多源遥感图像融合的数据同化算法

为解决现有融合方法不能根据遥感图像的后续处理要求对融合规则进行自适应调整的问题, 本文结合模型算子和观测算子的优点构建数据同化系统, 提出了基于数据同化和遗传粒子群方法的遥感图像融合算法. 该算法将平移不变性小波变换作为模型算子, 将对比度金字塔作为观测算子. 由后续处理对图像属性指标的依赖程度确定属性指标的权重, 用评价指标的加权和构造目标函数, 并用遗传粒子群算法优化目标函数, 从而获取高清晰度的遥感图像. 本文通过遥感全色图像与多光谱图像、红外图像与可见光图像的融合证明了算法的优越性.     

粒子滤波算法在数据同化中的应用研究进展

数据同化能将观测数据和模型模拟有机结合,优势互补,成为全球环境变化研究的重要方法之一。在数据同化算法的发展过程中,粒子滤波算法不受模型线性和误差高斯分布假设的约束,成为当前数据同化算法研究的重点。通过对粒子滤波算法在数据同化中应用研究进展的相关文献进行收集、整理和归纳,总结了粒子滤波算法的优势及在数据同化中的应用,并分析了粒子滤波算法应用于数据同化时所存在的主要问题和相应的解决方法,最后展望了未来的研究重点及发展趋势,为深入开展粒子滤波算法研究、使之更好地应用于数据同化领域提供理论依据。     

Contourlet变换系数加权的医学图像融合

目的 由于获取医学图像的原理和设备不同,不同模式所成图像的质量、空间与时间特性都有较大差别,并且不同模式成像提供了不互相覆盖的互补信息,临床上通常需要对几幅图像进行综合分析来获取信息。方法 为了提高对多源图像融合信息的理解能力,结合Contourlet变换在多尺度和多方向分析方法的优势,将Contourlet变换应用于医学图像融合中。首先将源图像经过Contourlet变换分解获得不同尺度多个方向下的分解系数。其次通过对Contourlet变换后的系数进行分析来确定融合规则。融合规则主要体现在Contourlet变换后图像中的低频子带系数与高频子带系数的优化处理中。针对低频子带主要反映图像细节的特点,对低频子带系数采用区域方差加权融合规则;针对高频子带系数包含图像中有用边缘细节信息的特点,对高频子带系数采用基于主图像的条件加权融合规则。最后经过Contourlet变换重构获得最终融合图像。结果 分别进行了基于Contourlet变换的不同融合规则实验对比分析和不同融合方法实验对比分析。通过主观视觉效果及客观评价指标进行评价,并与传统融合算法进行比较,该算法能够克服融合图像在边缘及轮廓部分变得相对模糊的问题,并能有效地融合多源医学图像信息。结论 提出了一种基于Contourlet变换的区域方差加权和条件加权融合算法。通过对CT与MRI脑部医学图像的仿真实验表明,该算法可以增加多模态医学图像互补信息,并能较好地提高医学图像融合的清晰度。     

基于数据同化和遗传退火的多聚焦图像融合

针对现有的融合方法不能根据融合图像的后续使用目的对融合规则进行调整的问题,提出一个基于数据同化和遗传退火算法的多聚焦图像融合框架.该框架将小波变换作为模型算子,把主成分分析法作为观测算子,根据后续处理对图像各个属性指标值的依赖程度确定各个属性指标的权重;再用各个评价指标的加权和来构造目标函数;利用遗传退火算法优化目标甬数,以获取更合适的图像.最后通过一组实验证明了该框架的有效性.     

数据同化框架下基于差分进化的遥感图像融合

针对现有融合方法的结果图像不易根据后续处理的要求进行自适应调整, 不同方法的优点不易综合的问题, 借鉴气象领域中的数据同化系统能综合其模型算子和观测算子两者优点的思想, 提出一个基于差分进化的遥感图像融合框架. 在该框架下, 将基于对比度àtrous的Contourlet变换作为模型算子, 独立分量分析和àtrous小波变换作为观测算子, 用差分进化(Differential evolution, DE)算法来优化由图像定量评价指标组成的目标函数, 从而获取更合适的图像. 二组实验从视觉效果和定量指标两方面验证了该框架的有效性.     

