基于K-means聚类红外目标检测

目标检测是红外图像处理环节中的重要组成部分,检测结果直接影响后续处理。在分析红外图像特点的基础上,采用改进的Top-Hat算子对红外图像中的噪声点进行抑制,同时基于传统K-means聚类思想,提出基于二维梯度信息的K-means聚类目标检测算法。实验结果表明,该方法抑制噪声作用明显,能很好地检测出红外图像中的目标,为后续图像处理工作打下较好的基础。     

基于多分支自编码器的高光谱图像聚类

利用卷积网络提取高光谱图像的空谱特征时,空间信息会对目标地物边缘的点的特征产生不良影响,即产生空间噪声。针对该问题,提出了基于多分支自编码网络的高光谱图像聚类方法。通过基于卷积网络的空间自编码器提取目标点的空谱特征,然后通过光谱自编码网络引入目标点的光谱信息,对空谱特征再次进行编码解码,提纯空谱特征中光谱信息的成分占比,从而降低空谱特征中空间噪声的影响。再通过改进K-means聚类算法,整体提高聚类效果。实验表明,新提出的聚类方法比其他传统的聚类方法取得了更优异的聚类效果。     

基于arm-linux机器视觉的图像特征点快速检测方法北大核心CSCD

针对传统的检测方法一直存在噪声影响严重,导致检测结果不准确的问题.提出基于arm-linux机器视觉的图像特征点快速检测方法,首先利用机器视觉技术拍摄目标图像信息,通过arm-linux系统对目标图像信息进行特征点分析提取、小波去噪等进一步处理;再依据图像处理结果建立Facet模型,计算求解图像特征点二阶方向导数,获取图像特征点二阶方向导数极小值小于零的像素点作为提取的图像特征点,通过对极大值的归一化和图像局部非极大值抑制完成对图像特征点的快速检测.实验结果分析证明,所提方法可以降低图像特征点的检测成本,减小噪声影响且稳定性强,适用性范围广,安全性高.     

基于过零检测的虹膜特征提取算法

该文针对虹膜图像不理想、噪声影响较大情况下,虹膜识别率下降的问题,提出了一种基于过零检测的虹膜特征提取算法,利用过零检测算子与信号局部的相关性提取虹膜纹理特征,并根据所得的系数进行符号编码形成二值特征模板,最后采用相似度进行模式分类。仿真结果表明,该算法能够提取不理想虹膜图像的稳定特征,提高识别率。     

一种红外序列图像目标边缘检测方法

红外序列图像边缘检测是图像处理中的重点和难点之一.提出了一种基于柔性形态学的红外序列图像边缘检测算法,首先对目标红外图像进行柔性边缘提取,然后在此基础之上采用模糊c均值聚类方法将图像转化为二值图像,从而得到比较精确的目标边缘检测图像.计算机仿真实验表明,该方法的性能优于传统的检测算子,并且具有抑制噪声的功能.     

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。     

基于局部特征的单帧红外小目标检测算法

针对单帧红外小目标具有能量值高于背景和噪声的特点,提出了一种基于局部特征的单帧红外小目标检测算法。该方法首先分析了单帧红外图像各部分的高低频关系,利用单帧红外小目标与背景在频率上的不同,采用二阶巴特沃斯低通滤波器滤除背景干扰;然后设定能量与灰度阈值进行自适应阈值分割,保留疑似目标点;最后通过改进的拉普拉斯算子突出红外小目标轮廓。经过红外图像仿真实验验证,该方法能够在复杂空域快速而准确地检测出单帧红外小目标。     

一种基于多频带能量算子的FSK信号分类新方法

本文对MFSK通信信号的分类问题进行了研究.针对信号的特征提取问题,提出了一种稳健的基于多频带能量算子的方法.首先利用小波多频带滤波器组对MFSK信号进行预处理,以减弱噪声对信号的影响,然后对其中的最大频带输出值应用能量算子来提取分类特征;针对无监督聚类算法中FCM算法对初始值敏感,易收敛至局部最优解的缺点,提出了一种基于核的模糊C均值聚类(FKCM)算法来设计分类器,它通过Mercer核把输入数据非线性映射到高维空间,使得在输入空间中线性不可分的样本可分,大大提高了FCM算法的聚类性能.通过计算机仿真可知:多频带能量算子的特征提取方法可以有效地抑制噪声的影响,而FKCM可以更好地进行聚类,其识别精度更高.     

