,并将其作为深度学习模型的输入,通过逐层训练卷积神经网络,提取更高层次的特征,并用训练好的卷积神经网络进行分类.实验在O&T室外场景图像数据集和MNIST手写体数据集上考察了batchsize、卷积核对分类结果的影响,并与DBN,NN,SVM和CART作为分类器的分类结果进行比较,充分说明了本文方法的有效性.     

基于细节信息保护的SAR图像压缩

富含细节、边缘及纹理的SAR图像中重要信息大量集中于高、中频。基于小波变换的压缩方法往往视信号的高、中频部分为不重要信息，造成细节失真。我们使用更为精细的时频分析法即小波包(WP)分析，对信号的高频部分也作进一步分解以保存有用的高、中频信息。同时利用小波包分解系数的带内相关性将其分为大小及重要性不同的子块，进而对各子块实行不同精度的量化编码。在WP变换前先对原图像作“区域分割”以得到背景和目标物的粗略分布，从而针对不同的图像区域进行不同程度的压缩。实验结果表明，这种方法能较好地适应SAR图像的能量分布特点，获得较高的PSNR和重建图像质量。     

基于BBO-MLP和纹理特征的图像分类算法

为了提高图像分类的准确率,解决多层感知器(MLP )收敛速度缓慢等问题,提出了一种基于生物地理学优化-MLP(BBO-MLP)和纹理特征的 图像分类算法。首先,从图像库中选取 3类不同的图片,对图像分类算法运行环境进行建模;其次,选取角二阶矩(U NI)、熵(CON)、惯性矩(ENT)和 相关性(CDR)4个纹理参数构建一个四维特征矩,根据用户提供的类别号和图像 的纹理特征向量 生成训练样本文件;然后,将提取的数据作为MLP的输入数据,为MLP定义一个评估栖息地的 误差适应度函数并对适应度函数进行全局优化,利用BBO算法训练MLP,得到分类模型;最后 ,利用训练好的MLP对图像进行分类,并引入二次反馈机制进一步提高算法性能。实验结果 表明,与PSO、GA、ACO、ES和PBIL等优化算法相比,本文的BBO-MLP算法具有较高的分类正 确率。     

基于自适应权重马尔科夫场的彩色纹理分割

提出基于自适应权重马尔科夫场的无监督分割模型.利用HSV空间上的彩色信息和Gabor纹理特征组成MRF数据特征分量,通过马尔科夫最大后验概率框架和能量函数最小化算法将像素分类获得分割结果.在自然纹理与合成纹理上的实验证明了此算法的有效性并探讨了4种能量最小化方法的质量.     

基于空间外差的钾盐光谱探测与提取研究

含钾消焰剂的使用,大大降低了火箭尾焰的二次燃烧及辐射量,提高了对其探测与追踪的难度。基于空间外差光谱技术微弱光谱信号精细探测的优势特性,采用自行设计的近红外波段仪器,以室外天空为背景,用酒精喷灯火焰模拟火箭尾焰,实验研究了其中钾盐信号的探测,并以现代谱估计方法中的自回归AR算法和MUSIC算法对测量信号进行提取研究。结果表明,两种算法均能实现对钾特征信号的提取及对噪声的抑制,使特征信号的峰宽变得更窄,其中AR算法对钾766.49 nm特征峰的半峰宽减小率为21%,噪声减小率为42%;MUSIC算法对钾特征峰的半峰宽减小率为50%,噪声减小率为47%,两相比较可见MUSIC算法的效果更好,说明将空间外差技术应用于火箭等喷射式飞行器的识别具有可行性。