一种新的人脸姿态估计算法

提出基于正射投影模型的人脸姿态参数估计算法.从图像获取特征点,计算这些点到正面姿态参考模型特征点的最佳姿态变换参数,算法只需获取4个特征点就能确定图像人脸姿态.同时基于该模型提出新的人脸图像姿态拟合方法,以最小化SSD为目标函数,迭代法求姿态参数.该方法的优势是人脸姿态估计并不依赖于特征点检测,给定初始姿态就能找到模型到图像的最佳姿态拟合.模拟图像和真实图像的姿态估计实验结果显示,拟合算法的迭代过程能迅速收敛,并且该算法可有效用于姿态跟踪.     

大纹理图像多粒度分割新算法

针对大纹理图像分割困难的问题,提出一种大纹理图像分割算法.在获取影像的初始过分割区域后,依次使用区域颜色和背景对区域进行划分,得到区域标记图像;依据不同标记之间的空间交互强度,建立全局最优的标记合并序列,获取多粒度的分割结果;提出边界类别分布模型来建模区域或标记的空间交互关系.对比实验结果表明,该算法在处理大纹理图像分割方面有明显优势.     

基于混合智能算法的卫星图像分割技术研究

卫星图像数据量大、特征信息丰富、背景复杂、拍摄过程中易受干扰,用一般的基于参数统计的图像分割方法难以实现准确的分割;将自组织映射算法(SOM算法)和具有爬山过程的遗传算法(HGA算法)结合在一起,建立了一种基于混合智能算法的图像分割方法,用于卫星图像的分割;此方法通过SOM算法进行颜色特征提取,再通过HGA算法进行颜色特征聚类,实现对卫星图像的分割;实验结果表明基于混合智能算法的图像分割技术分割效果的准确率达到了91%,可以较好地分割卫星图像,具有较高的分割准确性。     

参数自适应的KPCA先验形状约束目标分割

为克服固定先验形状在分割可变形目标时的困难,提出一种基于核主元分析(KPCA)的参数自适应先验形状约束水平集分割方法.首先使用KPCA变换获取目标先验形状特征空间的基底向量;其次用Parzen窗估计待分割图像的灰度分布以构造图像数据能量项;然后使用仿射变换对齐图像感兴趣区域与先验形状,从而将目标形状先验知识集成到分割模型中;最后在基于水平集方法求解演化方程时自适应地估计参数,实现形变目标的分割.实验结果表明,相比于CV (Chan-Vese)模型和单先验形状约束的水平集方法,该模型能够有效地分割不同姿态的目标形状.     

基于小波神经网络的脑图像分割研究

随着影像学的发展,医学影像设备极大地提高了人类获取自身信息的能力,推动了现代医学的发展.为了更好地获得脑部图像的信息,对脑部图像进行分割研究.首先介绍了脑图像的分割研究背景,然后详细研究了脑图像的分割方法.在分割算法中,给出了脑图像预处理模型,然后通过将小波理论和神经网路相结合提出一种脑部图像分割算法,并将将该算法在脑部图像处理中实现.脑图像分割实验表明算法能够有效地对图像进行分割.实验评估结果显示算法对于脑图像的分割足高效的.     

基于Laplace谱嵌入和Mean Shift的 三角网格一致性分割

针对现有网格分割算法对模型姿态及噪声敏感的不足,提出一种基于Laplace谱嵌入和Mean Shift聚类的网格一致性分割算法。采用Laplace-Beltrami算子,将3维空域中的网格模型转化成高维Laplace谱域中的标准型,降低了姿态变化和噪声对分割算法的影响,并增强了网格的结构可分性;在高维谱域中,采用非参数核聚类MeanShift算法,获取模型有视觉意义的语义区域。实验结果表明:该算法可以快速有效地实现具有分支结构三角网格模型的有意义分割且对模型姿态和噪声具有较好的鲁棒性。     

基于区域的多尺度全色遥感图像分割

针对边缘信息不足导致的图像误分割问题,提出一种基于区域的多尺度全色遥感图像分割方法.首先,利用曲波变换对图像进行多尺度分析,获取多尺度分解图像;然后,利用规则划分技术将其图像域划分成一系列子块,结合统计方法,建立基于区域的多尺度统计分割模型;接着设计可逆变马尔可夫链蒙特卡罗(RJMCMC)算法求解该分割模型;最后,利用所提出方法对全色遥感图像进行分割实验,实验结果表明,所提出方法能够有效解决图像误分割问题,并较好地实现图像分割.     

基于多级混合模型的图像分割方法

本文研究了典型的基于区域的图像分割方法主动形状模型(Active Shape Model,ASM)和基于边缘的图像分割snake算法,分析了算法适用条件和各自的优缺点.结合snake模型与主动形状模型,提出了一种基于多级混合模型的图像分割方法:首先使用ASM,获得的时目标图像位置和形态的最佳估计,并通过snake算法对匹配的结果进行二次调整,获取可以精确描述图像边缘信息的模型.试验表明了该方法的有效性.     

