基于多尺度马尔科夫随机场融合的遥感图像变化检测

在区域变化检测中,为了克服配准误差或噪声引起的伪变化,从多尺度融合的角度出发,对多尺度分析应用于遥感图像变化检测进行了探讨.首先利用小波变换对原始图像进行多尺度分解,然后利用马氏距离判决函数对不同尺度图像进行变化检测,最后利用马尔科夫随机场将不同尺度变化检测结果进行融合.由于马尔科夫随机场融合方法充分考虑了相邻像素间的相关性和不同尺度检测结果的联系,从而使融合结果更细致和精确.一系列图像的实验结果证明本方法具有很好的实用性和鲁棒性.     

集成多特征信息的运动阴影检测

为实现监控场景中运动目标和阴影的准确分割,提出了一种基于GMM和MRF的运动阴影检测与消除算法.首先,利用GMM的学习能力建立背景统计模型并得到前景区域像素集合.其次,将前景区域与对应背景区域间的颜色、边界、纹理和时空一致性等特征信息集成到马尔可夫随机场能量函数中,并利用图割算法实现马尔科夫随机场能量函数的最小化,得到...     

利用小波域HMC模型进行遥感图像变化检测

传统阈值检测算法都是基于单函数模型进行的,当差异影像分布函数较复杂时检测结果较差．针对这个问题,提出一种基于小波域的隐马尔科夫链模型的遥感图像变化检测算法．将双高斯混合模型与小波变换结合,解决了单函数模型匹配率低的问题,并通过小波变换引入了图像的空间信息,提高了检测精度．利用双高斯混合模型对小波分解后的多层差异影像进行拟合,根据拟合结果判定待检测点类别．对得到的多层初始分割结果,利用隐马尔科夫链模型根据连续最大后验概率融合,得到最终变化检测图．对真实遥感数据集进行实验,证明这种算法可以得到较好的检测结果．     

基于水平集演化和支持向量机分类的高分辨率遥感图像自动变化检测

提出了基于水平集演化和支持向量机(SVM)分类的高分辨率遥感图像变化检测方法,该方法将像素级的和对象级的变化检测方法相结合,运用了像素特征和对象特征以提高变化类和非变化类的准确率。在像素级上,变化检测问题转化为水平集演化的图像分割问题。在对象级上,本文可以从分割结果中为SVM分类器自动地选择潜在的训练样本。最终将基于像素级的变化和基于对象级的变化相结合得到最终的变化结果。所提出的方法的主要优势在于可以自动选择合适的样本进行SVM分类器训练。此外,提出的方法可以有效的提高精确度和自动化水平。通过SPOT5图像和航空图像进行实验,结果表明该方法是有效的。     

基于多特征融合的SAR图像输电走廊变化检测

传统SAR变化检测使用单一描述来提取多时相SAR图像间的变化信息,没有充分挖掘图像中的多特征信息,导致复杂变化场景下算法检测精度不高.针对这一问题,提出一种基于多种特征融合的SAR图像变化检测方法.该方法首先对多时相SAR图像输电走廊区域进行多种特征提取,并选取合适SAR变化检测的特征,然后在多时相SAR图像中计算每种特征对应的差异图,最后从图像融合的角度分别使用主成分分析法(PCA)和证据推理理论(DST)对这些多特征对应的差异图进行融合并提取最终的变化检测结果.实验结果表明该方法具有较为满意的变化检测效果.     

基于深度学习的遥感影像变化检测方法

为了获得可靠的训练样本及提高遥感影像变化检测的精度,提出基于深度学习的遥感影像变化检测方法. 采用结构相似性方法（SSIM）选取纹理特征（灰度共生矩阵法）,通过融合变化向量分析（CVA）方法获取不同时相遥感影像差异图（DI）及纹理特征差异图获得差异影像,并采用构造的变分去噪模型对差异影像进行去噪. 利用频域显著性方法获取去噪差异影像的显著性图,通过模糊c-均值（FCM）算法对粗变化检测图（对显著性图选取阈值获得的）进行预分类（变化类、未变化类及未确定类）. 将从遥感影像上提取的变化像素和未变化像素的邻域特征引入深度神经网络模型进行训练,并利用训练好的深度神经网络模型对差异影像进行变化检测,得到最终的变化检测图. 对3组遥感影像数据集进行变化检测实验,结果表明本研究方法的变化检测精度高于其他比较方法.     

