基于NSCT和PCNN的红外与可见光图像融合方法

提出了一种基于非采样Contourlet变换(NSCT)和脉冲耦合神经网络(PCNN)的红外与可见光图像融合方法.首先用NSCT对已配准的源图像进行分解,得到低频子带系数和各带通子带系数;其次对低频子带系数采取一种基于边缘的方法以得到融合图像的低频子带系数;对各带通子带系数提出了一种改进的基于PCNN的图像融合方法来确定融合图像的各带通子带系数;最后经过NSCT逆变换得到融合图像.实验结果表明,本文方法优于Laplaeian方法、小波方法和传统的NSCT方法.     

一种基于PCNN的图像分割方法

针对脉冲耦合神经网络无法确定最优分割的问题,提出了一种将脉冲耦合神经网络和类间方差准则相结合的图像分割方法。在每次迭代时将脉冲耦合神经网络点火的神经元对应的像素作为目标,未点火的神经元对应的像素作为背景,计算目标和背景之间的类间方差,取类间方差值最大的分割图像作为最终结果。实验结果表明该方法能获得视觉效果较好的分割结果并具有较强的普适性,对一幅大小为256×256的图像进行分割所需要的时间是0.8秒左右。     

一种基于改进PCNN模型的图像分割方法

通过对传统脉冲耦合神经网络(PCNN)模型的改进,在模型的输入端加入目标区域的边缘数据,使最高灰度级不同的非连通神经元同期点火,实现了多目标区域同时分割。给出了影响同期点火激励范围的主要参数β的自动设定方法,并设计了基于图像最大熵准则的自动分割算法。用分割精度评价准则验证了所提出方法的有效性。实验证明,对于低噪声污染的图像,改进的PCNN模型在多目标识别中的正确接受率达到95%以上,明显优于经典的Fastlinking模型。     

基于PCNN的图像融合新方法

本文提出了一种基于PCNN的新型图像融合算法.首先,对待融合的两幅图像进行平稳小波分解得到两组多尺度图像;接着,取其中任意一组作为主PCNN的输入、另一组相应的图像作为从PCNN的输入,在每次迭代时,经并行PCNN点火后,得到一系列多尺度融合图像;然后,对它们进行平稳小波反变换得到每次迭代的融合结果;最后,计算每次迭代结果的信息熵,取信息熵值最大的融合图像作为最终结果.大量的实验以及与其它融合算法的比较分析,表明了本文算法的有效性和优越性.     

基于PCNN的海冰SAR图像分类系统

简化和改进了脉冲耦合神经网络（PCNN）,建立了基于时间索引图的脉冲耦合神经网络海冰SAR图像分类器,用于海冰SAR图像的分割和海冰分类。在此基础上建立了基于人工解译的半自动海冰分类判读系统。将发展的分类器用于辽东海湾冰探测,结果表明这个分类器能够区分海冰和海水,识别不同海冰类型,且具有高效率。为了选择适合辽东湾海冰分类的PCNN参数,分析了链接半径、链接强度和索引图等级等参数,给出了各参数合适的取值范围及调节原则。     

基于PCNN区域分割的图像邻域去噪算法

针对小波图像去噪方法中使用的NeighShrink方法,本文提出了一种有效的保护图像边缘的图像去噪算法.主要改进了NeighShrink方法中固定的邻域范围,根据图像自身的性质,自适应分割成不同的邻域对图像进行去噪处理;并进一步结合小波层内相关性,对各个不规则邻域加上固定的窗口,选择了几何距离更为接近且在同一不规则邻域内的系数,以完善NeighShrink方法.该算法采取平稳小波对含噪图像进行分解,以保持相位不变性,并对低频子带利用脉冲耦合神经网络模型进行图像分割,按照一定的规则将性质相似的像素点相接,得到原图像分割后的信息.在处理过程中利用得到的分割信息对边缘予以保护.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留了图像的边缘信息,是一种有效的去噪方法.     

遥感图像变化检测算法研究

笔者根据切身工作实践,创新性的提出了一种新型卫星影像的变化检测算法。以非下采样ContourLet变换(NSCT)和脉冲耦合神经网络(PCNN)为基础的算法,实现了传统非下采样变换和脉冲耦合神经网络算法的有机结合,适用于无监督、不同时相的卫星影像的变化检测。     

一种NSCT域多聚焦图像融合新方法

针对多聚焦图像融合存在的问题,提出一种基于非下采样Contourlet变换（NSCT）的多聚焦图像融合新方法。首先,采用NSCT对多聚焦图像进行分解;然后,对低频系数采用基于改进拉普拉斯能量和（SML）的视觉特征对比度进行融合,对高频系数采用基于二维Log-Gabor能量进行融合;最后,对得到的融合系数进行重构得到融合图像。实验结果表明,无论是运用视觉的主观评价,还是基于互信息、边缘信息保留值等客观评价标准,该文所提方法都优于传统的离散小波变换、平移不变离散小波变换、NSCT等融合方法。     

基于LNSST与PCNN的红外与可见光图像融合

为了提升红外与可见光图像融合精度,提出了一种局部化非下抽样剪切波变换与脉冲耦合神经网络相结合的红外与可见光图像融合方法。首先,利用局部化非下抽样剪切波对源图像进行多尺度、多方向分解;然后,在分解后的各子带图像中进行块奇异值分解,求取区域特征能量值作为脉冲耦合神经网络对应神经元的链接强度。经过脉冲耦合神经网络点火处理,获取子带图像的点火映射图,通过判决选择算子,选择各子带图像中的明显特征部分生成子带融合图像;最后,应用局部化非下抽样剪切波逆变换重构图像。采用多组红外与可见光图像进行融合实验,并对融合结果进行了客观评价。实验结果表明本文提出的融合方法在主观和客观评价上均优于已有文献的一些典型融合方法,可获得更好的融合效果。     