基于形态学的MR图像左心室自动定位算法

左心室重建为3D空间模型能快速评价各种心脏病,左室扭转揭示了重要的生理及病理发现.但由于左心室MRI图像具有弱边缘、与周围的组织之间存在低对比度区域,利用Snake模型分割左心室图像时,一般需要采用半自动的方法获取初始曲线.为解决此问题,本文提出一种MR图像的左心室自动定位算法,用于的左心室MRI图像分割算法.该算法利用形态学理论自动获取左心室的重心以及边界形状变化允许空间,勾画出相应初始轮廓曲线,以便进行重建.文中以小香猪左室加标记MRI作为应用研究对象,进行了全图像序列的研究.实验表明改算法能够精确的获取左心室区域信息,实现其自动定位.     

EM聚类和SVM自动学习的白细胞图像分割算法

白细胞图像分割是白细胞自动识别的关键环节,其分割效果直接影响后续步骤.为提高光照、颜色不稳定情况下的分割精度,提出一种基于期望最大化(Expectation maximization,EM)聚类和支持向量机(Support vector machine,SVM)自动采样-学习的彩色白细胞图像分割方法.首先采用EM算法对CIELUV颜色空间的L分量聚类得到细胞核区域.在细胞浆分割阶段,先利用EM过分割和膨胀的细胞核区域获取正负样本候选区域;接着用基于EM的分层抽样得到正负样本;再提取颜色特征自动对正负样本训练获得SVM模型;最后科用SVM分类模型得到整个细胞区域.与传统的白细胞图像分割算法相比,本文方法更能适应图像光照和颜色的变化;与同类的分割算法相比,本文方法提高了分割精度.相关实验结果表明,本文算法具有良好的精度和鲁棒性.     

卫星影像仿射畸变的自动校正方法

针对卫星影像存在的仿射畸变,研究并给出了一种实用的自动校正疗法。分析了仿射畸变模型参数的计算方法,对几何校正控制点进行了自动选定,辨识出了畸变模型参数,采用均值法及中值法对模型辨识参数进行优化处理,进而通过坐标变换及灰度的双线性插值实现卫星影像仿射畸变的自动、精确校正。仿真实验结果说明了该方法的可行性、有效性。     

大型实景地理模型3D喷绘机器人及其喷绘方法优化

通过对卫星遥感数据的处理和分析,得到地理信息的实景模型数据.在此基础上,对实景地理模型喷绘机器人核心技术展开研究,包括机构、控制系统设计、模型优化、图像补偿等,最终实现高精度、真彩色实景地理模型的自动喷绘方法.     

Building Height Estimation from GF-2 Image based on Morphological Shadow Index

GF-2 is a high resolution earth observing satellite with sub\|meter resolution which is developed by our own technique.To estimate urban building height based on GF\|2 remote sensing image combined with the idea of mathematical morphology and object\|oriented classification.First of all,segment image based on multi\|scale segmentation.Then extract shadow and calculate its length based on object\|oriented classification combined with spectral,shape,Morphological Shadow Index (MSI) and other features.In the end,estimate building height based on the geometrical model of satellite,sun and building and then accuracy evaluation and error analysis are carried out by using the field measurement data.Experimental results showed that 90% of the buildings’ absolute error is less than 1 m.This experiment demonstrate that the method can extract the height of urban building from the GF\|2 image effectively and the immense potential of domestic high resolution remote sensing image in applications on urban building information extraction.     

基于积分图和粒子群优化的肤色分割

为了更快地将肤色区域从图像中分割出来,在二维Ostu方法的基础上,提出了一种将积分图和粒子群优化相结合用于寻找最优分割阈值点的新方法。该方法通过对经过颜色补偿后的图片在YCbCr颜色空间中用二维高斯肤色模型计算肤色概率图,根据二维Ostu算法确定粒子群优化的目标函数,将积分图的方法用于粒子群优化中目标函数的计算,在有效地获取最佳阈值点的同时减少了计算量。实验表明,该方法能有效并且快速地分割出肤色区域。     

Image segmentation by iterative optimization of multiphase multiple piecewise constant model and Four-Color relabeling

In the paper an iteratively unsupervised image segmentation algorithm is developed, which is based on our proposed multiphase multiple piecewise constant (MMPC) model and its graph cuts optimization. The MMPC model use multiple constants to model each phase instead of one single constant used in Chan and Vese (CV) model and cartoon limit so that heterogeneous image object segmentation can be effectively dealt with. We show that the multiphase optimization problem based on our proposed model can be approximately solved by graph cuts methods. Four-Color theorem is used to relabel the regions of image after every iteration, which makes it possible to represent and segment an arbitrary number of regions in image with only four phases. Therefore, the computational cost and memory usage are greatly reduced. The comparison with some typical unsupervised image segmentation methods using a large number of images from the Berkeley Segmentation Dataset demonstrates the proposed algorithm can effectively segment natural images with a good performance and acceptable computational time.     