基于非下采样轮廓波变换和压缩感知的图像融合方法

针对基于非下采样轮廓波变换(NSCT)的图像融合算法存在计算复杂度较高的问题,提出一种基于NSCT和压缩感知的图像融合方法.首先根据压缩感知理论的特点将其应用于图像融合领域,并采用Min-TV的方法重构图像;然后对NSCT进行分解,其计算量较大的带通子带系数采用基于压缩感知理论的图像融合方法;最后对低通融合图像和带通融合图像进行NSCT逆变换,得到最终的融合图像.通过仿真实验,从主观感知和客观数据的对比分析上验证了所提出方法的有效性.     

基于均方差快速增强的图像修复算法

在分析几种关键图像修复算法的实现原理、适用性及其优劣的基础上,针对目前图像修复算法可能存在适用性有限、优化修复算法中存在的算法复杂度较高或者未考虑破损图像的结构信息的情况,提出了一种基于数据融合的加权均方差快速增强图像修复算法,并将其应用于壁画和自然图像的修复实验中。通过系统仿真实验证明,在修复强结构纹理自然图像和壁画时该方法能紧密结合图像结构信息进行有效地修复,同时,其适用性在原有的基础上有所提高。     

基于梯度融合规则的医学图像融合方法*

为了更好地满足临床诊断和治疗的需要,本文提出了一种在图像融合阶段对测量值进行自适应梯度加权和图像重建时采用CoSaMP重建算法相结合的方法。该算法首先对两幅源图像分块并进行稀疏表示,同时利用观测矩阵进行测量。在测量数据融合阶段引入图像梯度来反应图像本身的边界信息,先计算每幅分块子图像的梯度;然后利用自适应梯度加权的融合规则得到融合的测量数据,并对融合测量数据进行随机压缩采样;最后通过CoSaMP算法对采样数据进行信息重构实现测量数据的恢复。该方法克服了图像融合时信息畸变的缺陷,并且可以根据不同融合区域自动调整融合规则的权重系数,有效地避免了设置固定权重系数造成的融合误差。实验结果和评价指标验证了本文算法的有效性和先进性。     

融合支持向量机算法的数据驱动型数据同化方法研究

数据驱动建模是从数据中探究状态变量的时空演化关系。数据驱动型数据同化方法是探索使用数据驱动模型替代传统（基于物理的）模型,实现优化融合观测信息与模型模拟的同化方法。研究将数据驱动的支持向量机回归预测模型应用于集合卡尔曼滤波过程中,使用模拟预测方法对动力学系统进行非参数采样得到系统轨迹的代表性样本集,从样本集中重构动力学系统。提出一种支持向量机回归机器学习模拟预测策略的数据驱动数据同化方法,并将其应用于经典模式驱动同化系统。采用Lorenz-63和Lorenz-96非线性模型进行数值实验。通过改变样本集大小、噪声方差和观测步长等敏感性参数比较数据同化性能。结果表明：对于较大的样本集,该组合方法优于一般的顺序数据同化方法,从而证明新方法的有效性。     

图像统计模型参数估计中的期望最大值算法

期望最大值算法是近年来图像统计模型参数估计技术领域的研究热点之一。在对期望最大值算法分析的基础上,结合其在图像统计模型参数估计中的应用研究,对改变标准期望最大值算法的3种方式进行比较分析。结合图像恢复、分割、目标跟踪以及与其他优化算法的融合应用,从丢失数据集的选取、丢失数据集和不完全数据集统计模型的建立,以及统计模型参数估计3个方面,评述期望最大值算法优缺点。丢失数据的选取和不完全数据的描述形式直接决定期望最大值算法的结构和计算复杂度,以致算法的成败。最后,讨论期望最大值算法目前存在的问题及未来的发展方向,指出其在具有丢失数据统计模型参数估计中广泛应用。     

内容感知的图像重定向方法综述

随着各种智能设备的不断涌现,同一图像往往需要改变纵横比和大小来适应不同显示屏幕.基于内容感知的图像重定向方法通过研究图像重要内容的保持,使得图像自动适应到不同大小的显示设备上.主要对近年来基于内容感知的图像重定向方法的研究现状进行总结.按照重要度图的获取以及基于重要度图的重定向方法两方面回顾了手工特征的图像重定向;从基...     

