基于影像数据的心室隔膜形态分析

利用医学图像分割、形态学图像处理等算法在心脏核磁共振图像中提取心室壁骨架线、心室内膜边界.在分割提取工作的基础上,通过可以描述心室隔膜形态的关键参数自动分析心室内膜形态.提出自动计算心室隔膜骨架线曲率的算法,并针对曲率描述心室隔膜形态的不足,提出心室隔膜偏移量的概念,完善了基于影像数据评价心室隔膜形态的方法.实验结果表明:曲率、偏移量、心室内膜边界和变化量是评价心室隔膜形态的重要参数.     

SAR图像与光学图像多子区鲁棒匹配算法

提出了一种新的低空机载合成孔径雷达(SAR)图像与卫星光学图像的多子区匹配算法.算法中,依据SAR图像噪声特性,提出了用于SAR图像边缘提取的基于小波包变换的改进断面检测法.匹配中将低空SAR图像分为多个子区,利用子区影像频谱直方图等特性参量判别其可匹配性,并用各子区位置分布关系约束匹配结果.匹配搜索策略为基于提升小波的金字塔分层搜索.用低空SAR图像与SPOT-5卫星光学基准图进行了实验,结果表明该方法的有效性.     

基于自动多种子区域生长的遥感影像面向对象分割方法

在遥感影像分割分类中,种子区域生长算法是一种常见的分割算法.传统的种子区域生长算法只能提取单一连续的、纹理简单的目标地物,而对具有复杂纹理和多光谱特征的遥感影像,分割时存在分割效果差、不能同时有效地提取多个地物的问题.针对以上问题,本文提出了一种改进的面向对象的自动多种子区域生长算法.该方法适用于同时提取多个目标地物,且分割效果好.该方法首先使用一种改进的中值滤波对影像进行平滑处理,使目标内部一致性更高,同时保留纹理信息.然后通过一定的准则进行自动种子选取并进行生长,最后对生长后的区域进行碎斑合并处理,最终得到多种对象的分割结果.本文采用三组不同大小的1m空间分辨率的航空影像进行实验,通过与分水岭以及传统单种子区域生长算法的多组实验对比,发现该方法可以面向全局对象,自动选取覆盖各种地物类型的种子,同时对多种地物目标进行分割处理,可为后续面向对象影像分析和应用提供可靠的数据基础.     

高分辨率遥感影像分割提取构筑物评估

面向对象的影像分析已成为针对高分辨率遥感影像信息提取和行业应用的一种先进方法.该方法的实用效果,基础和关键在于对影像中所关注地物目标的影像分割提取效果.针对高分辨率遥感影像地面构筑物的提取,采用经验性符合统计比较法,把自动分割结果与人工分割提取的地面构筑物区域轮廓相对符合程度分为3个等级:良好、可以接受和不可接受,对当前应用广泛的两种多尺度影像分割方法进行了地面构筑物分割提取效果评估.     

基于支持向量机与尺度不变特征转换算法相结合的线状矢量数据匹配方法

由于不同来源或不同时间,导致了同一地物在存储方式或属性等方面存在着很多差异,这给后期的数据处理和使用带来了诸多不便,因此矢量空间数据匹配已经成为了关键性问题。提出了一种基于栅格化的线状矢量数据匹配方法,其主要思想是对线状矢量数据栅格化,利用SVM(Support Vector Machine, SVM)算法提取出所要研究的数据,然后利用Harris算子提取特征点,用SIFT(Scale-invariant feature transform,SIFT)算法计算特征向量并对其进行匹配,最后把匹配结果转换为矢量数据。该算法不受平移、旋转、缩放、明亮度变化等的影响,弥补了矢量匹配过程中因数据旋转等问题而无法匹配的不足,将矢量数据栅格化处理,使其数据结构更简单,操作容易,更易于算法的实现。提出了一种基于栅格化的线状矢量数据匹配算法,实现了对道路的匹配。     

基于点特征匹配的SUSAN,Harris算子比较

基于点特征的影像匹配是计算机视觉界比较流行的匹配方法,包括特征提取和特征匹配2个步骤.在介绍保持结构的形态学方法--SUSAN算子和Harris算子原理的基础上,根据真实影像,就特征点提取的数量、分布及匹配有效性等方面对上述2种算子进行分析比较.编程实现SUSAN,Harris算子影像的点特征提取,基于匹配支持度的松弛匹配算法,从而获得研究实验数据.实验表明这2种算子在特征提取及影像匹配等方面各自具有其独特的优势,且均具有操作简单、易于实现的特点.     