基于函数变换的水下图像目标分割和特征提取

针对海水信道的特殊性以及成像环境的复杂性,对视觉系统的图像处理和特征提取带来的影响,提出了一种基于模糊变换的图像分割和基于函数变换的特征提取方法,以克服水下不确定因素给目标识别带来的困难,并对其进行了仿真试验.试验结果表明,此方法在对深海烟囱图像的分割和特征提取上能够取得好的效果,可有效地克服水下图像灰度分布不均匀和环境不确定因素的干扰,实现了难于分类判别的深海热液喷口目标的区分.     

一种基于动态字典学习的SAR图像目标识别算法

本文提出了一种应用于SAR图像目标识别的动态字典学习算法,该算法通过在字典学习过程中自动删除和增加字典条目来调整字典表示性能与尺寸.删除操作是在删除代价的约束下针对相关度高或利用率低的字典条目进行,而增加操作是在增加代价的约束下针对信号表示的残留误差的主分量进行,通过交替执行删除和增加操作来不断优化字典,使其表示能力达到最佳.在MSTAR数据集上的实验验证了算法性能,并给出了相应的参数调整建议.从实验结果和分析可看出,该算法具有识别率高、算法稳定等特点.     

非下采样Contourlet变换域统计模型红外图像去噪

对红外图像进行非下采样Contourlet变换,分析其系数的统计特征,采用广义高斯分布来模拟系数的概率分布.根据非下采样Contourlet变换的带通子带各方向能量不同的特点,提出修正的贝叶斯阈值公式,为了克服软、硬阈值函数的缺点,又提出一种具有可调节自适应性的新阈值函数,最后利用新阈值函数估计出不合噪声的变换系数,并通过非下采样Contourlet逆变换得到去噪后的红外图像.仿真实验表明,文中方法在峰值信噪比及视觉效果上均优于经典的小波阈值去噪算法.     

电视制导序列图像快速分割及目标特征提取

针对电视制导系统需从包含多个干扰目标的序列图像中快速识别和跟踪导弹目标的要求,提出了一种基于二值图像索引图的序列图像快速分割及目标特征提取算法,在序列图像二值化后,只需由FPGA对其遍历一次就可得到一张含有目标信息的索引图表,再由DSP对该索引图表边遍历边计算就可得到图像所含目标的数量.面积,质心坐标,二阶矩不变量等特征.实验结果表明,该算法并行处理效率高,实时性好,完全可满足电视制导系统的要求.     

SAR图像目标边界流和边沿流特征提取

本文将目标边界流特征和目标边沿流特征的概念和边缘特征提取的方法用于SAR图像的目标检测和识别这个方法先采用中值滤波、自动图像分割、数学形态学二值滤波、十字模板边缘提取方法,获得目标单像素边缘再对所得边缘采用边界跟踪、边界流信息熵和边沿流信息熵运算,得到边界流特征和边沿流特征.对测试图像和真实SAR图像进行了实验,结果表明,该方法能很好地描述目标的特征,编程简单、运算速度较快.     

一种基于Graph Cuts的SAR图像分割方法

在最小化由马尔科夫随机场(MRF)图像分割模型建立的能量函数方面,基于Graph Cuts的alpha-expansion是一种比较有效的算法.但是,由此算法构建的s/t图中边的数目非常多,运算速度很慢.为了减少alpha-expansion算法的计算量,本文在标号为alpha的像素向其它像素膨胀的过程中,先隔离非alpha类间的联系,而只考虑alpha类与非alpha类之间的关系,从而避免了alpha-expansion算法需要构造辅助结点的问题,减少了s/t图中边的数目,提高了算法的计算效率.因放松了非alpha类间的关系对alpha膨胀的约束,使得算法可以更容易得跳出能量函数的局部极小点而获得更优的分割结果.实验中将改进的算法与传统的基于Graph Cuts的算法做了对比,显示了新算法在运算时间和最小化能量方面的有效性.     

一种基于小波变换的目标融合跟踪方法

本文在分析小波变换的基础上，将小波分析应用到目标图像的融合跟踪技术上，利用小波的多尺度和多分辨特性，不仅能够获得不同分辨力下的图像序列，进行目标图像融合；还能有效地从信号中提取突变信号。对函数或信号进行多尺度的细化分析。图像边缘用小波变换进行处理和提取并对图像形心进行计算。能够得到较好的轮廓提取效果和形心定位精度，进而说明了小波变换可能成为目标跟踪中较好的数学方法。     

基于小波分解的 K-分布 SAR 图像舰船检测

舰船目标检测是合成孔径雷达海洋应用的一个重要组成部分. 通过对合成孔径雷达图像中舰船目标和海杂波背景的结构差异特点进行分析,提出了一种利用小波分解技术和 K-分布海杂波模型的恒虚警率舰船目标检测方法,并对实际 SIR-C C 波段 SAR 图像进行了实验. 实验结果表明,该方法能够在复杂相干斑和海杂波背景中大幅增强舰船目标,并且有效保证了检测结果的准确性.