一种新的自适应双边滤波算法

现有的双边滤波算法需要预先设置空间方差和灰度方差参数,滤波时参数固定且不能保证是最优的参数设置. 文中提出一种新的自适应双边滤波算法(adaptive bilateral filtering, ABF),通过目标尺度信息实现空间方差局部自适应取值,保留更多的图像边缘特征;采用图像分块技术估计噪声方差,根据噪声方差自适应地设置灰度方差,以保证滤除噪声的性能;通过强制增大空间方差滤除较强噪声点. ABF不必像传统双边滤波算法那样根据经验设置参数,而是根据图像局部特征自适应地设置空间参数,不仅提高了滤除噪声的能力,而且更好地保留了图像边缘特征. 仿真实验表明,无论是主观评价还是客观评价,所提出的方法均优于传统的双边滤波算法、各向异性扩散算法和改进的双边滤波算法.     

利用卷积神经网络的体育视频运动员检测

针对体育视频中多尺度运动员的检测问题,提出一种基于卷积神经网络的自动检测方法.首先,从视频帧中获得运动员图像,并结合非运动员图像构建训练集,利用Bootstrapping算法来训练卷积神经网络分类器.然后,对于输入的图像帧,通过二次采样构建不同尺度的图像金字塔,并通过卷积神经网络检测出多个候选运动员位置.最后,计算这些候选运动员的重心,获得一个具有代表性的候选运动员,再通过一个局部搜索过程来确定最终的运动员位置.实验结果表明,该方案具有较高的检测率和较低的误报率.     

面向地面运动目标检测的SAR图像分辨率选取

在合成孔径雷达地面运动目标检测技术中,SAR图像分辨率的选取直接影响运动目标的检测性能. 为此,该文提出一种适合于运动目标检测的SAR图像分辨率选取方案. 结合感兴趣的目标大小从运动目标检测概率的角度出发,对不同SAR图像分辨率情况下运动目标的检测性能进行分析,以一种具有典型反射截面积的运动目标为例,给出不同目标尺寸条件下的最佳SAR图像分辨率. 该方案可广泛应用于工程实践.     

GIS数据约束的海岸带SAR图像多尺度分割

针对海岸带区域地理信息系统(geographic information system, GIS)矢量数据和合成孔径雷达(synthetic aperture radar, SAR)图像所表达信息的不同,探讨多尺度GIS矢量数据约束下的高分辨率SAR图像多尺度割. 在县级GIS矢量数据约束下,利用分形网络演化分割方法对高分辨率SAR图像进行分割,得到第1层分割结果. 然后在省级GIS矢量数据约束下,对第1层分割结果进行聚合,得到第2层分割结果. 该方法既能实现GIS矢量数据约束下的高分辨率SAR图像多尺度分割,获得满足GIS矢量数据约束和根据后向散射特征聚合的多尺度分割结果,又能消除瞬时SAR图像海岸线不确定的不足. 利用一幅天津地区的SAR图像进行实验,证实了该方法是一种有意义的图像多尺度分割方法,且得到的分割结果可用于有特定需求的图像分析和统计.     

一种基于共性特征的SAR图像与卫星光学图像匹配方法

提出了一种新的基于边缘的合成孔径雷达(SAR)图像与卫星光学图像匹配算法.在这种算法中,针对SAR图像固有特性提出了一种边缘特征的提取方法,并提出了一种新的基于边缘连续性密度加权的子模板Hausdorff距离矩阵度量方式,采用子模板Hausdorff距离矩阵的Frobenius范数来描述整个矩阵的"大小"的尺度,从而建立图像相似性测度.这种测度具有可靠,鲁棒,易于并行实现的优点.试验结果表明,这种算法鲁棒性好,匹配精度高,计算速度快.     

