基于Kirsch方向模板的SAR相干斑噪声抑制方法

提出一种抑制SAR相干斑噪声的加权平滑滤波方法。该方法利用 8个 3× 3的Kirsch方向模板分别与SAR图像进行卷积运算 ,取其中的最大值作为窗口中心像素的边缘强度值 ,中心像素灰度值的滤波输出为它的 8个邻域像素灰度值的加权平均 ,加权系数为每个像素的边缘强度值。给出了滤波核方程的推导过程 ,分析了滤波原理。将该方法用于SAR图像相干斑噪声抑制 ,并与Lee滤波器的去斑效果进行了比较。实验结果表明 ,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

基于模板匹配的多模式车辆跟踪算法

动态目标识别与跟踪是计算机视觉研究的热点问题,为实现汽车辅助驾驶系统中复杂背景下多目标的稳定跟踪,提出了一种基于灰度图像模板匹配的多模式车辆跟踪算法。根据不同模式下车辆灰度图像的特点,分别采用目标边缘特征更新模板、切割分块模板和逆转模板实现了车辆在正常行驶、遮挡及边界条件下的稳定跟踪。算法应用于道路多个车辆目标跟踪提高了目标形变和遮挡情况下的跟踪鲁棒性,采用改进的金字塔加速算法提高了跟踪速度。     

基于空间连贯性的快速图像逆映射算法

作为基于图像绘制技术(IBR)的基础算法,图像逆映射算法克服了正向映射的诸多问题,但存在的效率瓶颈极大地妨碍了其广泛运用。提出一种用于图像逆映射的快速算法―极线模板法。该算法利用场景的空间连贯性,采用相邻参考像素的可变半径模板对极线进行裁剪,从而将单次搜索从极线复杂度降低到模板半径复杂度。而对于无法采用模板进行裁剪的像素,则根据极线几何的保序性,利用已建立映射的匹配关系,找到最近的搜索起点优化搜索。该算法简单易实现,大大降低现有算法的计算复杂度,显著提高计算效率。     

一种基于二维信息匹配的ASM定位算法

主动形状模型ASM(Active Shape Models)目前在目标对象的定位中得到了广泛的应用。为进一步提高ASM的目标定位精度,在传统ASM方法的基础上,提出了一种基于二维信息匹配的ASM目标定位改进算法。该算法采用以轮廓点为中心的近似圆盘区域的二维灰度信息代替原算法的一维法线灰度信息进行目标轮廓匹配。实验表明与传统ASM算法相比,改进算法的目标定位精度有显著提高。     

基于融合距离的极化SAR图像非局部均值滤波

在极化合成孔径雷达(synthetic aperture radar, SAR)图像降噪领域,常见的非局部均值滤波仅依靠像素间的统计距离进行相似性度量,忽略了像素点的空间信息。本文结合极化SAR数据统计特性和图像空间特征作为像素间的相似性度量,提出了一种利用融合距离来计算相邻窗口权重的方法——基于融合距离的非局部均值滤波器。融合距离的引入使得滤波器能够更全面的评估像素间的相似性,从而得到更合适的像素权重。此外,本方法还引进变异系数对邻域窗口的权重进行评估,通过该参数可以控制滤波的程度。在多幅极化SAR图像上的实验结果表明,所提出的滤波器能够在有效抑制斑点噪声的同时保留较为完整的图像边缘信息和极化散射特性。     

基于边缘轮廓上多尺度自相关矩阵的角点检测算法

为了减少边缘轮廓上微小变化和边缘噪声对检测结果的影响,提高检测准确率,提出了一种利用边缘轮廓上多尺度自相关矩阵的角点检测算法。该算法首先利用边缘检测器提取图像的轮廓,同时利用不同尺度的高斯核函数平滑图像,对于轮廓曲线上的每一个像素,利用微分算子获得不同尺度下灰度变化信息来构建自相关矩阵;最后将不同尺度下自相关矩阵的归一化特征值的乘积作为新的角点测度。如果该角点测度值既大于预设阈值,又是局部窗口内的极大值,就判定是角点。仿真结果证实所提算法可以更准确地检测图像中的角点且具有更低的错检概率。     

基于圆环模板的改进Harris角点检测算法

Harris算子是经典的角点检测算法,但却存在检测性能依赖高斯窗窗长和阈值的不足,本文对此做出改进。先设定较低阈值,检测出图像中的疑似角点。再构造一个新的圆环模板,通过内外两个圆环上的像素点评估中心像素邻域灰度变化,用构建的新模板遍历每一个疑似角点,滤除虚假角点,得到最终检测结果。本文算法计算内外两个圆环上像素的灰度变化,充分考虑了角点在局部区域灰度变化明显的特征,不涉及微分运算,所以具有较好的鲁棒性。通过一系列实验,新算法在实际应用中明显具备良好的检测性能。     