多维加权密集连接卷积网络的卫星云图云检测

云检测是多光谱卫星云图分析的前提。传统云检测方法不能很好地对多光谱卫星云图进行特征表示,导致了云检测不是很准确。卷积神经网络虽然能有效地提取特征,但训练时会产生梯度扩散,训练效率低,优化困难等问题。针对这些问题,提出多维加权密集连接卷积神经网络模型实现对多光谱卫星云图的云检测。跨层连接能够实现网络中所有层之间的信息流,从而减少训练过程中的梯度消失导致收敛困难的问题。特征图之间连接的权值不同使得网络能够更高效地利用特征信息。通过实验结果对比,该模型可以很好地提取云图特征,提高多光谱云图检测的准确率,具有更好的泛化性能和优化效率。     

The compression of a sequence of satellite images based on change detection

A 'loss-effective' compression method which based on the change detection of raw image data is proposed for dealing with a sequence of satellite images. The average compression ratio we gained, compared with some typical satellite image formats, is about 2:1 to 3 :1. This sounds not so impressive when compared with the most current compression techniques which used in multimedia processing. However, some information will be lost in those methods, while our approach is information-loss effective, which is crucial for further satellite image analysis. Moreover, the framework can be combined with different compression algorithms to obtain different trade-offs between the compression ratio and the computation time. Experimental results based on real satellite images are included. Finally, other issues including the further optimization of the methods and some other possible applications of the method are discussed.     

针对FY2E影像的白天雾检测研究

传统基于遥感的雾检测方法,主要利用极轨卫星遥感影像（如MODIS、AVHRR）建立雾检测模型,尽管极轨卫星影像的光谱信息丰富,但是其过境时间一般比较迟,MODIS为当地时间11点左右,AVHRR为当地时间14时左右,而且单颗极轨卫星的时间分辨率为一天左右,无法很好地满足雾检测的实际需要。针对静止卫星的雾检测研究还比较少,其主要思想是利用光谱差异进行雾检测。选择FY2E影像并结合面向对象思想开展白天雾检测研究,利用Streamer辐射传输模型针对云、雾、雪、地表对FY2E影像的5个波段进行模拟,构建雪检测指数（SDI）、雾检测指数（FDI）等6个雾检测特征参数;选择特征波段,利用Mean Shift分割方法完成FY2E影像的分割,基于雾检测特征参数构建雾检测区域特征参数;建立白天雾检测模型,选择案例数据进行实验,并利用地面站点实测数据进行精度评定。实验结果表明,提出的雾检测模型取得了很好的检测效果。     

卫星云图的遗传神经网络集合预测模型研究

针对目前缺乏卫星云图非线性预测技术理论方法问题,采用类似于数值预报模式的集合预报方法,构建了一种遗传神经网络的卫星云图非线性滚动预测模型。通过对每间隔3小时的红外卫星云图样本序列作自然正交展开,将提取出的时间系数作为云图预报建模的预报分量。考虑降水云系的发展变化,主要是受到云团环境物理量场的影响,利用数值预报模式的物理量预报产品作为各预报分量的预报因子,并采用系统降维计算处理方法,分别建立相应的时间系数遗传神经网络集合预报模型。将预报得出的各时间系数与空间向量合成,得出未来时刻的卫星云图预报图。预报试验结果表明,这种非线性预报模型可以较好地预报未来20~30小时的强降水云团发展、移动的主要特征和变化趋势。实况云图与预测云图的平均相关系数达到0.78。     

Adaptive rational fractal interpolation function for image super-resolution via local fractal analysis

Image super-resolution aims to generate high-resolution image based on the given low-resolution image and to recover the details of the image. The common approaches include reconstruction-based methods and interpolation-based methods. However, these existing methods show difficulty in processing the regions of an image with complicated texture. To tackle such problems, fractal geometry is applied on image super-resolution, which demonstrates its advantages when describing the complicated details in an image. The common fractal-based method regards the whole image as a single fractal set. That is, it does not distinguish the complexity difference of texture across all regions of an image regardless of smooth regions or texture rich regions. Due to such strong presumption, it causes artificial errors while recovering smooth area and texture blurring at the regions with rich texture. In this paper, the proposed method produces rational fractal interpolation model with various setting at different regions to adapt to the local texture complexity. In order to facilitate such mechanism, the proposed method is able to segment the image region according to its complexity which is determined by its local fractal dimension. Thus, the image super-resolution process is cast to an optimization problem where local fractal dimension in each region is further optimized until the optimization convergence is reached. During the optimization (i.e. super-resolution), the overall image complexity (determined by local fractal dimension) is maintained. Compared with state-of-the-art method, the proposed method shows promising performance according to qualitative evaluation and quantitative evaluation.