结合transformer多尺度实例交互的稀疏集目标检测

为改进稀疏集目标检测方法存在的特征图缺乏空间细节信息、目标特征没有做到全局上下文实例交互、全局语义信息没有得到充分学习等问题，设计了一种结合自适应特征增强和实例特征交互的稀疏集目标检测算法。自适应特征增强模块在特征提取过程中利用不同尺度的池化和卷积来丰富高级语义信息，减小低级语义信息背景噪声的干扰，降低目标错检率和漏检率。实例特征交互模块在边界框回归设计中结合transformer的多层注意力，并融合通道注意力和动态卷积网络对建议框的通道信息进行增强，改善了目标的边缘信息，提高了网络的实例特征交互效率。最后在COCO2017数据集与原始网络进行实验对比，平均精度提升了4.2%，其中在大目标上提升了4.6%，在PASCAL VOC数据集上提升了2.7%。     

基于MFANet和上下文特征融合的遥感影像目标检测

针对遥感影像背景复杂、目标尺度变化较大、类间相似性较高等特点而导致目标检测效果欠佳的问题,提出一种基于Faster R-CNN的有效且鲁棒的遥感影像目标检测方法.首先,引入可变形卷积、调制机制和空洞卷积,构造调制的特征自适应网络,提取更准确、更完整的目标信息.其次,构造上下文特征金字塔网络,提取更丰富且更具判别性的特征...     

SAR图像的自适应边缘保持去噪滤波

针对目前SAR图像斑点噪声滤波算法在噪声去除和边缘保持方面同时性上的不足,该文基于SAR图像噪声识别和边缘检测,提出适用于同质区域和边缘区域的自适应SAR图像去噪滤波方法. 该方法根据SAR图像斑点噪声、边缘位置、边缘方向信息,动态改变滤波器模板的尺寸和形状,实现SAR图像斑点噪声去除,同时保持图像边缘和纹理信息与细微结构. 以2010年8月15日北极地区RADARSAT-2 SAR HH图像为例,将本文的方法与典型空域滤波法进行对比分析,定量分析结果表明所提方法的可行有效.     

基于动静结合的单一背景目标检测方法

本文通过研究目标在单一场景条件下的成像特点与背景图像特征,提出一种基于动态特征、静态图像特征结合的单一背景目标检测算法框架模型。然后,通过分析算法模型对目标特征凸显的两种策略模式,分析其突出特征。最后,结合背景抑制分割方法,实现背景中目标的自适应溢出。     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络（convolutional neural network,CNN）算法的时空权重姿态运动特征提取算法。针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工作;借助CNN将运动特征矢量化;采用时空权重自适应插值方法减少运动边缘检测误差,从姿态边缘特征和姿态运动时空特征两方面实现姿态运动特征提取,并输出提取结果。与传统算法进行对比实验的结果表明,所提出的算法在有效特征数量方面得到了提升。     

基于视觉关注模型与多尺度MSER的自然场景文本检测

自然场景中文本检测易受光照、复杂背景、多语言文字、字体及尺寸等因素影响，该文提出了一种基于Itti视觉关注模型与多尺度最大稳定极值区域（maximally stable extremalregion,MSER）结合的自然场景文本检测算法.首先利用改进的Itti视觉关注模型提取文本特征图，并采用不同结合策略得到各尺度文本显著图；然后结合多尺度的MSER区域得到3种文本候选区域.根据文字与生成文本框的几何规则合并文本候选区域得到文本行；最后利用随机森林分类器除去非文本区域得到最终文本区域.实验结果表明，该方法对于自然场景图像中的文本检测具有较高的精确度和一定的鲁棒性.     

结合背景先验和对象先验的显著性检测

提出一个结合背景先验和对象先验的显著性检测方法.首先,基于背景先验计算两个互补的测地线显著图,即基于纹理特征的测地线显著图和基于颜色特征的测地显著图;然后,计算基于对象先验的显著图;最后,训练一个贝叶斯分类器,并将这3个显著图融合,得到最终的结果.在当前使用最广且最大的用于显著性检测方法评价的公开数据集ASD和MSRA5000上的实验结果表明,该方法优于目前已有的15种方法.     

