基于形态成分分析的复杂背景SAR图像舰船尾迹检测

SAR图像舰船尾迹检测不仅可用于反演运动舰船的航速航向信息,也有助于发现远小于尾迹的弱小舰船目标.针对现有基于直线检测的舰船尾迹检测方法一般仅适用于简单海况背景SAR图像的问题,提出一种基于形态成分分析的复杂背景SAR图像舰船尾迹检测方法.该方法依据各形态成分只在特定字典下稀疏表示的基本原则,针对舰船尾迹的"线"奇异性及海面纹理的"点"奇异性分别选择不同的基函数构建字典,实现了稀疏意义下舰船尾迹结构成分与海面纹理成分的分离;通过剪切波高频系数重构,实现了舰船尾迹结构成分的增强;最终,使用Radon变换进行舰船尾迹线检测与定位.定性与定量实验结果表明,复杂海况背景下,采用该方法进行舰船尾迹检测的效果明显优于现有其他方法.     

基于形态字典学习的复杂背景SAR图像舰船尾迹检测

SAR图像舰船尾迹检测不仅可用于反演运动舰船的航速航向信息,也有助于发现弱小舰船目标.然而现有舰船尾迹检测方法一般仅适用于简单海况背景下的SAR图像,复杂海况背景下的检测效果难以满足应用需求.本文提出一种基于形态成分分析与多字典学习的复杂背景舰船尾迹检测方法.该方法针对海况背景的复杂多变性以及舰船尾迹类型的有限性,通过离线学习方式构建海面纹理字典,通过解析方式构建尾迹结构字典并迭代更新,将图像分解为包含舰船尾迹的结构成分与包含海面背景的纹理成分,利用剪切波变换对结构成分高频系数重构以增强结构成分,并通过Radon变换对增强后的结构成分进行尾迹线检测.实验结果表明,本文所提方法对于复杂背景SAR图像舰船尾迹检测的效果明显优于现有方法.     

基于Gabor滤波器和HOG特征的织物疵点检测

针对织物疵点检测问题,提出了一种基于Gabor滤波器和方向梯度直方图（HOG）特征的织物疵点检测算法。首先使用3个尺度、4个方向的Gabor滤波器组对织物图像进行滤波,并做融合处理,增强织物图像疵点区域和背景纹理之间的对比度;然后使用双边滤波减弱图像背景纹理和噪声的影响;最后将图像划分成均匀子块,提取每个子图像块的HOG特征,利用图像疵点区域和背景纹理的HOG特征差异进行阈值分割实现织物疵点的检测。实验选取5种常见织物疵点进行验证,并与传统的Gabor滤波算法进行了实验对比,结果表明该算法可以较好的抑制织物背景纹理的干扰,更加准确的检测出织物疵点。     

基于归一化灰度Hough变换的SAR图像舰船尾迹检测算法

舰船尾迹检测作为近年来SAR图像海洋应用的一个重要方面而受到关注。目前大多数研究都是利用Radon变换作为数学工具，结果得到增强的是尾迹特征，而不是尾迹的端点。从提取尾迹的端点坐标出发，在传统Hough变换算法基础上进行改进，提出了基于归一化灰度Hough变换的SAR图像舰船尾迹检测算法，并推导出尾迹端点反演算法，同时自动提取舰船的航速，取得了较好的实验结果。     