一种基于GVF变形模板的椭圆提取算法

给出一种结合梯度矢量流（GVF）及椭圆变形模板的椭圆提取新算法。普通的动态轮廓算法仅提供局部的连续与正则性约束，虽然使得曲线可以灵活适应各种不同的边缘形状，但也导致轮廓强烈敏感于图像噪声及邻近边缘点，引入全局模型是改善性能的关键。给出一种新的基于椭圆形状约束的变形模板算法，其能量最小化过程也直接在椭圆的参数空间中进行，从而保证了提取结果一定是椭圆；算法与GVF相结合，大大扩展了边缘能量的捕获范围，而不致造成边缘模糊；此外，本算法容许同时提取多个椭圆，且可利用各个椭圆参数及其相关性（例如同心椭圆）等先验知识，从而实现快速、准确、鲁棒的椭圆提取，仿真结果与实际图像应用验证了算法的有效性。     

一种基于分片模板的自适应运动目标跟踪算法

分块跟踪算法是一种非常鲁棒的模板匹配算法,特别适合解决部分遮挡问题,但是该算法框架下的模板更新策略无法解决场景中的目标外观变化和遮挡问题,为此,提出一种分块跟踪框架下的带有遮挡检测的模板更新算法。算法将目标分为多个小片,根据各小片匹配的情况检测目标是否被部分遮挡。如果目标被遮挡,使用能精确反映目标信息的参考模板进行匹配;否则使用能反映目标变化的临时模板,并提出了相应的模板更新算法。大量的实验证明了本算法的有效性。     

一种基于变形模板的椭圆跟踪算法

给出一种新的基于活动轮廓与光流约束的椭圆跟踪算法。椭圆变形模板在引入对目标模型严格的全局约束的同时,降低了计算复杂度;基于模型的光流技术被用于提取目标的运动信息并引导轮廓的变形;借助扩展Kalman(EKF)滤波器有机组合目标的形状与运动信息;最后利用光流测量方程给出的误差测度及EKF给出的估计方差对虚假样本点作出判断与舍弃,从而保证对图像噪声、遮挡及伪边缘具有较强的克服能力。算法除可用于跟踪刚体运动之外,也可用于非刚体(例如人头)运动的跟踪。计算实例表明了算法的有效性。     

Object detection based on combination of local and spatial information

A method of object detection based on combination of local and spatial information is proposed.Firstly,the categorygiven representative images are chosen through clustering to be templates,and the local and spatial information of template are extracted and generalized as the template feature.At the same time,the codebook dictionary of local contour is also built up.Secondly,based on the codebook dictionary,sliding-window mechanism and the vote algorithm are used to select initial candidate object windows.Lastly,the final object windows are got from initial candidate windows based on local and spatial structure feature matching.Experimental results demonstrate that the proposed approach is able to consistently identify and accurately detect the objects with better performance than the existing methods.     

基于邻域加权模糊C均值的遥感影像分割

遥感影像分割是遥感影像识别和理解的前提和基础,遥感影像分割的结果直接决定着后续像分析和理解的质量。针对经典模糊C均值(Fuzzy C-Means,FCM)聚类算法分割图像时存在的不足,即该算法只考虑图像中像素自身的灰度值信息而没有考虑其邻域内的像素空间信息从而对噪声比较敏感,提出了一种邻域加权FCM(Neighboring Weighted FCM,NW-FCM)的遥感影像分割算法,该算法中邻域窗口内各系数(权)的值是根据图像自身的特性而自适应确定的。通过分割合成图像和实际的高分辨率遥感影像的实验结果表明,相对于其他几种方法,所提的方法取得了更好的分割效果。     

Integration of spatial attractions between and within pixels for sub-pixel mapping

As a promising technique to enhance the spatial resolution of remote sensing imagery,sub-pixel mapping is processed based on the spatial dependence theory with the assumption that the land cover is spatially dependent both within pixels and between them.The spatial attraction is used as a tool to describe the dependence.First,the spatial attractions between pixels,subpixel/pixel spatial attraction model (SPSAM),are described by the modified SPSAM (MSPSAM) that estimates the attractions according to the distribution of sub-pixels within neighboring pixels.Then a mixed spatial attraction model (MSAM) for sub-pixel mapping is proposed that integrates the spatial attractions both within pixels and between them.According to the expression of the MSAM maximumising the spatial attraction,the genetic algorithm is employed to search the optimum solution and generate the sub-pixel mapping results.Experiments show that compared with SPSAM,MSPSAM and pixel swapping algorithm modified by initialization from SPSAM (MPS),MSAM can provide higher accuracy and more rational sub-pixel mapping results.     

