基于二通道不可分小波的多光谱图像融合

提出了一种伸缩矩阵为[1，1；1，-1]的二通道不可分小波滤波器组的构造方法，并把它应用于多光谱图像与高分辨图像的融合中．设计出多组不可分4×4小波滤波器组，并提出了一种基于该类小波的多光谱图像融合算法．利用所设计滤波器分别对多光谱图像的亮度分量和全色图像作多尺度小波分解，选取参数对分解后的低频分量进行调节融合．实验结果表明，该方法能较好地保持多光谱信息和高分辨率信息，其保持光谱信息的能力和保持高分辨率信息的能力比基于张量积离散小波帧变换（DWFT）的融合方法和基于改进的IHS变换的融合方法都强，当t值较大时，融合结果图像含有较丰富的光谱信息．与基于4个通道小波的图像融合方法相比，该方法可节约一半的运算量．     

一种基于边缘检测的小波包非对称分解在图像编码中的应用

图像的像素点的值分布并不是均匀的，而是集中地分布在一些区间之内。小波包分解是将频带等分为2j个新的子带，但很多子带里只有少数无用的孤立点；而在像素点集中的子带里，如果要进行更细的分解，将使子带数量呈指数级数增长。本文提出一种方法先对图像进行边缘检测，得到边缘与非边缘部分。对于像素点集中的几个部分，再分别对这几个部分定义不同的细度并采用小波包非对称分解再进行进一步细分，对于少数无关紧要的孤立点则舍弃。这样既保持了图像的有效信息，又能极大地减小图像编码的冗余度。     

一种快速TMF的无监督SAR图像多类分割算法

三重Markov随机场(TMF)模型非常适合处理非平稳、非高斯图像的分割问题.为了降低模型和算法的复杂性,以满足对实测SAR图像处理的实时、稳健和高效的需求,文中提出了一种快速TMF的无监督SAR图像多类分割算法.该算法首先针对SAR图像的乘性斑点噪声,研究了SAR图像四叉树分解的数字特征、阈值选取及分解规则,使得在图像平滑区进行粗分解,而在图像边缘区进行细分解,将图像快速映射成一种新的基于边缘信息的pixon描述,然后再将TMF算法进行扩展,导出了基于边缘信息pixon描述的TMF新的势能函数,最后完成Bayes最大后验模型(MPM)分割.测试数据和实测SAR图像的仿真实验验证了快速TMF算法的有效性.     

基于奇异值分解的多小波图像去噪方法

给出了一种将多小波变换和奇异值分解相结合的图像去噪方法.该方法通过对含噪图像进行多小波变换,克服了单小波变换中无法同时满足正交性和对称性的缺点.对变换得到的高频系数矩阵进行奇异值分解去噪,提取高频系数中淹没在噪声中的信号成分,然后进行多小波重构,得到去噪图像.仿真结果表明,该方法能有效去除噪声,并获得良好的主观视觉效果.     

带方向特征的Contourlet HMT模型

根据Shannon信息理论将纹理的方向特征定义为:图像中信号取值为随机分布的奇异值时方向变量的取值特征.根据这一定义,并结合Tamura方向特征的求取方法,文中对Contourlet变换系数的方向概率分布进行了研究,获得方向特征在Contourlet变换的父子子带间形成传递这一结论,在此基础上结合Contourlet隐Markov树(HMT)模型,建立了以隐状态变量分布为条件的方向隐变量的概率分布模型,即带方向特征的Contourlet HMT模型,给出了该模型的结构和训练方法.此外,通过基于所提出模型的无监督结合上下文信息的图像分割算法对合成图像和遥感图像的目标分割实验验证了所提出模型的有效性.     

α进制最小能量区间小波框架的构造

基于小波多尺度特征和信号多通道理论需要,本文对a进制最小能量区间小波框架进行了系统研究,其中a为任意大于等于2的正整数.首先,给出了a进制最小能量区间小波框架的定义,建立了a进制最小能量区间小波框架的充要条件;其次,我们设计了支撑长度为任意整数γ的a进制最小能量区间小波框架的构造算法,并构造性地给出了构造算法所涉及矩阵的表达式;最后,给出了最小能量区间小波框架的分解与重构算法,并构造了数值算例.     

非稳态导热基于温度梯度的本征正交分解降维方法

利用本征正交分解(POD)方法处理温度场是实现非线性热流过程降维的有效途径.目前大部分POD算法研究,是从温度场构成的瞬态图像中提取POD基函数,结合Galerkin投影法建立低阶模型;或者对数值计算方法采用的方程组进行POD分解或SVD分解,以建立低自由度的方程组,达到降维的目的.与传统的POD方法不同,本文以优化POD解的梯度为目标,从温度场的梯度中提取出最优正交基.结合Galerkin投影法,建立了二维、常物性、非稳态导热微分方程的POD-Galerkin降维模型,研究了各个边界条件下导热微分方程的降维算法的精度.结果表明POD解保持0.1%以下的相对偏差,而平均求解时间从原来的1.64 s降低到0.02 s.     