结合图像质量评价参数的多尺度分解融合策略

图像多尺度分解的融合策略是提升融合图像质量的关键. 为了充分利用图像多尺度分解过程中的信息,提出了利用图像质量评价参数进行图像融合的策略. 该策略主要分为两部分：在近似图像融合的策略中,利用上一分解层图像信息对应的显著性特征来构造当前层图像融合所需的权重;在细节图像的融合策略中,则引入空间频率、对比度来确定细节图像的选取. 实验表明,该文所提出的融合策略与目前常见的融合策略相比,所获得的主观视觉效果和客观参数评价效果均较好.     

基于Shearlets变换的SAR图像去噪

在合成孔径雷达(SAR)相干噪声模型基础上提出了一种基于剪切波(Shearlets)变换的SAR图像去噪算法. Shearlets变换继承了Curvele变换和Contourlet 变换的优点,既有灵活的方向选择性又易于实现,并且对于包含C2 奇异曲线或曲面的高维信号具有最优逼近特性. 该文采用Shearlets逼近SAR图像,再用基于贝叶斯估计
理论的双变量阈值函数对Shearlets变换系数进行处理得到去噪图像. 仿真结果表明,相比使用同级Contourlet双变量阈值去噪,该算法峰值信噪比提高2 dB;相比使用非下采样Contourlet变换双变量阈值算法去噪,该算法去噪后图像不仅峰值信噪比有所提高,而且更平滑,计算时间也大大减少.     

结合对比特性与局部清晰特性的图像显著区域检测

为了有效地确定图像中的重要区域,文中根据人眼视觉关注中自上而下和自下而上的两种特点,提出了一种结合图像对比特性与清晰区域的显著检测方法. 图像中颜色的全局和局部对比引起低级视觉关注,而图像的清晰部分通常对应于拍摄时所关注的对象,反映高级视觉特性. 采用颜色分类和检测图像细节区域的方法分别提取了两类显著图,并将它们组合起来. 实验结果表明,通过综合考虑两种视觉特性得到的显著图,对多类图像都能较好地检测出与人眼视觉关注相吻合的区域.     

复杂自然背景下的人造目标检测

为了解决图像处理中目标检测的问题,提出了一种新的检测方法.该方法根据自然物体和人造物体在纹理上表现出的不同特性,首先将图像划分为若干个子块,然后按各个子块梯度的幅度和方向进行像素编码,最后利用设定的标准检测人造目标.仿真结果表明,新方法可用于不同分辨率的图像,且具有较好的鲁棒性,能够节省存储空间和运算时间,适合于实时处理的场合。     

利用JPEG压缩特性的合成图像检测

提出一种利用压缩特性进行JPEG合成图像检测的方案。由多幅JPEG图像内容拼接而成的合成图像中往往存在质量因子不一致性或分块位置不一致性,这两种不一致性可以作为检测JPEG合成图像的有力证据。该文所提方案先对待检测图像进行尝试性的再压缩并考察失真程度,以估计主要内容曾经历过的压缩情况,然后根据再压缩在不同区域引起的失真程度的起伏变化识别合成图像。该方法还可区分合成图像内容的不同来源,并分析质量因子不一致性或分块位置不一致性,为揭示图像伪造行为提供辅助信息。     

一种自适应遥感图象小目标检测新方法

针对遥感图象普遍存在的小目标,提出了一种新的自适应检测方法.该方法基于图象局部扭曲度和峭度所具有的非对称性和拖尾特性,自适应地确定具有小目标的感兴趣区域(ROI),并在该区域内,结合能量特征实现图象目标的分割.针对分割分的二值图象仍具有的干扰噪声和虚假目标问题,进行了二值数学形态滤波,并结合目标的面积特征实现了小目标的精确检测.计算机模拟仿真结果证明了所提出方法的有效性.