基于典型散射差异指数的PolSAR图像Lee滤波

为提高滤波后极化合成孔径雷达图像的边缘清晰度和保持目标的极化特性,提出了基于典型散射差异指数(typical scattering difference index, TSDI)的PolSAR图像Lee滤波算法。算法根据滤波像素和邻域像素之间的TSDI,采用自适应阈值法筛选出滤波像素的同质像素,然后用同质像素进行Lee滤波。针对筛选阈值,首先利用Parzen窗估计同质区域TSDI概率分布,然后根据估计结果计算阈值。用美国AIRSAR系统和UAVSAR系统采集的极化数据进行实验。实验结果表明该算法相对于精致Lee滤波算法相干斑抑制更加彻底,同时图像边缘清晰度和目标极化特性保持更完好。     

Range anomaly suppression based on neighborhood pixels detection in ladar range images

Research on the range anomaly suppression algorithm in laser radar (ladar) range images is significant in the application and development of ladar. But most of existing algorithms cannot protect the edge and linear target well while suppressing the range anomaly. Aiming at this problem, the differences among the edge, linear target, and range anomaly are analyzed and a novel algorithm based on neighborhood pixels detection is proposed. Firstly, the range differences between current pixel and its neighborhood pixels are calculated. Then, the number of neighborhood pixels is detected by the range difference threshold. Finally, whether the current pixel is a range anomaly is distinguished by the neighborhood pixel number threshold. Experimental results show that the new algorithm not only has a better range anomaly suppression performance and higher efficiency, but also protects the edge and linear target preferably compared with other algorithms.     

抑制SAR图像相干斑的自适应红黑窗滤波算法

针对经典空域滤波算法处理SAR图像时,在同一滑动窗内完全按同质区域性质处理数据而导致图像细节信息损失的情况,提出一种新的滑动窗结构的算法。该算法选取与窗口中心像素统计特性相近的像素进行滤波处理,解决了经典空域滤波算法存在窗口内数据不满足滤波模型对同质区域要求的缺陷。同时,针对强散射点的特殊性,设计了相应的检测及处理方法。实验结果表明,该算法在获得与经典算法相当的相干斑抑制的同时,较经典算法具有更强的边缘和细节保持能力,同时获得更好的图像视觉效果。     

基于空间预处理联合稀疏表示高光谱图像分类

针对高光谱图像分类时光谱信息和空间信息利用不充分、分类精度低的情况, 提出一种结合空间预处理的联合稀疏表示分类方法。一方面能够弥补联合稀疏表示固定窗口模式中空间信息利用不充分的问题, 另一方面也避免了像元多次参与联合稀疏模型的构建过程。考虑每个像元对联合稀疏模型的贡献不同, 通过赋予邻域像元相应权重以提高稀疏重构精度。最后, 充分利用训练样本的已知信息修正分类结果, 在Pavia University和AVIRIS Salinas两个数据集上进行实验验证。实验结果表明, 所提方法能够有效地提高高光谱图像分类精度。     

适用于遮挡情况的SSD和MCD融合跟踪算法

针对目标遮挡问题以及基于SSD和MCD跟踪方法的缺点,提出了一种新的基于SSD和MCD融合的跟踪方法,给出了SSD和MCD两种距离结合的目标相似度量的计算方法。新的方法既考虑了与模板像素距离较近点的个数同时也考虑了匹配区域的SSD距离。实验表明基于SSD和MCD融合的跟踪算法明显优于单独使用SSD和MCD的方法,特别是对目标部分遮挡的适应能力有了很大提高。     

基于Fuzzy-ART神经网络的红外弱小目标检测

针对现有背景抑制算法未能有效抑制背景而导致目标检测率低的问题,提出了一种基于模糊自适应共振理论（fuzzy adaptive resonance theory, Fuzzy ART）神经网络的弱小目标检测算法。首先,采用Fuzzy ART神经网络结合Robinson 警戒环技术,建立自适应局部空间背景模型,并以此分析像素点的背景模糊隶属度来抑制背景杂波;然后依据目标与残留背景杂波的空间特征采用模板均差法来突显目标,并提出基于行列模糊聚类的自适应分割算法来提取候选目标;最后结合目标的运动连续性进行多帧轨迹关联从而检测出真实目标。理论分析与实验结果表明,该算法能随背景的局部情况来自适应调节空间背景模型,从而自适应抑制背景杂波、突显目标,能有效提高信噪比,检测出弱小目标。     

面向变化检测的SAR图像超像素协同分割算法

针对面向对象的合成孔径雷达(synthetic aperture radar, SAR)图像变化检测中存在的多时相图像边界和空间对应关系不一致的问题,提出了一种面向变化检测的SAR图像超像素协同分割算法。首先,分别计算两幅不同时相SAR图像中两个像素点之间的强度相似度,并进行加权组合得到新的像素强度相似度。其次,对两幅不同时相的SAR图像及其对数比值图分别进行边缘提取,以同一像素位置的最大边缘值构造二值边缘图。最后,以融合了像素强度、空间距离和边缘信息的相似度代替CIELAB彩色空间相似度,利用改进简单线性迭代聚类算法对多时相SAR图像进行超像素分割,得到边界准确、空间对应的协同分割结果。基于一组仿真和一组实测多时相SAR图像的协同分割实验结果表明,该方法的边缘贴合率、欠分割误差和可达分割准确率均优于其他4种经典方法。