改进自适应中值滤波算法在图像去噪中的应用

针对自适应中值滤波在窗口迭代过程中存在像素点重复参与运算导致算法复杂度较高的问题,提出了一种改进的中值滤波算法. 首先依据有效像素点与窗口中心点间的坐标距离来快速确定最佳滤波窗口尺寸,避免了窗口迭代造成的像素点重复排序;之后对窗口内的有效像素点进行取中值操作,有效削弱了噪声点的干扰,进一步提升了图像滤波的质量. 经实验验证,与自适应中值滤波算法比较,复杂度显著降低,峰值信噪比(peak signal to noise ratio,PSNR)值平均提高10dB左右. 和同类文献比较在算法复杂度和图像降噪效果间做出了一个较佳的权衡. 最后将该算法应用于Kinect深度图降噪上获得了不错的效果.

     

Superpixel graph cuts rapid algorithm for eextracting object contour shapes

为了更好地对解剖结构和形状复杂的非均匀分布人脑图像进行分割,在水平集Chan-Vese模型的基础上引入Otsu技术,给出了基于水平集的人脑磁共振(magnetic resonance,MR)图像分割方法. 该方法利用 Heaviside 函数描述区域内图像分布信息,通过最大类间方差来反映区域间图像分布方差信息,2部分信息经融合后构建新的能量函数,以引导图像分割过程,最终得到所期望的人脑图像分割结果. 采用2个数据集提供的人脑图像数据进行实验,结果表明:所提方法在相似性度量和正误率度量方面,与其他方法相比都有明显的优势,可以很好地实现人脑图像的分割.

     

基于MAPGIS的县域土地利用数据库的建设与应用[D]

为了研究祁连山地区土地利用变化情况,基于祁连山区域1986—2015年的Landsat时间序列数据,通过相对辐射校正获取时序地表反射率数据. 采用光谱扩展与基于回归树的决策树分类(CART)获取规则的决策树分类方法,应用于长时间序列卫星影像,对各类土地利用类型近30a的变化情况进行分析. 结果表明:相对辐射归一化能有效减少时间序列数据之间光谱值差异,基于CART获取规则的决策树分类方法具有较高的分类精度. 以2012年分类结果为例,总体分类精度为88.72%,Kappa系数为0.86,并分析了可能存在的误差. 研究区耕地、林地和草地面积总体呈下降趋势发展,并且草地破碎化程度加剧,戈壁面积增多,植被退化导致土地荒漠化问题更加严重. 最后,根据研究区土地利用变化情况进行讨论,并针对该情况提出建议.

     

内蒙古白音诺尔铅锌矿褶皱控矿特征及找矿方向

白音诺尔铅锌矿是我国长江以北规模最大的铅锌矿床,矿体受地层岩性、褶皱变形控制十分明显.矿区南、北矿带褶皱形态略有不同,但整体走向均为NE方向,且向SW侧伏,倾伏角约为25°左右.根据已知构造和矿化特点,用EH4连续电导率剖面成像系统对29线以南的高覆盖率地区进行了2号矿体的深部追索.结果表明,所选区域构成一个新的地球物理异常带,异常反映的深部地质体电性差异可以较好地用已知构造和矿化特点来解释,因此2号矿体在29线以南仍有延伸.     

滑窗加权泽尼克矩特征的雷达目标识别技术

合成孔径雷达(SAR)图像的方位敏感性和相干噪声,影响SAR图像目标识别效果,针对此问题,提出了一种新的滑窗加权矩特征的雷达目标识别方法。利用三角剖分与生长切割算法得到将目标和阴影从相干噪声中分割出来的图像。根据泽尼克(Zernike)变换,计算Zernike矩,并提取滑窗加权Zernike矩作为特征不变量。最后,利用最近邻准则进行分类识别。仿真结果表明:利用滑窗加权Zernike矩作为特征向量,克服了SAR图像对方位的敏感性,有效地提高识别率,对SAR图像识别是有效的和稳健的。     

基于属性滤波和上下文分析的高分辨遥感图像建筑物提取方法

遥感图像分辨率的提高在带来丰富细节的同时,也给传统的目标提取方法提出了新的挑战。该文根据建筑物目标的属性和上下文关系,提出了一种新的高分辨率遥感图像中建筑物目标提取方法。该方法首先以具有相似属性的连通像素为处理单元,依据地物对象间的属性差异,对遥感图像进行不同尺度的属性滤波;接着根据建筑物和阴影的自身属性特点,对上述属性滤波结果进行粗筛,形成备选目标集;最后,进一步考虑建筑物与其阴影间的上下文关系,从二者的方位角、相对位置和区域距离3方面对备选目标集进行筛选,完成建筑物提取。对居民区和工业区遥感图像的实验结果表明,该方法优于传统方法,可用于提取多种类型的建筑物。     

深度学习研究综述

为了提升视条件而定的深度卷积网络（conditional deep learning network,CDLN）的分类准确率,提出一种多分类器联合训练的方法.在训练网络时将多个分类器的输出误差同时进行反向传播,以校正网络权重.以LeNet-5、AlexNet为基础构造神经网络CDLN-L和CDLN-A,以MNIST、CIFAR-100和Pascal Voc数据集为实验样本进行实验,网络的分类准确率均得到提升,最高提升了4.39%.实验表明,提出的联合训练方法能够提升CDLN的分类准确率.

     

High performance active image sensor pixel design with circular structure oxide TFT

We report a high-performance active image sensor pixel design by utilizing amorphous-indium-gallium-zinc-oxide (a-IGZO) thin-film transistors (TFTs) with a circular structure. The TFT, configured with the inner electrode as source and outer electrode as drain, typically exhibits good saturation electrical characteristics, where the device has a constant drive current despite variations in drain voltage. Due to the very high output resistance exhibited by this asymmetric TFT structure with a circular shape, the pixel circuit considered here in common-drain configuration provides a higher gain of operation than a pixel circuit implemented with rectangular a-IGZO TFTs. They can be used as driving TFTs in active image sensor circuits. They are, therefore, good candidates for digital X-ray detectors in applications such as medical diagnostic procedures.     

基于核主元分析法和支持向量机的人耳识别

对人耳识别中若干关键问题进行了研究.介绍了两种人耳图像归一化处理的方法,即基于外耳轮廓长轴的线标记法和基于外耳轮廓起始点的点标记法,并对这两种方法进行了对比.在分析现有人耳识别方法不足的基础上,提出利用核主元分析法提取人耳图像的代数特征,再利用支持向量机分类模型进行人耳识别.在带有角度、光照变化的北京科技大学人耳图像库上得到的识别率为98.7%,表明了该识别方法的有效性以及利用人耳图像进行身份识别的可行性.     

一种去除二值文本图像边缘噪声的新方法

提出了一种去除二值文本图像边缘噪声的新厅法。该方法包括3个步骤：边缘噪声预处理,边缘噪声检测和边缘噪声去除。将该方法和其它方法作了比较。实验结果表明,该新方法可以更有效地去除边缘噪声,并在实际的文本图像处理系统中取得了较理想的效果。