基于深度学习的遥感影像变化检测方法

为了获得可靠的训练样本及提高遥感影像变化检测的精度,提出基于深度学习的遥感影像变化检测方法.采用结构相似性方法（SSIM）选取纹理特征（灰度共生矩阵法）,通过融合变化向量分析（CVA）方法获取不同时相遥感影像差异图（DI）及纹理特征差异图获得差异影像,并采用构造的变分去噪模型对差异影像进行去噪.利用频域显著性方法获取去噪差异影像的显著性图,通过模糊c-均值（FCM）算法对粗变化检测图（对显著性图选取阈值获得的）进行预分类（变化类、未变化类及未确定类）.将从遥感影像上提取的变化像素和未变化像素的邻域特征引入深度神经网络模型进行训练,并利用训练好的深度神经网络模型对差异影像进行变化检测,得到最终的变化检测图.对3组遥感影像数据集进行变化检测实验,结果表明本研究方法的变化检测精度高于其他比较方法.     

一种基于MRF与区域合并的图像分割改进算法

针对现有基于马尔科夫随机场的图像分割算法容易出现过分割、分割结果不理想等问题,提出了一种基于马尔科夫随机场与区域合并的图像分割改进算法。该算法首先基于马尔科夫随机场与高斯混合模型理论的图像分割算法得到初始分割结果;然后利用各个区域间的相邻关系、颜色关系以及边界情况等信息,给出各个区域间的距离;最后按照区域间的距离与区域合并前后的颜色散度变化率对初始分割结果进行区域合并,输出最终的分割结果。使用伯克利标准图像库进行实验仿真,采用Dice系数和Jaccard系数作为评价指标。仿真结果表明,相比于现有基于MRF理论的算法,本文算法具有更好的分割效果。     

基于多尺度联合分割的SAR图像电力线走廊变化检测

基于多尺度联合分割方法,提出一种SAR图像电力线走廊变化检测算法。该算法首先通过TurboPixels算法对多时相SAR图像电线塔走廊进行多尺度联合过分割,每个过分割区域即为一个"超像素";然后根据超像素区域的统计分布差异计算每个尺度上的差异度;最后融合多尺度差异,利用自动阈值提取最终的变化检测区域.实验结果表明该算法具有较为满意的变化检测效果.     

像素级多传感器图像融合技术

随着图像传感器技术的发展,多传感器图像融合已成为图像理解、计算机视觉以及遥感领域中的一个研究热点,并广泛应用于自动目标识别、智能机器人、遥感、医学图像处理和制造业等领域.像素级多传感器图像融合获取的原始信息量最多、检测性能最好、应用范围最广,是各级图像融合的基础.详细介绍了像素级多传感器图像融合的原理,着重分析总结了常用的像素级多传感器图像融合的算法与质量评价标准,探讨了多传感器图像融合的应用与发展方向.     

基于概率图模型优化的图像融合

针对图像融合问题的马尔可夫随机场模型,应用图割算法优化求解其等价的能量函数,不仅可以获得融合问题的全局最优解,而且计算速度相对于模拟退火算法求解图像融合问题的能量函数有显著的提高,仿真结果表明该算法是可行和高效的.     

Neutrosophic fuzzy clustering segmentation algorithm based on HMRF

Considering neutrosophic C-means clustering algorithm with weak ability of suppressing noise, a neutrosophic C-means clustering segmentation algorithm based on the hidden Markov random field is proposed. First, the hidden Markov random field is used to describe the prior information of the arbitrary pixels classification. Second, information divergence between the prior information and sample classification membership is taken as a regular term and embedded into the existing neutrosophic C-means clustering objective function. Third, the samples in the European Space is mapped into the high-dimensional space through the kernel function, and the iterative expression for the neutrosophic C-means clustering segmentation algorithm based on the hidden Markov random field is obtained by the optimization method. Many standard, actual, and synthetic images corrupted by noise are used to validate the segmentation performance of the improved clustering segmentation algorithm. Experimental results show that the anti-noise performance of the proposed segmentation algorithm is improved significantly than the fuzzy C-means clustering algorithm based on the hidden Markov random field, and other fuzzy clustering segmentation algorithms.     

