高提升滤波在低对比度目标相关探测中的应用

光电混合联合变换器可实现对目标的实时探测、识别及自动定位。但低对比度目标的相关峰强度很弱,甚至得不到相关峰．影响了目标的识别率。利用高提升滤波处理技术和图像分割对功率谱进行增强处理,可以有效提高功率谱对比度,最大限度保留光谱图像的细节信息,提高光电联合相关系统的目标识别率。     

基于球面全景图的空战环境漫游研究

研究鱼眼图像的拼接算法,实现利用两幅鱼眼图像生成球面虚拟空间,然后探讨基于球面虚拟图的多视点漫游问题,利用反投影模板技术有效地提高全景图浏览的速度,采用缩放的方法改进了行进间的浏览效果,从而提高虚拟漫游的沉浸感,具有一定的实用意义。     

数字图像处理中通道原理及应用的研究

从通道与色彩的关系出发,将通道分为3种类型：原色通道、Alpha通道和专色通道,并通过实例深入剖析了通道的原理,指出通道的实质就是灰度图,灰度图中每一个像素均代表着图像中相同位置的像素,灰度的明暗反映了图像的颜色信息,举例说明了通道在调整图像颜色和保存、载入图像方面的应用。     

图像去噪中的纹理保护方法研究

基于偏微分方程及变分极值最小化的图像平滑方法可以有效地去除噪声,而且能够保护边缘信息,但由于噪声及纹理难以区分,使得纹理信息无法保留。提出一种纹理保护滤波算法,该算法利用图像分解模型将图像分解为几何结构分量及噪声/纹理分量,计算后者的局部方差,与传统变分能量最小化方法中的偏差惩罚项结合形成随纹理变化的约束,得到的模型在纹理区域滤波减少,从而保护了纹理信息。实验在视觉效果上得到了预期的结果,信噪比的计算对比也可以证明算法的有效性。     

基于模糊灰度共生矩阵与隐马尔可夫模型的断口图像识别

纹理通常由空间分布和灰度分布共同描述,灰度共生矩阵(GLCM)能兼顾二者,故广泛应用于纹理分析中。在计算GLCM时,为降低其维数,需对纹理图像进行灰度量化,这必然丢失部分图像信息。灰度量化时,由灰度值与量化区间中心值的不同距离,构造出相应的模糊隶属度函数,并定义了模糊灰度共生矩阵(FGLCM)。通过对断口图像FGLCM的14个特征统计量进行相关性分析,选择角二阶矩和熵等7个统计量作为特征参数,并验证了其有效性。最后,在4类典型断口图像的特征空间上,采用隐马尔可夫模型(HMM)进行分类识别。实践表明,FGLCM比已有的GLCM能更好地表征断口特性,且在HMM状态数为3时,断口分类的平均识别率可达98%。     

基于数学规划条件的粘连颗粒图像鞍点搜寻

鞍点在图像粘连对象分割的过程中起着非常关键的作用,目前已有若干以分割为目的的鞍点搜索算法,但在其简捷性、鲁棒性等方面仍有改善的余地。提出一种基于数学规划条件的颗粒图像鞍点搜寻新方法。该方法首先根据颗粒图像3维地貌化后得到的像素空间分布信息,利用数学规划原理提出颗粒图像的鞍点规划条件,然后根据其条件进行鞍点检测。将提出的算法应用在真实粘连颗粒图像上,实验结果表明,该算法具有较高的准判率,为颗粒图像的分割以及相关后续处理奠定了理论分析基础。     

快速结构化图像修补

图像修补的目的是对图像中缺失的区域进行修复,或是将图像中的物体抠去并进行背景填充,以取得融合到难以用肉眼分辨的效果。在图像修补的过程中,较大的结构信息是修补的难点。为此提出了一种快速结构化的图像修补算法,该方法将图像修补分为结构修补与纹理填充两个部分,即在用户指定待修补区域与结构曲线之后,首先定义全局最优化能量函数,并用动态规划与置信度传播的算法将其最小化来完成结构修补;然后对剩余的待修补区域通过按行扫描来进行纹理填充,其中对于边界处的点是使用基于样本的修补算法,而对于待修补区域内部的点,则使用快速的加权Ashikhmin-WL算法,扫描完成后输出修补后的图像;最后实现了一个快速结构化图像修补系统,并给出一些实验结果,从实验结果中可以看到,该方法的修补流程与算法是有实际应用价值的。     

图像平滑的2维小波插值方法

在应用扩散方程进行图像平滑时,常规的方法是对扩散方程差分化构造差分方程,利用初边值条件求解。这种方法误差传播快,精度不高。因此,构造了2维小波插值函数,利用它来求解扩散方程,并分析得到用小波插值函数求解Alvarez模型的方法。由于小波函数具有良好的局部性,求解扩散方程比用差分方法求解具有精度高,误差传播速度慢,对时间步长不敏感等优点。在数值实验中,给出了本文方法的有效性及相对于差分方法求解的优点。     

训练样本数目选择对面向对象影像分类方法精度的影响

面向对象遥感影像分类中的样本选择与基于像素的方法有很大不同,基于统计学理论,研究了面向对象方法的样本数量选择问题。首先,针对面向对象方法的特点,对影像特征空间进行分析,结果表明面向对象方法中要求训练样本的数量可以显著地减少。然后,在遥感影像分类实验中,借助样本数量与波段数目的关系,验证了理论分析的结果。     

隐式曲面上图像扩散的高阶模型

用零水平集函数表达3维曲面,应用曲面上图像梯度的切投影表达其内蕴梯度,把基于梯度的图像扩散变分模型从平面图像拓展到了隐式曲面上的图像处理。基于内蕴梯度的变分模型对曲面上的图像进行扩散的同时可有效地保持其边缘,但像平面图像扩散的变分模型一样会在本该光滑的区域产生明显的阶梯效应。为消除阶梯效应,引入内蕴散度建立了基于内蕴梯度和内蕴散度的隐式曲面上图像扩散的变分模型,并以TV (total variation) 模型、PM(peronamalik)模型为例对所提出的模型的有效性进行了数值验证,实验结果表明该类模型在保持图像边缘的同时可以有效地抑制阶梯效应。