基于颜色矢量角的彩色图像检索算法研究

通过分析利用颜色直方图进行图像检索时存在的问题,提出了一种基于图像边缘空间分布特征的图像检索算法。即利用颜色矢量角对亮度不敏感,对色度和饱和度敏感的特性来提取图像的边缘信息。在图像的边缘空间,提取图像边缘点的颜色矢量角直方图,以此来描述图像的内容。该算法充分利用了图像的颜色信息、边缘信息及形状信息,实验表明该算法具有较好的光照不变性、尺度不变性、平移不变性和旋转不变性。     

基于Snakes模型的高分辨率遥感影像城区道路提取方法研究

基于主动轮廓模型（Snakes）理论研究了高分辨率遥感影像道路的提取。针对高分辨率遥感影像中道路特征,通过改进现存方法得出更为适合道路提取的主动轮廓模型,并利用其完成道路提取工作。通过对1 m分辨率的IKONOS影像进行实验,结果表明该方法能够较好地提取出城市高分辨率影像中弯曲道路的完整对称边缘信息。     

遥感图像中无水桥梁识别新算法

 给出了边缘密度和线段复杂度的定义,并提出一种遥感图像中无水桥梁的识别新算法.首先对图像进行边缘提取,计算像素点的边缘密度,根据边缘密度进行图像分割,接着采用Hough变换提取直线,利用线段复杂度等确定疑似桥梁区域,然后计算疑似桥梁区域像素点的纹理特征,并构成一个特征矢量,最后将此特征矢量送入BPNN进行分类,统计该区域所有像素点的分类结果以判决是否属于桥梁.实验结果表明,该算法能够较好地识别出遥感图像中的无水桥梁目标.     

基于OMP算法的可见光图像超分辨率重构方法

为了提高可见光图像的识别和检测能力,提出基于OMP算法的可见光图像超分辨率重构方法。建立可见光图像的视觉信息采集模型,采用空间锚点邻域特征匹配方法进行的可见光图像超分辨特征分解,提取可见光图像边缘轮廓特征量,结合残差特征估计高分辨率图像特征融合和优化分割,建立可见光图像的超分辨率重建特征分布集,采用边缘信息空间区域融合方法进行可见光图像的像素信息融合和优化特征重组,提取可见光图像的模糊度特征分布集,结合OMP算法实现可见光图像超分辨率重构。仿真结果表明,采用该方法进行可见光图像超分辨率重构的特征分辨能力较高,提高了可见光图像重构的输出峰值信噪比,且输出信噪比最高可达到61. 2。     

基于角度扩展形状上下文描述的目标检测算法研究

广义Hough变换的轮廓R表以及传统形状上下文是一种较好的形状描述算子,它们可以较好地解决非形变目标定位问题,但是对于解决存在形变的目标检测定位问题却存在不少困难.为解决该问题提出基于角度扩展的改进形状上下文图像特征描述.传统形状上下文形状描述器对于相近的两条边缘线具有不同的角度描述,在描述其相似度时会产生一定的偏差.通过对传统形状上下文描述图像特征的角度参数进行扩展,可以在一定程度上提高检测算法在目标发生形变情况下的鲁棒性.实验表明,本文算法通过对目标样本的训练能够有效的抽取稳定的形状上下文特征,然后通过匹配投票检测出目标位置,在计算机视觉领域具有一定的应用意义.     

图像视觉特征综述

介绍了图像的颜色、纹理、形状等视觉特征,重点给出在实验中取得较好效果的灰度共生矩阵、基于小波变换的多分辨率模型和索贝尔算子计算图像边缘密度的求解方法。     

强对流临近预报业务平台的设计研制及应用

本文介绍了哈尔滨机场基于多普勒天气雷达、进行雷达回波自动外推的强对流临近预报业务平台。该业务平台充分利用多普勒天气雷达、局域网络等设备资源,采用交叉相关算法,通过分析回波在连续时次的空间最优相关,计算回波的移动矢量特征,根据移动矢量特征推算回波未来0-1h位置和形状,进而发布强对流临近预报预警。经应用表明,该平台外推的回波图像与实际状况接近,对雷雨季节开展航空气象服务工作具有较高的应用价值。     