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.     

部分遮挡目标的稳健局部特征点提取方法

部分遮挡目标的特征提取是目标检测中的难点问题。针对这一问题,提出一种基于稳健性度量统计分析的部分遮挡目标稳健局部特征点提取方法,该方法建立在目标图像训练集的局部特征点逐步提纯基础上。它首先对目标在不同条件下获取的图像集分别应用SIFT提取相应局部特征点;然后基于统计分析对局部特征点进行粗提取,再通过计算置信度进一步筛选出较稳健的局部特征点;最后分析局部特征点的空间分布等因素提取出最稳健的局部特征点集。实验结果表明,该方法耗时仅为SIFT检测算法的30%,并且保证了检测精度。     

一种基于深度和局部特征的分布式光电图像配准方法北大核心CSCD

针对分布式光电成像系统采集的红外和可见光图像在配准时易受噪声影响,配准精度不高问题,提出一种基于卷积神经网络深度特征和RIFT局部特征的图像配准算法。首先基于改进的AVIRnet提取待配准红外和可见光图像的卷积深度特征,利用深度特征进行初匹配,得到初步的空间关系;然后在重叠图像区域内提取RIFT特征点;最后对局部特征点进行修正,得到最终的匹配点对,估算出精确的变换矩阵。实验结果表明:本文方法通过深度特征和局部特征两次匹配,对非线性辐射差异具有不变性,满足了分布式光电红外和可见光图像配准的精度要求。     

基于兴趣点局部综合颜色和纹理图像检索方法

提出了一种基于兴趣点局部区域综合颜色和纹理的图像检索方法。此方法主要用于对图像中有代表意义的局部区域图像特征进行提取。文中研究了对兴趣点的选取以及感兴趣区域的确定,再对感兴趣区域内的图像进行颜色和纹理特征提取。实验证明,此方法提高了图像的检索效率及准确率。     

尺度相互作用墨西哥帽小波提取图像特征点

图像特征点是图像的重要局部特征,它是图像理解和模式识别中的重要信息,图像特征点提取技术也是图像处理的有力工具之一。提出了一种在尺度相互作用模型下利用墨西哥帽小波来提取图像特征点方法,该方法对于经过旋转、亮度、模糊以及噪声处理后的失真图像仍能提取出相对位置和数量都较为一致的特征点。而针对尺度相互作用的墨西哥帽小波提取不同尺度的图像时的特征点相对位置不一致的问题,提出了在墨西哥帽小波中加入尺度因子的方法,通过仿真实验验证了算法的正确性。     

基于相位叠合的不变特征提取

文中给出一种适应于图像多种特征（阶跃边缘,线条,屋脊边缘以及马赫带等）的特征提取方法。这种方法利用图像傅里叶分量在特征点叠合次数最多的概念（相位叠合）,利用相位叠合来标记特征点比用工方法有明显优点：相位叠合是一种无量纲的量,而且对图像的亮度或对比度是不变的,因此它能提供对特征点的绝对度量。实验证明,相位叠合提取特征对图像的照度（或对比度）以及可能出现的噪声是不变的。     

基于Zernike-Facet模型和总体最小二乘的弱小目标检测

弱小目标一般是图像局部区域的极值点。针对这个特点,依据二元三次函数的极值理论,该文提出了一种新的弱小目标候选点的检测方法。发展了一种新的图像局部灰度拟合模型,即Zernike-facet模型,模型参数的求解采用比最小二乘(LS)抗噪能力更强的总体最小二乘(TLS)算法。新检测方法通过Zernike-facet模型和TLS对原始图像中每一个像素的局部区域进行曲面拟合,然后在拟合曲面上提取极值点作为目标候选点。仿真表明,新方法在抑制噪声上优于其他常用方法。可见光/红外图像小目标检测实验也证实了新方法的有效性。     