融合多特征与先验信息的显著性目标检测

目的 图像的显著性目标检测是计算机视觉领域的重要研究课题。针对现有显著性目标检测结果存在的纹理细节刻画不明显和边缘轮廓显示不完整的问题,提出一种融合多特征与先验信息的显著性目标检测方法,该方法能够高效而全面地获取图像中的显著性区域。方法 首先,提取图像感兴趣的点集,计算全局对比度图,利用贝叶斯方法融合凸包和全局对比度图获得对比度特征图。通过多尺度下的颜色直方图得到颜色空间图,根据信息熵定理计算最小信息熵,并将该尺度下的颜色空间图作为颜色特征图。通过反锐化掩模方法提高图像清晰度,利用局部二值算子（LBP）获得纹理特征图。然后,通过图形正则化（GR）和流行排序（MR）算法得到中心先验图和边缘先验图。最后,利用元胞自动机融合对比度特征图、颜色特征图、纹理特征图、中心先验图和边缘先验图获得初级显著图,再通过快速引导滤波器优化处理得到最终显著图。结果 在2个公开的数据集MSRA10K和ECSSD上验证本文算法并与12种具有开源代码的流行算法进行比较,实验结果表明,本文算法在准确率-召回率（PR）曲线、受试者工作特征（ROC）曲线、综合评价指标（F-measure）、平均绝对误差（MAE）和结构化度量指标（S-measure）等方面有显著提升,整体性能优于对比算法。结论 本文算法充分利用了图像的对比度特征、颜色特征、纹理特征,采用中心先验和边缘先验算法,在全面提取显著性区域的同时,能够较好地保留图像的纹理信息和细节信息,使得边缘轮廓更加完整,满足人眼的层次要求和细节要求,并具有一定的适用性。     

自适应加权融合显著性结构张量和LBP的表情识别

针对局部二值模式（Local Binary Pattern，LBP）提取纹理特征时忽略了图像的局部结构信息问题，提出一种自适应加权融合显著性结构张量和LBP的表情识别算法。该算法通过对整幅图片进行显著性区域检测得到全局显著图来消除细小的纹理和噪声。在显著图的基础上进一步提取两种显著性纹理特征，根据每种特征信息熵的贡献度来作为特征向量的加权依据。利用支持向量机（Support Vector Machine，SVM）进行表情图像的分类。实验结果表明，自适应加权融合的两种纹理特征能够较好地描述人脸的特征，有效地提高表情识别率。     

基于四元数Gabor滤波的彩色纹理特征提取

现有的彩色图像纹理特征提取方法是将彩色图像转换为灰度图像或者对彩色图像进行分通道处理,这样的处理方法会丢失原图像的颜色信息和各通道间的相关性,导致特征图像的纹理特征和原图像的纹理特征差异较大。基于上述问题,提出了一种四元数Gabor彩色纹理特征提取方法。首先,根据Gabor滤波和四元数欧拉公式,推导出四元数Gabor滤波,并将彩色图像用四元数矩阵表达;其次提出四元数Gabor滤波卷积算法处理彩色图像,得到多尺度多方向的彩色纹理特征图像;最后对得到的彩色纹理特征图像进行Tamura统计特征的提取。实验结果表明,该方法可以很大程度地保留原图像的粗糙度、对比度和方向度等纹理特征,同时可以提取到原图像的颜色信息。在转化为灰度图像后,该方法在保留粗糙度、对比度和方向度等纹理特征方面优于传统Gabor方法和LBP方法。     

二级分区下颜色融合纹理的刑侦图像检索

多数刑侦图像检索算法缺乏图像局部特征的提取,从而导致检索精确度较低。对此,提出一种新的二级分区下颜色融合纹理的刑侦图像检索算法。该算法采用二级分区将图像划分成多个局部区域;提取局部区域的颜色自相关图特征和双树复小波结合多方向多参数的灰度共生矩阵的纹理特征;以串行的方式融合局部区域特征。使用核主成分分析法(Kernel Principle Component Analysis,KPCA)进行特征选择,以欧式距离作为相似性度量实现检索。通过在两个刑侦图库的实验结果表明,该算法的平均精确度均高于传统的刑侦图像检索算法,具有良好的检索效果。     

多尺度上下文信息增强的显著目标检测全卷积网络

针对目前基于深度学习的显著目标检测算法存在的目标完整性和区域平滑度的不足,基于非局部深度特征提出一种多尺度上下文信息增强的全卷积网络算法,包含多级别特征提取、多尺度上下文特征增强、对比度特征提取和局部-全局信息融合预测4个模块.首先从VGG16模型提取多级别局部特征,利用多尺度上下文实现特征信息增强;然后设计组合的损失函数进行网络训练以学习对比度特征;最后用局部-全局融合的方式实现显著图的预测.与已有算法在ECSSD,HKU-IS和DUT-OMRON数据集上进行实验的结果表明,该算法在复杂场景图像上的鲁棒性更好,对背景噪声具有更有效的抑制作用,得到的显著目标区域更加连续和完整.     

