利用灰色理论构造统计量进行图像边缘检测

提出了基于灰色绝对关联度构造统计量进行图像边缘检测的新算法。所提算法将像素8邻域按水平、垂直方向分为4个部分,再按两对角线方向分为另外4个部分,基于灰色绝对关联度模型构造一种统计量,分别计算8个部分内像素的统计值,取最小的统计值与阈值比较,从而确定邻域中心像素是否为边缘点及其边缘方向。实验表明,所提算法简单、易实现,具有一定抗噪性能及检测边缘准确清晰等优点,对于灰度变化剧烈的图像检测出的边缘效果比传统算法要好。     

基于阈值判断的区域指导插值算法

针对传统图像放大算法对边缘区域划分不准确造成图像质量较低,而自适应插值放大方法模型复杂且计算量大的问题,提出一种基于阈值判断的区域指导(area directed threshold judgment, ADT)插值算法。该算法利用阈值判断的方法对插值点周围进行区域划分,结合近邻法和众数法确定插值点所属区域,根据插值点类型不同,利用不同权值大小的线性插值公式实现自适应插值,提高图像质量。仿真测试结果表明,与基于协方差的自适应插值算法相比,ADT算法在图像质量降低不显著的前提下,能显著提高插值速度;与双线性插值算法相比,图像峰值信噪比平均增加2.19 dB。     

基于像素向量消除的穿墙雷达杂波抑制算法

常见的回波域算法在处理穿墙成像中的杂波抑制问题时,杂波滤除不够彻底,致使信杂比和目标准确性较低,严重影响目标检测与识别等后续处理.为解决这一问题,从图像域中寻找杂波像素和目标像素的区分特征,以离散系数实现对像素向量离散程度的定量化,以图像强度和剩余像素均值构建杂波抑制的评价体系,通过主杂波抑制和目标聚焦依次消除离散系数...     

基于核函数的联合稀疏表示高光谱图像分类

为了充分利用高光谱图像邻域像元间的相似性与独特性这一特征信息,提出了一种基于核函数的联合稀疏表示分类方法(kernel joint sparse representation classification, K-JSRC)来提高高光谱图像的分类精度。该方法通过一种改进的核函数对每个待测中心像元的所有邻域像元自适应的予以不同权重来测量待测中心像元与邻域像元的相似度从而得到不规则的最优邻域窗口。在Indian Pines和University of Pavia两个高光谱数据集上的实验结果表明,提出的分类算法对高光谱图像进行了很好的分类并且其分类精度优于同类算法。     

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。     

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。     

一种用于轮廓线探测的CNN改进算法

图像中目标物体的轮廓探测是目标识别和计算机视觉系统的第一步也是关键一步。提出了一种基于细胞神经网络(Cellular Neural Network,CNN)的轮廓线探测改进算法。该算法中CNN模板参数(模板系数)是根据局部窗口内各像素与中心像素间的灰度和空间关系计算的,即模板参数的计算不仅考虑了局部窗口内各像素与中心像素的灰度值差异,而且顾及了窗口内各像素与中心像素间的空间距离。实验结果表明,相对于其它两种轮廓探测算法,提出算法的探测效果较好。     

一种基于局域自适应处理的SAR图像降斑算法

合成孔径雷达(SAR)图像所固有的相干斑噪声严重降低了图像的可解译程度,影响了对图像中的目标进行检测和识别,因此SAR图像的相干斑抑制一直是SAR图像应用的重要课题。提出了一种基于局域自适应处理的SAR图像降斑算法,算法根据区域像素点的分布特征自适应调整滤波窗口的大小,在均匀的背景杂波区域内增大滤波窗口来抑制斑点噪声,在包含目标的细节区域内减小滤波窗口,同时采用自适应阈值选择部分像素参加滤波的方法,以便在有效降斑的同时保持边缘和目标细节,最后通过对实际数据的处理验证了算法的有效性。     

基于二维直方图和粒子群优化的边缘检测

针对基于二维直方图的分割方法存在计算耗时的缺点,将群体智能中的粒子群优化算法应用到图像分割中,提出了一种新的边缘检测算法。新方法在定义的二维灰度空间中,利用粒子群优化算法自适应搜索最优解,并以此作为边缘检测算子的门限,阈值变换后便可得到表示原图像主要特征的分割结果。通过对水下图像处理的实验证明,该算法对简单背景的图像分割是有效的,和传统检测方法相比,具有更好的抗噪性能。     

面向高分辨率遥感影像敏感目标识别的局部特征描述算法

提出了一种用于高分辨率遥感影像中敏感目标识别的局部描述算法--归一化像素分布直方图局部描述子。首先提取目标边缘,将目标边缘上每一像素点依次作为坐标原点构建“对数-极坐标”坐标系,规格化所有像素点的像素值,利用当前坐标原点以外的目标边缘像素点的分布来构建局部描述子。用提出的局部描述算法对敏感目标提取局部特征,构建敏感目标局部特征数据库。同时对待识别目标提取局部特征后与敏感目标局部特征数据库中的特征使用一种“分步匹配”的策略进行匹配,完成目标识别。     