基于多示例学习的图像检索方法

多示例学习对处理各类歧义问题有较好的效果,将它应用于周像检索问题,提出了一种新的基于多示例学习的图像检索方法。首先提取每幅图像的局部区域特征,通过对这些特征聚类求得一组基向量,并利用它们对每个局部特征向量进行编码,接着使用均值漂移聚类算法对图像进行分割,根据局部特征点位置所对应的分割块划分特征编码到相应的子集,最后将每组编码子集聚合成一个向量,这样每幅图像对应一个多示例包。根据用户选择的图像生成正包和反包,采用多示例学习算法进行学习,取得了较为满意的结果。     

基于特征点和泊松融合的红外序列图像拼接

提出了一种基于特征点和重叠过渡泊松融合的红外序列图像无缝拼接方法。该方法首先采用简化的SIFT特征提取方法获得图像特征点,然后利用双向互匹配的方法提高特征点的匹配精确度,再通过引入随机抽样一致性（RANSAC）算法剔除误匹配点对并求出图像间的变换矩阵,最后将改进的重叠过渡的泊松融合完成图像间的无缝拼接。该算法具有很好的鲁棒性,允许图像有旋转变换和缩放变换,且不受图像噪声影响。实验结果表明:该方法简单有效,可以在保持图像清晰度的前提下,明显消除拼接缝隙,提高拼接图像的质量。     

基于金字塔分解和扇形局部均值二值模式的鲁棒纹理分类方法

针对传统局部二值模式(LBP)的特征鉴别力有限和噪声敏感性问题,该文提出一种基于金字塔分解和扇形局部均值二值模式的纹理特征提取方法。首先,将原始图像进行金字塔分解,得到对应于不同分解级别的低频和高频(差分)图像。为提取兼具鉴别力和稳健性的特征,进一步采用阈值化处理技术将高频图像转化为正、负高频图。然后,基于局部均值操作提出一种扇形局部均值二值模式(SLMBP),用于计算各级分解图像的纹理特征码。最后,对纹理特征码进行跨频带的联合编码和跨级别的直方图加权,从而获得最终的纹理特征。在公开的3个纹理数据库(Outex, Brodatz和UIUC)上进行分类实验,结果表明该文所提方法能够有效地提高纹理图像在无噪声环境和含高斯噪声环境下的分类精度。     

Affine invariant image watermarking using intensity probability density-based Harris Laplace detector

Feature point based image watermarking against geometric distortions has attracted great attention in recent years. However, for the state-of-the-art intensity based feature points detectors, the feature points often gather at textured portions of the image or on the edges where the change of intensity is significant, so that many feature points capture the same portion of the image, which makes the watermark be vulnerable to local geometric distortions. In this paper, we propose an affine invariant image watermarking scheme with good visual quality and reasonable resistance toward local geometric distortions, which utilizes the intensity probability density-based Harris–Laplace detector. Firstly, the uniform and robust feature points are extracted by utilizing modified Harris–Laplace detector, in which the intensity probability density gradient is used instead of intensity gradient. Then, the affine invariant local ellipse regions (LERs) are constructed adaptively according to the variation of local intensity probability density. Finally, the digital watermark is embedded into the affine invariant LERs in nonsubsampled contourlet transform (NSCT) domain by modulating the lowpass NSCT coefficients. By binding the watermark with the affine invariant LERs, the watermark detection can be done without synchronization error. Experimental results show that the proposed image watermarking is not only invisible and robust against common image processing operations such as sharpening, noise adding, and JPEG compression, but also robust against the global affine transforms and local geometric distortions.     

一种基于各向异性尺度空间的SAR图像匹配算法

针对斑点噪声对合成孔径(SAR)图像匹配算法的影响,提出了一种基于各向异性尺度空间的SAR图像匹配算法。首先,采用加性算子分裂算法解方案来构建各向异性尺度空间,在滤除斑点噪声的同时更好地保留图像细节;然后,在非线性尺度空间中提取特征点,并采用改进的SURF描述子描述特征,弱化斑点噪声对匹配的影响;最后,采用变换参数约束策略筛选匹配点对,提高匹配正确率。该方法既保持了同名点的精度还增加了同名点的数量,通过对不同极化、时相、波段以及不同视角下多种地物的匹配实验,验证了该方法的优越性。