融合MODIS与Landsat数据生成高时间分辨率Landsat数据

遥感数据时空融合技术是一种低空间分辨率影像与中空间分辨率影像在时间域和空间域的融合技术,利用遥感数据时空融合技术获得的融合影像既具备低空间分辨率影像的高时间分辨率特征,又具备中空间分辨率影像的高空间分辨率特征.提出了一种新的遥感数据时空融合方法(STDFA).该方法从时序MODIS数据中提取地物的时间变化信息,结合早期Landsat-TM影像的纹理信息,融合出具有MODIS时间分辨率和TM空间分辨率的影像.以江苏省南京市江宁区为研究区,以Landsat红波段和近红外波段为融合波段,对该方法进行了测试.结果显示,该方法能够产生高精度的中空间分辨率影像,融合影像与真实影像间的相关系数达到0.939.融合影像计算的NDVI与真实中空间分辨率影像计算的NDVI间的相关性达到0.938.     

基于形状特征的图像搜索研究

基于内容的图像搜索可以分为特征提取,对象表示和对象匹配.在特征提取中有色彩,纹理,形状和空间关系等特征,而形状特征能给人们带来非常直观的信息.在形状特征的边缘提取中采用Prompt edge detection方法来获取图像边界,并与Sobel 算子边缘提取法进行比较.在对象表示中采用边缘点的爬山序列,爬山序列能在对象移动,旋转和缩放后保持一致性,是一种较好的对象特征表示方法.     

基于多尺度欧拉矢量的图像检索算法

在分析以往基于边缘的图像检索算法的基础上,提出了一种基于多尺度欧拉矢量的图像检索算法。该算法针对灰度图像,以小波变换为基础,利用小波模极大值对图像进行多级小波分解,得到多尺度下的边缘图像,针对每一幅边缘图像,计算其欧拉数,构造一个欧拉矢量,作为对图像特征的描述。同时,考虑到欧拉矢量之间的相关性,设计了相关权值矩阵,提出采用马氏距离进行相似性度量。该矢量不仅能很好的表示图像的形状特征,而且具有平移、尺度和旋转不变性,同时它又是图像的一个整体特征,能刻画图像的拓扑结构。实验结果表明该算法计算简单,有效,匹配快速,检索结果比较理想。     

Finding main road seeds based on symmetrical edge orientation histogram

A new shape-based feature vector for automatic extraction of main roads in aerial images is presented. The vector describes main roads by the topology of their edge pixels, and its performance is invariant with respect to translation, rotation, scaling and illumination variations. Experimental results show that the proposed method describes and models main roads adequately.     

基于多分辨率Trace变换的纹理图像分类

针对Trace变换提取的图像特征缺乏对纹理边缘信息描述和计算代价高的问题,利用小波变换对图像轮廓的表征优势,提出了多分辨率Trace变换并应用于纹理图像分类.首先,将小波变换引入到Trace变换中,对纹理图像进行非下采样小波变换,得到不同频率的低频特征子图及高频边缘子图;其次,在各级子图上进行一组泛函的Trace变换,获取纹理图像的融合特征,在获得图像边缘信息的同时避免了Trace变换不同泛函组合计算代价过高的问题;最后,把融合特征送入支持向量机对图像进行分类.实验结果表明,对图像采用多分辨率Trace变换提取的融合特征具有更好的纹理描述能力,相对于传统Trace变换及MCM等对比方法具有更高的鉴别性能,且在时间效率上相对于传统Trace变换有大幅提升.     

张量子空间降维的边缘图像匹配

针对传统基于向量子空间降维的图像匹配算法易丢失像素间邻域关系和计算量大的问题,提出一种基于张量子空间降维的边缘图像匹配算法。通过双边投影变换提取边缘图像的张量子空间,在降低特征空间维数的同时保持边缘特征之间的邻域关系,同时采用边缘膨胀后的互相关度量模板与实时图的相似性。标准人脸数据库和红外实时图像的匹配实验结果表明:该算法在匹配时间、匹配正确率、匹配精度3方面较传统基于向量子空间的匹配算法有显著的性能提高,并且对杂波和部分遮挡有较强的适应性。     

