基于区域像素差绝对值总和的NSST-PCNN医学图像融合

在诸多医学图像融合方法中,非下采样剪切波(non-down sampling shear wave transporm,NSST)与脉冲耦合神经网络(pulse coupled neural network,PCNN )具有较大优势。提出一种基于区域像素差绝对值总和的 NSST与PCNN的医学图像融合 算法。该算法先将两幅源图像采用NSST进行分解获得低频子带系数与高频子带系数;再将两 幅源图像的低频子带系数采用基于区域像素差绝对值总和的规则进行融合;高频子带系数采 用基于区域像素差绝对值总和对PCNN的参数进行设置,再利用PCNN获取融合图像高频系数; 最后,经过逆NSST获得融合图像。大量实验证明,提出的融合算法较目前其他主流算法 具有明显的优势,能同时保留源图像能量和细节,具有较高的视觉效果。     

暗像素先验的模糊图像盲复原方法

图像的盲去模糊问题是一个长期的且具有挑战性的逆问题。能否找到正确的图像先验是能否复原出高质量清晰图像的关键。因此,为了能够复原出高质量的清晰图像,找到了一种新的且有效的图像先验--图像中的暗像素先验,并提出了一种基于暗像素先验的模糊图像盲复原方法。该方法是基于模糊图像的内在本质特性所提出的,模糊图像中的暗像素是非稀疏的。在模糊过程中,清晰图像中的暗像素会因为与它周围的亮像素进行加权平衡,而导致模糊图像中暗像素的像素值增加,从而导致模糊图像中暗像素的稀疏性降低。因此,利用模糊图像中暗像素的这种非稀疏特性,能够有效区分模糊图像和清晰图像,从而实现模糊图像的盲复原。但是,基于暗像素的先验会导致一种非凸和非线性的最优化问题,为了能够有效地求解提出的模型,引入了一种最小化操作的线性近似来实现提出模型的最优化求解。大量的实验证明了该方法与近几年一些极具代表性的模糊图像盲复原方法相比,具有更好的性能。     

基于超像素分割和随机森林的橡胶柱塞缺陷检测方法

针对直径为3 mm的小尺寸橡胶柱塞件端面,其受光斑、灰尘及纹理干扰不易分割提取缺陷轮廓的问题,提出一种结合SLIC（简单线性迭代聚类）和RF（随机森林）算法的缺陷检测系统。首先利用霍夫变换和各向异性扩散滤波对图像预处理,然后采用基于超像素分割的SLIC算法分割和提取缺陷区域,最后把获得的缺陷区域的五维形状特征作为RF分类器特征向量进行缺陷分类预测。结果表明,SLIC算法较传统的自适应阈值分割算法快了0.128 s,并且分割效果远好于传统算法,能够准确分割出小至0.5 mm的缺陷,整体检测流程平均耗时小于1.5 s,同时RF分类结果准确率达到97.3%。因此,本文的缺陷检测系统满足在线检测准确性和实时性的要求,可在实际工作中使用。     

利用稳健非负矩阵分解实现无监督高光谱解混

目的 基于非负矩阵分解的高光谱图像无监督解混算法普遍存在着目标函数对噪声敏感、在低信噪比条件下端元提取和丰度估计性能不佳的缺点。因此,提出一种基于稳健非负矩阵分解的高光谱图像混合像元分解算法。方法 首先在传统基于非负矩阵分解的解混算法基础上,对目标函数加以改进,用更加稳健的L₁范数作为重建误差项,提高算法对噪声的适应能力,得到新的无监督解混目标函数。针对新目标函数的非凸特性,利用梯度下降法对端元矩阵和丰度矩阵交替迭代求解,进而完成优化求解,得到端元和丰度估计值。结果 分别利用模拟和真实高光谱数据,对算法性能进行定性和定量分析。在模拟数据集中,将本文算法与具有代表性的5种无监督解混算法进行比较,相比于对比算法中最优者,本文算法在典型信噪比20 dB下,光谱角距离（spectral angle distance,SAD）增大了10.5%,信号重构误差（signal to reconstruction error,SRE）减小了9.3%;在真实数据集中,利用光谱库中的地物光谱特征验证本文算法端元提取质量,并利用真实地物分布定性分析丰度估计结果。结论 提出的基于稳健非负矩阵分解的高光谱无监督解混算法,在低信噪比条件下,能够获得较好的端元提取和丰度估计精度,解混效果更好。     

Contrast Enhancement Based Image Detection Using Edge Preserved Key Pixel Point Filtering