基于二维Gabor滤波器的胶带撕裂检测

现有的基于机器视觉技术的胶带撕裂检测方法处理背景纹理复杂的图像时易将撕裂痕迹相对背景纹理不明显的缺陷区域误判为无缺陷,且检测结果噪点较多,不易识别。针对上述问题,提出了一种基于二维Gabor滤波器的胶带撕裂检测方法。该方法采用Gabor滤波对胶带图像进行处理,得到多幅Gabor滤波处理图;通过Gabor优化选择方法,以变异系数为基础构建新的代价函数,选取最优滤波通道,突出撕裂区域纹理特征;利用Sobel算子分别提取水平和垂直方向的撕裂区域纹理特征,得到2个方向的梯度图,对所得梯度图进行自乘归一化操作,增强纹理信息,采用像素加权平均法融合2幅图像;将得到的融合图像通过自适应阈值二值化的方法进行阈值分割,并利用形态学技术对待检测图像进行胶带撕裂检测。检测结果表明,改进后的Gabor优化选择方法比原Gabor优化选择方法和基于Sobel算子的纵向撕裂检测方法漏检率更低,可以检测出背景纹理复杂的胶带缺陷图像中的所有缺陷,并且检测结果清晰,撕裂区域轮廓特征保留较为完好。     

树状小波局部对比度与图像融合及性能评估

针对红外热成像中目标识别和跟踪的特点,提出了一种基于树状小波变换的局部对比度融合算法,首先采用多尺度树状小波变换的方法对已配准的源图像在相应的能量准则下进行分解,克服了小波变换的移变性;对于分解后的低频子图像采用加权平均的融合规则,对于高频子图像采用局部对比度量测的融合规则,融合图像既保持了源图像的细节信息,又滤去了红外成像中的各类噪声。采用交叉分辨力评价算子量测红外图像中目标与背景的衬比度;通过仿真及基于客观的图像融合评价标准,分别从信息熵、标准差、平均梯度和交叉熵四个参数对图像融合效果进行评估,证明了对于双波段红外辐射图像的融合,提出的融合算法优于小波融合算法、形态学区域分割融合算法。算法尤其适用于红外热成像系统的目标识别和跟踪。     

无人机红外舰船目标分割

利用舰载无人机执行情报、侦察任务已经成为海上信息化作战中的重要手段。红外图像分割是无人机探测红外舰船目标特征提取、识别与跟踪的基础。针对红外图像普遍存在目标与背景对比度较低、目标边缘模糊和信噪比低等特点,提出了改进的基于局部熵过渡区提取的分割方法。实验结果表明,与一维和二维最大类间方差法的分割性能相比,该方法在满足实时性要求下可以获得良好的分割结果。     