基于小波变换的多尺度图像融合

随着科学的发展和技术的进步,图像数据融合技术作为解决如何从多幅图像中恢复出原始图像的问题的重要方法已日益引起人们的重视。文章在总结了传统的图像融合方法的基础上,提出了基于小波的图像融合方法,在高频域内综合考虑了图像的边缘特征和内部能量特征进行融合,在低频内直接采用区域能量进行融合,最后利用小波逆变换得到融合结果。经试验证明了该方法的有效性。     

A survey on region based image fusion methods

Image fusion has been emerging as an important area of research. It has attracted many applications such as surveillance, photography, medical diagnosis, etc. Image fusion techniques are developed at three levels: pixel, feature and decision. Region based image fusion is one of the methods of feature level. It possesses certain advantages – less sensitive to noise, more robust and avoids misregistration. This paper presents a review of region based fusion approaches. A first hand classification of region based fusion methods is carried out. A comprehensive list of objective fusion evaluation metrics is highlighted to compare the existing methods. A detailed analysis is carried out and results are presented in tabular form. This may attract researchers to further explore the research in this direction.     

面向图像文本的多模态处理方法综述

在深度学习领域,解决实际应用问题往往需要结合多种模态信息进行推理和决策,其中视觉和语言信息是交互过程中重要的两种模态。在诸多应用场景中,处理多模态任务往往面临着模型架构组织方式庞杂、训练方法效率低下等问题。综合以上问题,梳理了在图像文本多模态领域的近五年的代表性成果。首先从主流的多模态任务出发,介绍了相关文本和图像多模态数据集以及预训练目标。其次,考虑以Transformer为基础结构的视觉语言模型,结合特征提取方法,从多模态组织架构、跨模态融合方法等角度进行分析,总结比较不同处理策略的共性和差异性。然后从数据输入、结构组件等多角度介绍模型的轻量化方法。最后,对基于图像文本的多模态方法未来的研究方向进行了展望。     

基于深度学习的行为识别多模态融合方法综述

行为识别是通过对视频数据进行处理分析从而让计算机理解人的动作和行为.不同模态数据在外观、姿态、几何、光照和视角等主要特征上各有优势,通过多模态融合将这些特征进行融合可以获得比单一模态数据更好的识别效果.本文对现有行为识别多模态融合方法进行介绍,对比了它们之间的特点以及获得的性能提升,包括预测分数融合、注意力机制、知识蒸馏等晚期融合方法,以及特征图融合、卷积、融合结构搜索、注意力机制等早期融合方法.通过这些分析和比较归纳出未来多模态融合的研究方向.     

小波变换在SPOT5全色与多光谱图像融合中的应用

离散小波变换可以将图像分解成为一系列具有不同分辨率特征、频率特征和方向特性的子带信号,并且将图像的光谱特征和空间特征分离,从而为不同分辨率的遥感图像融合提供了有利条件。采用小波变换融合方法对SPOT5全色与多光谱图像进行融合处理,以提高图像的空间信息质量和光谱质量为目的。通过对融合结果图像进行主观和客观的综合评价,可得出融合前后图像灰度均值变化很小,灰度标准差、熵和清晰度三者变化趋势一致;当小波分解层数为3时,融合图像的光谱质量与空间质量之间达到较好的平衡,同时融合图像的视觉效果良好。     

深度学习图像合成研究综述

图像合成一直是图像处理领域的研究热点，具有广泛的应用前景。从原图中精确提取出前景目标对象并将其与新背景合成，构造尽量接近真实的图像是图像合成的基本目标。为推动基于深度学习的图像合成技术研究与发展，本文论述了当前图像合成任务中面临的主要问题： 1）前景对象适应性问题，包括前景对象相对于背景图像的大小、位置、几何角度等几何一致性问题，以及前后景互相遮挡、前景对象边缘细节模糊的外观一致性问题； 2）视觉和谐问题，包括前后景色彩、对比度、饱和度等不统一的色调一致性问题，及前景对象丢失对应阴影的阴影缺失问题； 3）生境适应性问题，表现为前景对象与背景图像的逻辑合理性。总结了目前为解决不同问题主要使用的深度学习方法，同时对不同问题中的合成图像结果进行质量评估，总结了相应的评价指标，并介绍了为解决不同问题所使用的公开数据集，同时进行了深度学习方法的对比，描述了图像合成技术的主要应用场景，最后分析了基于深度学习的图像合成技术中仍然存在的不足，同时提出可行的研究意见，并对未来图像合成技术发展方向提出展望。     

基于像素级的图像融合方法研究

图像融合是信息(数据)融合的重要分支和当前研究热点。其任务是对多幅源图像信息进行提取与综合，以获得对同一场景、目标的更准确、更全面、更可靠的图像描述，从而实现图像的进一步分析、理解及目标的检测、识别或跟踪。首先对基于像素级图像融合的基本方法、塔形分解法及小波变换法进行了详细介绍，然后针对各种方法的特点及应用场合进行了对比、分析与评价。