In existing methods for segmented images, either edge point extraction or preservation of edges, compromising contrast images is so sensitive to noise. The Degeneration Threshold Image Detection (DTID) framework has been proposed to improve the contrast of edge filtered images. Initially, DTID uses a Rapid Bilateral Filtering process for filtering edges of contrast images. This filter decomposes input images into base layers in the DTID framework. With minimal filtering time, Rapid Bilateral Filtering handles high dynamic contrast images for smoothening edge preservation. In the DTID framework, Rapid Bilateral Filtering with Shift-Invariant Base Pass Domain Filter is insensitive to noise. This Shift-Invariant Filtering estimates value across edges for removing outliers (i.e., noise preserving base layers of the contrast image). The intensity values are calculated in the base layer of the contrast image for accurately detecting nearby spatial locations using Shift-Invariant base Pass Domain Filter (SIDF). At last, Affine Planar Transformation is applied to detect edge filtered contrast images in the DTID framework for attaining a high quality of the image. It normalizes the translation and rotation of images. With this, Degeneration Threshold Image Detection maximizes average contrast enhancement quality and performs an experimental evaluation of factors such as detection accuracy, rate, and filtering time on contrast images. Experimental analysis shows that the DTID framework reduces the filtering time taken on contrast images by 54% and improves average contrast enhancement quality by 27% compared to GUMA, HMRF, SWT, and EHS. It provides better performance on the enhancement of average contrast enhancement quality by 28%, detection accuracy rate by 26%, and reduction in filtering time taken on contrast images by 30% compared to state-of-art methods.     

采用分段主成分和PPI的高光谱影像分类

高光谱遥感影像波段多且存在混合像元,特征提取以及端元提取都是高光谱影像分类必不可少的工作,分类方法的选择也是因地适宜。以福建省泉州市德化县下属某一地区的CASI影像为实验数据,基于分段主成分(segmental principal component analysis,SPCA)和纯净像元指数法(pure pixel index,PPI),提出了最小距离(minimum distance classification,MDC)和二进制编码(binary encoding,BE)的高光谱影像分类方法。实验结果表明,MDC的总体精度为69.71%,BE的总体精度为70.88%。对单一地物精度而言2种方法各有其长,MDC对道路的分类精度更高,为98.08%;而植被、耕地和水体采用BE方法的分类精度更高,分别为94.12%、98.08%、98.11%。本文提出的方法应用于CASI高光谱影像,对该研究区的地物分类研究有一定的实用性和参考价值。     

基于HV-CMOS工艺集成PIN光敏元的CMOS传感器设计

PIN光电二极管相对于pn结型光电二极管具有结电容小、量子效率高等优点,但采用标准低压CMOS(LV-CMOS)工艺研制的CMOS传感器只能实现基于n阱/p衬底的pn结光敏元与片上电路的集成,高压CMOS(HV-CMOS)工艺的发展为CMOS电路与PIN光敏元列阵的单片集成提供了可能。基于HV-CMOS工艺设计了一种集成PIN光敏元列阵的CMOS传感器,并对器件的光电响应进行了测试评估。结果表明,集成PIN光敏元的CMOS传感器具有更高的像素增益和量子效率,而暗电流、输出摆幅、线性度等特性保持良好。在500~900nm宽波段范围内,器件的量子效率均达到80%以上,在950nm附近的量子效率达到25%,优于采用其他工艺制作的CMOS传感器。     

复合级联混沌的彩色图像加密算法

分析了目前基于混沌系统的彩色图像加密算法,其中发现在混沌彩色图像加密过程中安全性方面的不完善,并在此基础上提出了一种新型的基于级联混沌的多重像素置乱彩色图像加密算法。该算法采用了Kent-Logistic的级联混沌与Henon离散混沌的复合系统,同时结合Arnold映射和像素排列切割的多重像素置乱方法,使得图像像素值和像素位置全盘置乱扩散,从而达到明文图像信息完全隐藏的密文效果。仿真实验表明,该算法不仅能有效抵抗选择明文（密文）攻击、统计特性分析、差分攻击,而且还具有加密效果好、密钥空间大等优点。     

噪声不均条件下的模糊C均值聚类算法及应用

随着工业生产和工艺的进步,人们对产品的质量要求越来越高。为提高光缆表面瑕疵分割的效果,克服模糊C均值聚类算法对噪声敏感的不足,提出了一种新的模糊C均值聚类（FCM）的瑕疵图像分割方法。该方法一方面考虑样本的邻域像素信息,使FCM的隶属度函数中包含像素的邻域信息,另一个方面使用一种新的距离度量方式代替传统的欧式距离。利用以上两种方法来增加算法的鲁棒性,此外,通过直方图法给聚类中心赋初值,使分割效果稳定。最后,分别对CCD相机获取的光缆图像添加椒盐噪声和高斯白噪声,使用改进的FCM算法和传统的FCM算法、FCMM算法进行光缆表面瑕疵分割实验。图像和分割正确率的对比实验结果表明,使用改进的FCM算法能更好地克服噪声,精确地将瑕疵从图像上提取出来,瑕疵轮廓更为清晰,提高了光缆表面瑕疵检测的效果。     

改进协同表示的高光谱图像异常检测算法

针对协同表示的高光谱图像异常检测算法中双窗口中心为异常像元同时背景字典存在同种异常像元的情况,中心像元的输出较小难以与背景区分的问题,提出一种改进协同表示的高光谱图像异常检测算法。为了减小背景字典中异常像元的权重,使用背景字典原子与均值的距离调整原子的权重,从而增大上述情况下中心像元的输出。实验结果表明,提出的算法在不同双窗口下都取得了较好的检测效果,验证了算法的有效性。