边缘检测与面向对象结合的高分影像建筑物提取

随着遥感影像分辨率的不断提升,影像中地物目标的细节变得更加清晰。由于早期影像分辨率较低,图像模糊,影像处理主要参考光谱信息,忽略了空间信息,提取精度一般。为了提高高分影像中建筑物的提取精度,充分利用光谱、空间、纹理3类信息,研究了基于面向对象的高分影像建筑物提取,并将基于改进Canny算子的多尺度分割与多规则相结合提取建筑物,最后用样本区验证精度。研究结果表明,该方法对高分影像建筑物的提取效果较好。与常规面向对象相比,方法对建筑物提取精度明显提升,且能更加充分的利用影像的空间信息与纹理信息。     

基于小波变换的遥感图像快速拼接方法

基于图像小波变换与低频区域特征匹配的拼接方法,实现无人机序列遥感图像的快速动态拼接.根据无人机遥感图像成像的内、外方位元素,采用直角空间变换及二次线性插补方法,实现了遥感图像校正.小波变换提取低频图像,在此图像区域中搜索和提取特征模板,然后利用序贯相似性检测法进行匹配计算.根据匹配结果,实现两幅图像的拼接.仿真实验结果表明,所提出的拼接方法具有较好的实时性和拼接精度.     

融合纹理特征和空间关系的TM影像海岸线自动提取

针对以往研究中简单运用影像单一特征(光谱特征或者空间关系)提取海岸线的不足,在提取过程中逐步融入区域纹理特征、空间关系和经验知识,提出一种融合纹理特征和空间关系的海岸线自动提取方法:首先利用影像的水体指数和纹理特征,对影像水、陆区域进行二值分割;然后结合空间关系和经验知识,对分割结果进行优化和后处理,并生成矢量海岸线;最后,利用基于线匹配的岸线精度评价准则,分析岸线提取结果。将该方法运用到辽东半岛复杂背景条件下TM影像的海岸线提取实验中,取得了良好的实验效果,证明纹理和空间关系在海岸线提取中具有重要作用。     

基于历史矢量数据的土地覆被样本自动选择方法

针对目前遥感技术在土地覆被中的应用需要依靠人工采集样本的现状,提出一种基于历史矢量数据的土地覆被分类样本自动选择方法:分别对遥感影像进行分割、对历史矢量数据进行筛选和缓冲处理,然后对分割结果和缓冲处理后的矢量数据进行空间分析和判断得到初始样本,再通过分类训练剔除错误样本得到最终样本,并以四川省某区域为试验区,对方法进行了测试和分析.结果表明,自动选择方法提取的样本准确率均在95%以上,相对于人工采集样本大大提高了效率;基于选择的样本对影像进行分类,结果精度也较高,能够有效地用于土地覆被专题图的快速更新.     

一种基于形状信息描述的图像特征匹配算法

针对已有匹配方法匹配特征点少、图像匹配精度低的问题,提出一种基于边缘形状描述子的图像特征匹配算法。该算法首先利用曲线凸性将图像边缘分割为近似直线段组,再将连接多个直线段的点定义为关键点,将关键点周围直线段组定义为形状特征包,最后利用局部形状特征包中所有点集相对其几何中心的位置关系分布形成描述子。实验结果表明：该算法的图像匹配正确率均高于SIFT算法和Shape Context算法,且对噪声问题不敏感,可应用于基于Hough变换的物体检测。     

基于边缘特征的运动目标提取与跟踪

运用聚类准则，提出了一种获取二值边缘图的自动门限法，研究了序列图像中目标跟踪窗的自适应调整，并在此基础上进行了复杂背景中运动目标匹配跟踪试验。试验结果表明，本方法提高了复杂背景中运动目标跟踪的能力，可作为常规跟踪方法的补充，以达到稳定跟踪。     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

一种基于轮廓特征的运动目标识别方法

针对视频图像中形状匹配的局限性,即当待检测物体出现平移、旋转变化时识别目标需要很长的计算时间,提出了一种基于轮廓特征的运动目标识别方法.首先获取能自动更新的背景图像,采用背景减法提取运动目标的轮廓,然后运用其轮廓的边界不变矩特征和形态学特征,构建一个轮廓特征向量的模型,再分析比较待测运动目标轮廓特征向量与每类标准样本之间的欧氏距离,实现对运动目标的识别分类. 试验结果表明,该方法具有识别精度高、计算量小、实时性好的特点.     

