基于最优分解和方向加权的静止图像压缩算法

基于小波变换的JPEG2000是新一代静止图像压缩标准,具有很多优点。但是由于二维小波是一维小波的张量积,它只有有限的方向,因而不能较好地捕捉图像的方向信息。基于方向滤波的小波 contourlet变换(wavelet based contourlet transform, WBCT)可以弥补这个不足,它比小波变换能更稀疏地表示图像信息。把WBCT嵌入在JPEG2000框架中,并结合其性质,提出了基于最优分解和方向加权的静止图像压缩算法。实验结果表明,该算法在中低码率下可以更好地表现图像的轮廓和强纹理信息,在高码率下也能较好地编码图像的弱纹理信息。不管是参照客观质量评价方法,还是凭主观视觉感受,该算法的压缩性能均优于JPEG2000。     

基于非下采样contourlet变换的图像边缘检测新方法

非下采样contourlet变换(nonsubsampled contourlet transform, NSCT)由于其平移不变性使得检测出的边缘定位准确。但是传统的基于非下采样contourlet变换的边缘检测结果中仍存在伪边缘,这是固定阈值选取不当所致。采用双阈值对高频子带中的模极大值进行筛选,用得到的两个矩阵进行补偿链接可以减少伪边缘。由于NSCT系数的结构特点,低频子带中也存在丰富的边缘信息,再用Canny算子对低频子带进行检测。仿真结果表明,基于双阈值的模极大值方法检测的高频子带细节丰富、定位准确、纹理清晰,Canny算子检测的低频图像边缘,轮廓完整连续,融合后的图像有效地抑制了噪声,消除了伪边缘。     

基于图像描述技术的飞机目标架次判别方法

利用图像描述技术对非相参回波信号波形作了一定的分析,提取出反映飞机目标不同机型(大、小)和不同编队(架次)可资分类识别的图像特征信息。采用极大极小模糊神经网络对提取出的特征进行了训练和分类识别试验,验证了图像特征信息的有效性。结果表明,基于图像描述技术的架次判别方法,为解决常规非相参雷达编队飞机目标架次判别问题提供了一条新的途径。     

SAR图像中动目标的广义似然比快速检测

研究经Keystone变换后在SAR图像方位向信号中,根据广义似然比检验法(最优检测)检测动目标.将广义似然比检测与遗传算法结合,利用遗传算法的全局优化特性以及解决多参数问题的良好特性,提高了运算速度.由于考虑了天线方向图的影响,充分利用目标的距离向和方位向运动信息,此方法对匀速直线运动点目标的检测效果良好.     

基于SAR仿真图像的地面车辆非同源目标识别

充分的合成孔径雷达(synthetic aperture radar, SAR)模板数据是目标识别算法(尤其是基于深度学习的智能目标识别算法)获得优异识别性能的关键, 基于实际测量获取充分SAR数据是不现实的, 基于电磁散射建模的SAR仿真成为当前获取充分样本的一种有效途径。SAR仿真图像与实测图像为非同源数据, 由于SAR仿真的目标几何模型与实物之间差异、SAR仿真过程中的传感器模型与实际传感器性能之间差异、实物所处的背景环境与SAR仿真的环境之间差异、电磁建模方法本身误差等因素导致SAR仿真图像与实测图像存在差异, 会影响识别性能。针对这一问题, 首先采用一种基于高频渐近技术和离散射线追踪技术的SAR仿真方法获取地面车辆目标的SAR仿真图像, 再利用卷积神经网络方法、线性/非线性特征变换方法实现对MSTAR实测数据的非同源SAR目标识别性能对比分析。实验结果表明, 直接使用SAR仿真数据无法实现对实测SAR数据有效识别, 而线性/非线性特征变换可以改善非同源SAR目标识别性能, 一定程度上缓解由于SAR仿真数据与实测数据存在差异导致的识别性能差的问题。     

基于非采样contourlet变换的多光谱和全色图像自适应融合算法

光谱保持和高分辨率保留是影像融合的两个重要问题。提出了一种自适应的基于非采样contourlet变换的多光谱和全色图像的融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行非采样轮廓波变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的自适应基于局部特征的融合准则进行影像融合,通过非采样contourlet逆变换得到新的I分量,最后与H,S分量一起还原到RGB空间,得到融合后的高分辨率多光谱彩色图像。采用一组多光谱图像和全色图像数据进行融合实验,利用均值、标准差、熵、光谱扭曲度和相关系数5个重要评价指标对融合效果进行数理分析。实验融合图像的目视效果和统计指标均优于传统的IHS融和方法、小波融合方法以及contourlet变换方法。     

基于脉冲耦合神经网络的Live wire新方法的仿真研究

提出了一种基于脉冲耦合神经网络(PCNN)的Live wire分割新方法,Live wire方法是把图像当作一个连通图,在边上定义一个代价函数,然后通过搜索最短路径来找物体的边界,把用户指定的物体边界上的两点之间的最短路径当作物体的边界。最短路径是Live wire方法的重要步骤,本文在介绍脉冲耦合神经网络的基本工作原理和特性的基础上,将改进的脉冲耦合神经网络算法引入到Live wire边缘检测的算法中,用于最短路径算法的研究。并在改进算法中应用路径封锁和在线训练来提高算法的准确性和应用性。     

一种SAR图像目标识别方法

提出了一种新的合成孔径雷达 (SAR)图像目标检测和识别方法 ,该方法根据SAR图像统计分布特性 ,结合恒虚警检测算法和小波变换提取感兴趣的SAR图像目标特征 ,检测得到目标 ,采用马氏距离从杂波背景中识别该目标。实际SAR图像测试结果表明了该方法的有效性     