基于MRF的动态场景中运动目标提取方法研究

为在动态场景中准确完成运动目标的提取,提出一种新的基于MRF的运动目标提取方法.即提出在双尺度二阶邻域各向同性的MRF模型中,利用最小二乘法对初始分割结果进行MRF初始参数的自动求取,通过ICM算法实现最大后验概率的估计问题,获得MRF检测结果.采用形态学中的闭运算进行区域填充处理,根据二值化图像水平和垂直投影的顶点坐标实现运动目标区域的准确提取.对标准图像序列Coastguard和实际拍摄的动态场景图像序列的实验分析表明,提出的方法具有较高的精度和适应性,能够有效地完成运动目标的准确提取.     

基于局部马尔科夫随机场的模型校准嘴唇分割方法

为了有效挖掘人说话时的唇动特征,提出了一种综合局部区域马尔科夫随机场（Markov random field,MRF）特性和模型校准的嘴唇分割方法。将嘴唇区域图像从RGB转换到LUX色彩空间,并利用对数化色彩分量U实现初始化轮廓的确定。沿轮廓选取固定半径的圆形窗口函数界定局部区域,再利用马尔科夫随机场进行嘴唇分割,并使用基于Kullback-Leiller（KL）距离的模型校准方法使局部区域之间的分割结果相互协调。实验证明,该方法可以在皮肤中分离出嘴唇,分割准确率高,鲁棒性好,具有较高的实用价值。     

引导滤波的单幅图像前景精确提取

该文提出了一种利用引导滤波优化二值马尔科夫随机场图像分割结果的前景提取新方法。首先通过二值马尔科夫随机场图像分割模型将原图映射为加权图模型,然后利用最大流／最小割算法对该加权图模型进行最优分割,并通过二值化得到前景区域的初始分割结果;之后通过图像引导滤波对该初始结果进行优化处理,保证所提取的前景区域具有精确的边缘信息。实验结果表明该方法能从图像背景中精确的提取出前景区域,并且对光照、噪声均具有较强的鲁棒性。     

基于色彩比例和时域相关的置信度传播立体视频匹配算法

提出一种改进的立体视频匹配算法,首先通过马尔科夫随机场建立视差图模型,然后利用亮度和色彩比例求置信度,最后根据时域相关性局部更新视差值得到视差序列。以卡耐基梅隆大学提供的真实场景视频为测试序列,实验结果表明:基于亮度和色彩比例比单纯使用亮度得到的匹配更准确,根据时域相关性求视差序列比用逐帧置信度传播求视差序列减少了83.3%以上的迭代计算时间,为立体视频的压缩传输、任意视点视频合成提供了高效的视差序列。     

网络取证隐马尔可夫模型证据融合方法

针对网络取证因果关联证据融合方法存在的算法复杂、重现场景不够精确等问题,提出了基于隐马尔科夫模型的网络取证证据融合方法,阐述了应用隐马尔科夫模型进行证据融合的可行性。该方法以元证据序列作为随机观察序列,以网络入侵步骤作为随机状态序列,通过对元证据序列进行解码操作,找寻最可能的网络入侵步骤并据此回溯证据链。实验结果表明,与基于贝叶斯网络的多源证据融合方法相比,该方法的算法复杂度和抵御干扰项的能力均得到了明显的改善,该方法能够以较小的代价较精确地重现网络入侵的犯罪现场。     

基于特征融合与决策树级联结构的多姿态人脸检测

为了提高复杂模式下多姿态人脸检测的速度与性能,提出了一种基于特征融合与决策树级联结构相结合的多姿态人脸检测方法.该方法给出了基于形态学梯度的边缘方位场特征,并提出了基于Haar like特征与边缘方位场特征相融合的AdaboostSVM算法.通过对决策树级联结构进行改进,将特征融合的AdaboostSVM算法与改进的决策树级联结构相结合进行多姿态人脸检测.实验结果表明,该方法能明显改善复杂模式下多姿态人脸检测的速度与性能.