Fully Polarimetric SAR Ship Detection based onPCDM Shannon Entropy#br#

Polarimetric Synthetic Aperture Radar（PolSAR）data contains rich polarization information about the scattering properties of ground objects,having beenwidely used in maritime monitoring and objects detection.The polarization reaction differences between ship targets and sea clutters are analyzed.A ship detection method using the Shannon entropy of the Polarimetric Covariance Difference Matrix (PCDM) is proposed in this paper,which is applied to fully polarimetric SAR images.To enhance the contrast between the ship targets and sea background,the PCDM is generated by calculating the elemental differences between the polarimetric covariance matrix at each pixel and its neighbors.Then the Shannon entropy of SAR images are extracted on the basis of the Shannon entropy calculation formula,and the character difference between the ships and background in the Shannon entropy map is presented for ship detection.The false alarms in the detection result caused by the azimuth ambiguities are removed,based on the displacement distance and energy ratio relationship,between the target and azimuth ambiguity.The Radarsat\|2 Fine Quad data and the Chinese GF\|3 Quad\|Polarimetric Stripmap Ⅰ data are used,to verify the effectiveness of the proposed method,and the SPAN method,HV channel image and polarimetric whitening filter (PWF) method are applied for comparison.The detection and comparison results indicate that the proposed method is able to effectively enhance the ship\|sea contrast,and has higher detection accuracy.     

信息熵和信息瓶颈算法在图像聚类中的应用

提出基于信息熵特征选择和信息瓶颈算法的图像聚类算法,首先提取图像的Gabor小波纹理特征和灰度共生矩阵纹理特征,然后采用信息熵特征选择方法进行特征降维;图像聚类方法很多,其中较为典型的k-means聚类算法,但它过分依赖距离函数和聚类中心的选择,采用信息瓶颈算法对图像进行聚类,信息瓶颈算法不需要定义距离函数,它考虑了样本与特征的关系,不仅压缩了样本的信息,同时又考虑保留特征信息。实验结果表明,提出的方法具有良好的聚类效果。     

基于局部梯度和局部熵的红外小目标融合检测

提出了一种基于局部梯度强度和局部熵的红外小目标融合检测的方法。小目标检测是整个自动目标识别系统的一个非常重要的子系统，可以说，检测子系统的性能在很大程度上决定了自动目标识别系统的性能。由于弱小目标的存在会引起其所在区域的内部细节和局部纹理与背景相比发生较大的变化，而局部梯度强度和局部熵非常好地刻画这种变化。文中通过提取序列图像中每帧的局部梯度强度和局部熵的特征图像，进行自适应的融合。为了充分利用目标的运动信息，连续多帧图像的融合特征图像进行能量累积，达到进一步提高检测概率，降低虚警率。实验结果证明了方法的有效性。     

基于局部Gabor自适应三值模式的人脸识别

提出一种融合Gabor特征和局部三值模式（LTP）的人脸识别方法,并在算法中对局部三值模式（LTP）进行改进,提出能够自适应阈值的LATP算子。对归一化后的人脸图像进行多尺度、多方向的Gabor滤波提取其对应的幅值特征,在每个幅值图像上进行LATP运算,抽取局部邻域关系模式,这些模式的区域直方图再经过信息熵加权并串联得到最终的人脸描述,识别过程使用[χ2]距离对特征直方图进行相似度匹配。在ORL和Yale人脸数据库上实验,结果表明提出的算法对人脸表情和光照变化具有更好的适应性,对噪声干扰具有更强的鲁棒性。     

基于Gabor滤波器和SVM分类器的红外车辆检测

提出一种基于Gabor滤波器和支持向量机(SVM)的红外车辆检测方法。该方法首先应用阈值分割并结合边检测确定候选区域;其次应用Gabor滤波器对选定的车辆和背景样本集进行特征提取,训练SVM分类器。这里提出一种特征加权技术,即根据特征矢量中邻近分量的离散程度对其自身进行加权;最后应用SVM进行分类检测,以判断候选区域内是否存在车辆。实验数据表明了该方法的实用性和可行性。     

基于图像和改进Gabor相结合的人脸检测

为了提高人脸检测的速度,文章提出了一种基于图像和改进Gabor滤波器相结合的检测方法。该方法用改进的Gabor滤波对训练样本进行变换,提取出人脸特征的特征向量;在检测时,首先利用双眼区域的亮度关系和脸部的对称特征来快速过滤掉大量的背景区域,其次利用改进的滤波器对余下的区域进行进一步验证,以确定是否为人脸。仿真和实验表明,该算法在不降低准确率的基础上其检测速度有明显的提高。