基于滤波的SAR影像去噪方法分析

根据SAR(Synthetic Aperture Radar)影像相干噪声的特点,对现在广泛应用的各种抑制噪声的滤波方法如均值滤波、Frost滤波、增强型Lee滤波、Lee滤波、中值滤波等进行分析,并提出适合本研究区影像的基于小波变换的分量滤波处理去噪方法,利用均值、标准差、平滑指数、PM值、信息熵和平均梯度等评价指标对各种滤波去噪后的影像质量进行评价,并对去噪效果进行对比分析,证明本文所采用的滤波方法对SAR影像噪声有很好的抑制作用,并且较好的保存了图像纹理信息。     

高斯颜色模型在瓷片图像分类中的应用

由于RGB颜色空间不能很好贴近人的视觉感知,同时也缺少对空间结构的描述,因此采用兼顾颜色信息和空间信息的高斯颜色模型以获取更全面的特征,提出了一种基于高斯颜色模型和多尺度滤波器组的彩色纹理图像分类法,用于瓷器碎片图像的分类。首先将原始图像的RGB颜色空间转换到高斯颜色模型;再用正规化多尺度LM滤波器组对高斯颜色模型的3个通道构造滤波图像,并借助主成分分析寻找主特征图,接着选取各通道的最大高斯拉普拉斯和最大高斯响应图像,与特征图联合构成特征图像组用以进行参数提取;最后以支持向量机作为分类器进行学习和分类。实验结果表明,与基于灰度的、基于RGB模型的和基于RGB_bior 4.4小波的方法相比,本文方法具有更好的分类结果,其中在Outex纹理图像库上获得的分类准确率为96.7%,在瓷片图像集上获得的分类准确率为94.2%。此方法可推广应用到其他彩色纹理分类任务。     

Weber定律下尺度空间的自适应构建

在Weber定律的启发下提出一种基于"恰可识别差异"的尺度空间自适应构建方法。Weber定律认为人类感知模式不仅与刺激的变化有关,而且与原刺激强度有关。基于此观点,在图像尺度空间的构建过程中,首先以Marr视觉理论的屋脊型边缘和阶梯型边缘的特征之和计算图像的信息量,再通过实验获得人类视觉能感知到"恰可识别差异"时的图像信息量变化,最后通过曲线拟合自适应构建图像的尺度空间。实验结果表明,该方法充分体现了人类视觉感知特性,与其他尺度空间构建方法相比,在目标匹配实验中,匹配数目提升了25%以上;在去噪实验中,本算法的去噪效果良好。     

小波域最小嵌入失真函数设计及其在隐写中的应用

为了提高隐写方案的安全性,提出一种基于最小嵌入失真原理和网格码的图像隐写算法。首先在离散小波域结合人眼视觉特性和整数提升小波变换设计了失真测度函数,主要考虑了亮度、频率和纹理掩蔽因子对载体失真的影响。然后结合网格码设计了隐写算法,将嵌入信息对载体的修改最小化并且集中在人眼不敏感区域。实验结果显示,方案具有良好的视觉不可见性,且能抵抗空域、小波域等隐写分析的攻击,安全容量达到0.4 bits/pixel。     

应用改进频率调谐的海上小目标检测方法

提出了一种新的基于可见光图像的海上小目标检测方法。由于频率调谐方法将图像空间域整体均值与高斯滤波后差分结果,作为显著性度量的标准,因此当图像背景中存在较多杂波干扰时,显著目标检测效果不理想。提出的方法对基于频率调谐的显著性检测方法进行了改进,首先对图像LAB空间中3个特征分量进行分块,在每个分块区域中应用频率调谐显著性检测方法,进而将其结果合并为总显著图,以检测海上小目标。该方法克服了频率调谐方法,当海面背景中存在大量海杂波,无法有效提取小目标的缺陷。实验结果表明了该方法的有效性。     

基于卡尔曼滤波SVM图像鉴别方法研究

研究如何区分自然图像和计算机图形判别图像问题。由于人眼难以判别真伪图像,针对传统的图像鉴别方法由于参数的设置而造成识别准确率低,从而无法准确的区分自然图像和计算机图形。提出了一种卡尔曼滤波和支持向量机分类算法相结合的高性能图像真伪鉴别方法。算法首先采用卡尔曼滤波器提取图像的各个级别的分量,求解出各级分量和判别的误差值并作为特征数据,然后采用支持向量机分类算法对特征数据进行训练判别。仿真结果表明,提出的算法可以有效的判别图像的真伪,可以有效的识别出原始自然图像和合成图像,识别率高达99%以上,同时算法的稳定性较高,具有一定的实际应用价值。     

基于叶片形态特征的葡萄品种自动识别

葡萄在全世界种植范围较广,葡萄品种识别对葡萄资源统计、新品种鉴定及遗传资源保护都有重要意义。以成熟叶片为基本材料,不变矩、面积、周长、主叶脉长度和叶柄长度等11维特征向量为基础数据,采用叶片特征选择、图像处理、特征值提取、建立分类模型等方法,运用国际葡萄与葡萄酒组织形态分类方法和改进的欧式距离等技术开发一个基于葡萄叶片数字图像的葡萄品种自动识别软件。共测试17种酿酒和3种野生葡萄,识别率达87%。该方法具有自动化、识别速度快、花费低、省时省力等特点,可应用于葡萄病虫害的识别、杂交新品种双亲的判定等。     

基于多任务卷积神经网络的虹膜图像质量评估方法

为了自动、准确、高效地评估采集图像的质量,设计了一个名为MTIQA的卷积神经网络。该网络能够输出与主观评价指标保持较高一致性的客观评估结果。MTIQA采用多任务学习策略,包含网络训练质量评估和失真类型分类两个任务,将两个任务的损失融合并构成新的损失函数。为了评估算法所得到的客观指标的可靠性,建立了名为SIR2019的单眼虹膜质量评估数据集,并召集志愿者进行主观实验以得到主观评价指标。在SIR2019和CASIA-Iris-Distance-Lamp数据集上的实验结果表明,该网络在虹膜图像质量评估上具有较好的可行性、准确性和鲁棒性。     

一种面向弱纹理图像的特征点描述子

现有的大多数特征点提取算法适用于处理纹理丰富的图像,而对于弱纹理图像则无法提取有效的特征点. 对此,提出了多邻域结构张量特征(MNSTF)算法. 基于一系列固定的邻域和图像结构张量,通过表达局部图像的结构和纹理信息,解决了弱纹理和无纹理场景下特征点提取和匹配等相关问题;同时,通过计算邻域之间的相对方向,实现了MNSTF算法特征描述子的旋转不变性. 实验结果表明,MNSTF算法在经过旋转的弱纹理图像测试集上的特征点匹配准确率达到了99.9%以上,验证了其良好的适用性、旋转不变性和鲁棒性.     

基于感知驱动的纹饰矢量图评价方法

针对构建中华文化矢量素材库过程中如何评价矢量图质量优劣的问题,提出精确性、连续性和简单性三大视觉评价指标,并进行了量化分析. 首先,对矢量图进行解析,获取矢量图的文档对象模型,遍历文档树得到矢量信息;然后,结合格式塔心理学对矢量图的视觉误差、曲线连续性和纹饰图案的复杂度进行量化;最后,提出一种基于感知驱动的传统纹饰矢量图的评价方法. 结合视觉上的启发性规则,所提评价方法可提供3个量化指标用于多任务驱动矢量化系统中矢量图的自动评价、排序和筛选. 在纹饰矢量图数据集上对算法进行了仿真实验,结果表明,对矢量图的评价结果符合主流设计的视觉审美和期望.