基于选择学习机制的深度图像超分辨率算法

针对深度图像传感器与彩色图像传感器的空间分辨率较差的问题,提出一种提高深度图像分辨率的算法,不同于传统方法,本文算法是基于机器学习的超分辨率选择机制,选择均值型、最大值型和中值型三种滤波器方法作为候选方法。首先运用高分辨率深度图像下采样和高分辨率彩色图像选择最优的滤波器,同时经过特征提取获得特征集;然后,高分辨率深度图像直接通过最优滤波器获得特征集;最后,这些特征集经过支持向量机(SVM)训练获得滤波器分类器。此外,本文还提出了一种频域特征向量,用于提高算法识别性能。无噪声和有噪声的深度图像实验验证了本文算法的有效性和鲁棒性,在真彩色和飞行时间深度图像的实验结果表明,本文算法的性能优于传统算法。     

基于梯度向量流场的眼睛特征提取

根据人脸图像的边缘梯度图提出了一种新的基于梯度向量流场的眼睛特征提取方法。该算法改进原有的梯度向量流迭代方程求解梯度向量流场,以梯度向量流场中的汇点作为候选点,通过人脸器官的几何位置关系等方法评价候选点以定位眼球。该算法能较好地容忍一定的光照变化、人脸的小角度倾斜和旋转、闭眼和眼镜等干扰。在具有以上干扰的ORL人脸库的400幅图像上的实验证明,该算法具有较好的眼睛特征抽取能力。     

基于场景复杂度与不变特征的航拍视频实时配准算法

实时、鲁棒的图像配准是航拍视频电子稳像、全景图拼接和地面运动目标自动检测与跟踪的前提和关键技术.本文以航拍视频序列为处理对象,提出了一种新的基于场景复杂度与不变特征的实时配准算法,其主要特点包括：(1)在对航拍视频配准难点进行详细分析的基础上,有针对性的提出基于积分图的快速图像尺度空间构建、依据场景复杂度的检测特征点数量在线精确控制、基于描述子误差分布统计特性级的联分类器构造等新方法,使得算法配准性能不随场景的复杂度发生改变,能够在各种地貌条件下实时、稳定的进行图像配准;(2)将多尺度Harris角点和SIFT描述子相结合,并通过对帧间变换模型参数进行鲁棒估计,保证了算法具有良好的旋转、尺度、亮度不变性和配准精度.实验结果表明,算法可在场景变化、图像大幅度平移、尺度缩放和任意角度旋转等复杂条件下实时、精确的进行图像配准,对分辨率为320×240的航拍序列的平均处理速度达到20.7帧/秒.     

航空图片中车辆的检测方法研究

本文提出了一种航空图片中车辆目标的检测方法。我们的检测过程分为三步，首先对图像进行旋转，使感兴趣的方向在图中为垂直方向，然后分别水平边缘和垂直边缘，利用车辆在航空图片中所呈现出来矩形轮廓特征对潜在的目标进行初步定位，然后提取的目标的区域投影特征对目标进行进一步的识别。算法利用了图像中目标的边缘特征和区域信息，可以进行完全自动检测识别，速度也较快，实验证明我们的算法对于航空图片中车辆的检测是很有效的。     

一种快速的航空图像边缘提取方法

航空图像边缘提取对于图像的判读具有重要的辅助作用.在分析航空图像特点和形态学基本原理的基础上,提出了一种新的复合型数学形态学边缘提取算法.通过对一幅实际的航空图像的仿真实验,结果表明,该方法比传统的数学形态学边缘提取算法具有更好的抗噪能力和边缘提取效果,并且算法运算时间短.     

一种基于多级空间视觉词典集体的图像分类方法

针对单一特征时存在提取的信息量不足,对图像内容描述比较片面,提出将传统的SIFT特征与KDES-G特征进行串行融合,生成一个联合向量作为新的特征向量.针对传统的视觉词典构造方法缺乏考虑视觉词汇在空间的分布特点,本文引入图像空间信息,提出了一种空间视觉词典的构造方法,先对图像进行空间金字塔划分,再把空间各子区域内的特征分别聚类,构建属于对应子空间区域的空间视觉词典.在图像表示阶段,图像各子区域内的特征基于其对应的空间视觉词典进行LLC稀疏编码,根据各子区域对图像贡献程度的不同,把编码后各子区域的特征向量赋予不同的权重加权处理,再连接形成最终的图像描述.最后,利用线性SVM进行图像分类,实验结果表明了本文方法的有效性和鲁棒性.