基于Seam Carving的双向接缝裁剪图像重定向

在比较现有图像重定向技术方法基础上,针对传统Seam Carving方法,其图像边缘重要度图的表征内容感知存在忽视了图像内容主体与边缘关系的问题,提出一种双向接缝裁剪的图像重定向改进方法.该方法通过结合检测边缘的梯度能量图和检测内容的显著性图,突出重要对象主体和保护重要边缘信息,同时延缓裁剪细缝穿过重要信息的可能性,能够保持重定向图像的重要部分与图像整体之间的布局合理关系.以SIFT Flow算法作为质量评估参考,利用实验数据集和多组对比实验,验证了本研究图像重定向改进方法具有良好的视觉改善效果.     

基于多类支持向量机的X射线焊缝图像缺陷类型识别方法

压力容器的焊缝结构多变，纹路复杂，这增加了压力容器检测时焊缝缺陷定级的难度，提出一种基于多类支持向量机的X射线焊缝图像缺陷类型识别方法。首先通过对X射线焊缝图像进行预处理及缺陷轮廓检测，提取表征焊缝缺陷的状态特征，以构造特征向量，然后基于多类支持向量机建立焊缝缺陷识别模型，对产品的焊缝缺陷进行分类识别。实验结果表明了该方法的有效性。     

基于多类支持向量机的X射线焊缝图像缺陷类型识别方法

压力容器的焊缝结构多变,纹路复杂,增加了压力容器检测焊缝缺陷时定级的难度.提出一种基于多类支持向量机的X射线焊缝图像缺陷类型识别方法.首先通过对X射线焊缝图像进行预处理及缺陷轮廓检测,提取表征焊缝缺陷的状态特征,以构造特征向量;然后基于多类支持向量机建立焊缝缺陷识别模型,对产品的焊缝缺陷进行分类识别.实验结果表明了该方法的有效性.     

基于高次曲线拟合的人脸特征表示

基于数字化曲线拟合技术,提出一种新的人脸图像不变特征表示方法.该方法先将人脸边缘图像分割为高次多项式及抛物线段构成的特征曲线段集合,再运用极惯性矩度量不同人脸图像在特征曲线段两侧的局部纹理及形态差异.实验结果表明,该方法与直线边缘图法和抛物线边缘图法相比,能更好地描述人脸图像的分布特征.     

基于多尺度特征提取的单目图像深度估计

在目前基于深度学习的单目图像深度估计方法中，由于网络提取特征不够充分、边缘信息丢失从而导致深度图整体精度不足。因此提出了一种基于多尺度特征提取的单目图像深度估计方法。该方法首先使用Res2Net101作为编码器，通过在单个残差块中进行通道分组，使用阶梯型卷积方式来提取更细粒度的多尺度特征，加强特征提取能力；其次使用高通滤波器提取图像中的物体边缘来保留边缘信息；最后引入结构相似性损失函数，使得网络在训练过程中更加关注图像局部区域，提高网络的特征提取能力。在NYU Depth V2室内场景深度数据集上对本文方法进行验证，实验结果表明所提方法是有效的，提升了深度图的整体精度，其均方根误差（RMSE）达到0.508，并且在阈值为1.25时的准确率达到0.875。     

一种镜像立体匹配改进算法

基于图像视差的三维扫描技术中,计算样本外形需要从存在干扰的图像中寻找匹配对应点,提出一种镜像立体匹配改进算法,处理场景存在镜面的情况下物体和镜像的点点对应问题.新算法通过计算像素点与其邻域的灰度值之差,结合变权构建多维判别向量,通过判断物体空间和像空间中对应点的多维向量夹角的大小,来确定两个像素是否匹配.实验结果表明,相比传统的SAD,NSAD,SSD,NSSD立体匹配方法,新算法能够更好地处理有衰减模糊和色差的图像匹配问题,提高重现物体的几何外形精度.