基于压缩感知思想的图像分块压缩与重构方法

压缩感知理论在数据获取、数据存储/传输、数据分析和处理方面有很大优势,成为近年来的研究热点.考虑到大多数图像信号信息分布有差异,编码端,在对图像分块的基础上,融合熵估计和边缘检测方法计算各图像块的信息含量,再从两个不同的角度进行分类采样:依据信息量多少将图像块分为平滑、过渡和纹理3类,使用不同的采样率采样;依据信息量的分布特征,采用不同的采样率分配策略进行采样.在解码端,根据不同类型的图像块构造不同的线性算子进行重构,再运用改进的迭代阈值算法去除块效应和噪声.实验证明,算法在提升图像重构质量的同时缩短了重构时间,并且对纹理边缘多的图像的重构效果较其他方法理想.     

基于改进K均值的脸形聚类算法

针对海量人脸图像数据库检索时顺序匹配速度慢等问题,提出把聚类技术应用于数据库预分类,利用脸形特征对人脸图像自动聚类.首先用改进主动形状模型提取脸形特征,再用改进K-均值算法对人脸图像进行聚类.使用Hausdorff距离计算两个特征点集的相似度.实验表明,该算法的聚类结果比较稳定、精确且符合人类视觉认知特性.     

基于伪光照和区域特征梯度结合的导电粒子快速检测方法

在TFT-LCD导电粒子压痕检测过程中,由于检测对象面积小、数量多、分布不均等因素,传统的半导体检测方法漏检、误检较多,无法实现有效检测.为提高TFT-LCD导电粒子压痕的识别率和识别速度,提出一种基于图像梯度的TFT-LCD导电粒子快速检测方法.该方法针对导电粒子的阴阳面特征,提出了统计意义上的伪光照方向判定方法,解决目前光照模型不能适应导电粒子伪光照方向的判断,同时有助于后续梯度统一表述为阳面区域,然后提出了区域特征梯度的概念,有效避免导电粒子的常规梯度信息受噪声干扰严重的问题,并采用结合动态规划的K-means算法对区域特征梯度进行聚类计算,得出梯度阈值,完成对导电粒子压痕的检测与计数,算法识别率约为98.61%,漏检率为1.39%,误检率约为1.85%.此外,为了满足工业检测中对于亿级像素图像处理的实时性需求,采用基于CUDA平台的并行计算方法对算法进行了加速,核心算法部分加速约253倍,整体算法加速约8倍,代码运行时间2 s,满足工业检测的实时性需求.     

群归—复子波包处理

推广Lawton的方法构造FIR的复数子波包变换滤波器组及相应的子波包函数,并按照不同的时间 频率特性选择适用的基函数.针对传统子波和子波包分解系数难以准确反映该时频单元信号分量强度的缺点,给出改进的自适应子波包变换技术——群归一子波包变换,并利用时频掩模滤波技术,完成强背景下目标信息的获取与分离,明显改善信杂比.由于该类复子波包变换滤波器是线性相位的酉正交滤波器,分解系数去相关能力更好,处理效果更强.推广的l~p-范数熵定义增加了群归一子波包变换在低信杂比情况下的处理能力.类似的结果可应用于强散射点分离、图象增强、杂波抑制、最优检测以及雷达成象等信号处理领域.     

基于引导滤波和小波变换的太阳冕环结构自动识别算法研究

冕环是太阳大气中的炙热等离子在太阳磁场的作用下产生的一种太阳特征结构;研究冕环动力学特征将促进我们对太阳日冕磁场,日冕加热和日冕振荡等研究.冕环结构的准确识别和提取则是相关研究的前提条件.然而由于日冕磁场的复杂性,使得对冕环结构识别和提取面临很大的困境.为此,本文提出了一个新的冕环识别算法.该算法结合了引导滤波和小波变换模极大值的方法来对冕环结构进行自动识别和提取.识别和提取算法过程如下:(1)运用模糊函数对太阳日冕图像的对比度进行增强;(2)使用引导滤波对增强后的图像进行滤波来增强冕环结构的边缘;(3)对滤波过后的图像使用小波变换模极大值法来识别图像中的冕环结构,并对识别出的冕环图像进行二值化处理;(4)对二值化图像进行形态学处理来获取冕环结构.运用该算法对由过渡区和日冕探测器(Transition and Coronal Explorer, TRACE)和太阳动力观测站的大气成像装置(Atmospheric Imaging Assembly on the Solar Dynamics Observatory, SDO/AIA)观测设备在171?波段所观测的日冕图像中的冕环结构进行识别和提取,并同已有文献的识别结果进行了对比,结果表明本文所提出的算法具有很高的识别率和很好的鲁棒性.所识别和提取的冕环结构能进一步用于科学研究中.     