基于多分辨率统计能级的SAR图像点目标检测

针对合成孔径雷达(syntheticapertureradar,SAR)图像点目标检测的困难,基于各层小波系数分布的统计特征,提出了一种在多分辨率统计能级上区分目标与杂波背景的方法。在非正交小波变换的基础上,定义各点的层间随机过程,进行各分辨率下的信息相关后,通过能量函数构造能量图像,并在能量图像上自适应地搜索合适的目标尺度窗口实现检测。实验结果表明,该方法适用于不同的杂波背景,能有效检测潜在的点目标,并在一定程度上保持了目标的形状。     

基于多源信息融合的巡飞弹对地目标识别与毁伤评估

面向利用多枚巡飞弹对地面高防御移动目标进行打击的任务场景,提出一种基于多源信息融合的巡飞弹对地移动目标识别与毁伤评估方法。基于IoU判定实现红外图像与可见光图像的多源信息融合;提出一种基于YOLO-VGGNet的两阶段紧耦合的巡飞弹对地移动目标毁伤评估方法,利用卷积神经网络深度语义信息提取的优势,引入红外毁伤信息,实现对地面移动目标的在线实时毁伤评估。。实验结果表明：基于多源信息融合的目标识别算法有效提升了巡飞弹对地面移动目标识别的有效性;基于YOLO-VGGNet的在线实时毁伤等级评估方法较传统基于图像变化检测与基于两阶段卷积神经网络的方法评估准确率分别提升19%和10.25%。     

Spectral matching algorithm based on nonsubsampled contourlet transform and scale-invariant feature transform

A new spectral matching algorithm is proposed by using nonsubsampled contourlet transform and scale-invariant feature transform.The nonsubsampled contourlet transform is used to decompose an image into...     

基于区域分割的NSCT域SAR与全色图像融合算法

提出了一种基于多阈值分割和无下采样Contourlet变换(nonsubsampled Contourlet transform, NSCT)的SAR与全色图像融合算法。首先对降斑SAR图像作多阈值分割,并定义了区域均值比量测算子将SAR图像进行区域划分;然后采用NSCT对降斑SAR图像和全色图像进行多尺度、多方向分解,分解后的低频部分根据区域均值比量测算子进行区域融合,高频部分则采用区域与窗口邻域相结合的融合策略;最后对融合系数进行重构得到融合图像。实验结果表明,该算法的融合图像既可保持全色图像的空间分辨率,又可有效获取SAR图像的目标信息,融合效果优于小波变换法以及基于像素的NSCT法。     

基于映射的复轮廓波变换纹理图像检索系统

轮廓波变换纹理检索系统检索率比较低的根本原因在于轮廓波变换域系数的振荡性和移变敏感性。为了克服轮廓波变换的这些缺陷,提出了一种基于映射的复轮廓波变换。在该变换的基础上,采用变换域子带系数的能量和标准偏差序列作为特征向量,以Canberra距离为相似度度量标准,构造了一种纹理图像检索系统。实验结果表明,在特征向量长度、检索时间、所需存储空间基本相同的情况下,基于映射的复轮廓波变换检索系统比轮廓波变换检索系统具有更高的检索率。     

基于区域和方向方差加权信息熵的图像融合

提出了一种基于非下采样Contourlet变换（nonsubsampled Contourlet transform, NSCT）的红外与可见光图像融合方法。首先对原红外图像进行图像分割,确定目标区域与背景区域,并将其映射到可见光图像中;然后对红外和可见光图像进行多尺度、多方向分解,分解后的低频部分在目标区域选择红外图像低频系数、在背景区域选择可见光图像低频系数,高频部分使用方向方差加权信息熵最大作为融合策略进行融合;最后对融合的系数进行重构得到融合图像。实验结果表明,本文算法在保留图像细节信息、增加信息量、方便目标检测方面都有显著地提高。     

基于支持向量值轮廓波变换的遥感图像去噪

提出了一种基于支持向量值轮廓波变换的遥感图像去噪算法。首先利用支持向量机构造支持向量值滤波器,并结合方向滤波器组,构建支持向量值轮廓波变换,再利用该变换将含噪声遥感图像分解成低频部分和高频方向子带部分,最后利用支持向量回归方法对子带系数进行去噪。实验结果表明,支持向量值轮廓波变换具有平移不变、泛化能力好、捕捉奇异性能强等特性,本文提出的去噪算法能在去除噪声的情况下有效保留源图像的边缘信息。     

基于局部混合滤波的SAR图像去噪

相干斑噪声是合成孔径雷达(synthetic aperture radar, SAR)成像系统所固有的缺点,严重影响SAR图像的可用性,给后续的图像分割、特征提取和目标识别等工作带来严峻的挑战。结合非下采样方向滤波器和双树复小波变换各自的特点,提出一种新的基于非下采样方向滤波-双树复小波变换的局部混合滤波SAR图像去噪算法,具有多方向和多尺度性,保持了图像的平移不变性,改善了图像的视觉效果。与其他算法不同,本文算法采用非下采样方向滤波器级联双树复小波的方法,不仅对每次产生的高频分量进行去噪,还对变换所产生的低频分量进行滤波去噪。实验结果表明：与使用同级双树复小波-轮廓波变换加软阈值去噪相比,本文算法的峰值信噪比提高2 dB;与使用轮廓波加循环平移（cycle spinning, CS）软阈值算法去噪相比,本文算法去噪后的图像不仅峰值信噪比有所提高,而且去噪后的图像更为平滑,抑制了人造纹理产生,视觉效果得到了明显改善。