高分辨雷达扩展目标检测算法研究

针对高分辨雷达扩展目标检测问题,本文建立了高分辨雷达回波模型,推导了在目标信息完全已知的理想条件下的最优检测器形式,给出了检测算法的性能上界.讨论了广义似然比检验在目标信息不同程度缺失情况下的检测器形式,给出了可实现检测器的检测性能上界.基于广义似然比检验,提出了一种基于散射点个数估计的双门限检测器.仿真表明该方法检测性能优于现有检测方法.     

Harris Laplace特征区域 Contourlet域遥感图像水印算法

针对现有遥感图像水印算法抵抗旋转、剪切、水平镜像及联合几何攻击能力差的问题,提出一种局部化遥感图像数字水印新方法.算法首先对水印图像进行 Arnold置乱预处理,并将其行扫描形成一维向量作为待嵌入的水印信息;在宿主遥感图像中提取 Harris Laplace特征点,依据特征点确定水印嵌入特征区域;规范所选特征区域,对其进行归一化后实施 Contourlet变换,利用奇偶量化方法将数字水印嵌入选定的变换系数内.实验证明算法对滤波、噪声、JEPG压缩等常规信号处理具备较好鲁棒性,并且能够更好地抵抗旋转、缩放、平移及其联合等几何攻击     

基于CBERS CCD数据的鹿洼煤矿塌陷区LUCC检测

本文基于多时相中巴地球资源卫星CBERS CCD数据,以鹿洼煤矿塌陷区为例,利用混合像元分解技术开展土地利用/覆盖变化LUCC检测.分别选取研究区域的2002年、2006年和2010年3个时相的CBERSCCD图像作为遥感数据源,将粒子群优化算法引入到端元提取中,基于线性光谱混合模型提取鹿洼煤矿塌陷区水体、建筑用地、农田和土壤4类地物信息,并对结果进行统计分析.LUCC检测结果表明,2002年至2010年间,鹿洼煤矿塌陷地面积逐年增加,造成大面积农田积水,导致无法进行作物耕种.最后,结合当地政府采取的塌陷地治理措施分析了土地利用变化情况.     

基于PCNN捕获-抑制机制的图像分类器设计

针对医学图像识别的重要性,本文提出了一种结合彩色图像特征场和基于脉冲耦合神经网络捕获-抑制机制的图像分类器设计方法.首先,构造符合人类视觉的彩色图像特征场;然后,利用脉冲耦合神经网络设计分类器实现对图像的识别.最后,应用于JAFFE人脸表情数据库和中医舌象的分类识别中,并与ADABOOST方法和SVM方法进行比较.实验结果表明,本文方法可以获得更好的医学图像识别效果.     

Contourlet域的灰度水印技术研究

为了提高水印算法的鲁棒性和安全性,提出一种基于Contourlet域的双重置乱灰度图像水印算法.首先对灰度水印图像进行Arnold变换和Baker映射双重置乱处理,提高水印安全性；然后将宿主图像进行Contourlet分解为一系列多尺度、局部化、方向性的子带图像,最后选择Contourlet低频系数嵌入水印,并采用明提取的方法获取水印.实验结果表明,该算法能有效的抵抗JPEG压缩、噪声、剪裁等攻击,具有较好的不可见性和更强的稳健性.     

一种自适应小波网络的构造及其学习算法

基于小波框架的时频局部化性质和自适应投影算法,提出了一个新的构造和训练小波网络的学习算法,精确地刻画了有限维Hilbert空间自适应投影算法的指数收敛性.该算法充分地利用了包含在训练数据中的时频信息,迭代地确定小波网络隐层结点的个数和网络的权系数,较好地解决了小波网络的结构优化问题. 通过应用于信号的表示与去噪,进一步证实了该算法是简单和有效的.     

基于复扩散模型憎水性图像多尺度亮点检测算法研究

在多尺度框架下，提出基于非线性复扩散模型憎水性图像水珠亮点检测算法，最后采用模糊均类算法对多尺度虚部图像水珠亮点进行提取。实验结果表明：对于不同憎水性等级憎水性图像，水珠亮点检测都达到95％以上，这为对绝缘子憎水性等级估判及水珠（水迹）的进一步分割提供了重要的信息。     

基于图论的多尺度特征点匹配

文中针对在视觉测量系统中双目立体视觉特征点同名点匹配问题,提出基于图论的稀疏特征点全局匹配算法.首先,提出多尺度特征点提取算法来获得特征点的准确位置.算法引入多尺度小波变换,利用变换后的系数构建自相关矩阵从而进一步确定特征点的位置.然后,根据图理论将提取的稀疏特征点构建一个图,从而使特征点匹配问题转化为可用能量最小化方法解决的图的标记问题.此多尺度特征点全局匹配算法利用多尺度分析来提高匹配精度,并且利用特征点构建图降低了图的规模,同时根据极线约束选择潜在视差值进行计算,降低了计算量.实验结果表明此算法可获得精确的匹配结果.