基于SVM与Mean-Shift的非刚性目标跟踪框架

针对动态背景下,序列图像中的非刚性目标跟踪问题,提出了一种基于支持向量机(support vector machine,SVM)和均值移动(Mean-Shift)的序列图像目标跟踪框架。在初始图像中选择跟踪目标所处的矩形框,将目标框周围一定范围的像素作为背景。以目标和背景数据训练SVM二值分类器。运用得到的分类器对下一帧图像相同区域内的像素分类,得到二值的置信图(confidence map),在置信图范围内运用Mean-Shift算法求得当前目标位置,移动目标框和背景框的中心到目标位置,以10%的比例缩放目标框并选择最优者以适应目标尺度变化。以此时的目标像素和背景像素训练新的SVM分类器,进行下一幅图像的跟踪,直至完成整个序列图像跟踪任务。实验证明,该方法适用于动态背景及非刚性目标的跟踪,且实时性较好。     

基于二维能量检测的舰船SAR图像阈值分割

鉴于传统阈值分割算法过于依赖背景杂波分布模型,以及在抗噪性、鲁棒性等方面的不足,文章通过改进传统能量检测算法的局部信杂比模型,提出了基于 λ检测的算法,解决了阈值不能自适应选择的问题。并针对图像存在大量相干斑及拖影时,算法处理能力不足的问题,考虑邻域像素均值 μ 将其拓展到二维,提出了基于二维能量检测的阈值分割法。最后,通过引入域内一致性、域间差异性和形状复杂度3个指标,与目前流行的最大熵阈值法以及改进的二维最大类间差法做对比实验,结果证明了本文算法简单有效。     

基于SNIC的双时相SAR图像超像素协同分割算法

针对面向区域的合成孔径雷达(synthetic aperture radar,SAR)图像变化检测方法中存在的双时相图像边缘和空间对应关系不一致的问题,提出了一种基于简单非迭代聚类(simple non-iterative clustering,SNIC)的双时相SAR图像超像素协同分割算法.首先,构造一幅包含双时相S...     

区域自适应中值滤波器

传统的基于噪声检测的中值滤波算法，对于检测出的噪声点往往采用相同的滤波处理方法，而忽视了噪声点自身特性的差异，限制了其滤波性能的进一步提高。针对这一问题，提出了一种区域自适应中值滤波器，算法在噪声检测的基础上，应用改进的区域判别方法实现对噪声点所属区域的判别，进而根据其所属区域的不同有针对性的选取滤波处理方法．仿真研究表明，该滤波器算法在有效抑制噪声的同时，获得了更强的边缘细节保护能力，较之传统方法具有更为出色的滤波性能。     

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。     

基于鲁棒估计的微弱目标检测噪声抑制技术

抑制目标图像中的噪声,缩短目标的首次捕获时间(FirstCaptureTime,FCT),对于微弱目标检测和跟踪具有重要的意义。基于以下判断:a.任何检测系统总是工作在一定的信噪比(SNR)水平下;b.运动目标成像面积总是大于一个像素,分别设计了两个噪声抑制算子Sa(.)及Sb(.)。在噪声抑制过程中,首先使用鲁棒回归估计方法,估计出噪声模型参数,然后分别应用噪声抑制算子Sa(.)及Sb(.)对图像噪声进行抑制。试验结果表明,该方法可以有效抑制目标图像中的噪声,缩短目标的首次捕获时间,为下一步目标的检测和跟踪提供了有利条件。     

多目标跟踪

本文提出了一种多机动目标跟踪的方法。该方法用自适应门限获得二值图像，其中，自适应门限用边缘和灰度二重信息来建立，并对由此所获得的二值图像进行预处理。在此基础上，利用目标像素点的空间信息，使用标记电路，检测有效视场内的目标个数。同时利用目标形状特征和灰度信息对目标进行分类；利用目标运动信息，对各个目标进行识别，解决短时间的目标遮挡、重叠等问题。文章也给出了实时实现该方法的硬件框图和部分软件工作流程。该方法已应用于多模式电视跟踪器，取得了预期效果。     

基于改进梯度抑制的非平面场景运动目标检测

针对非平面场景3D结构产生的视差对导弹及无人机等空中机动成像平台运动目标检测影响,从提高运动目标检测的快速性和准确性角度,基于梯度抑制算法,提出了改进算法。首先,在非平面场景的运动目标检测中,考虑到视差干扰主要出现在背景边缘上,采用梯度抑制法滤除视差像素。其次,对经过梯度抑制法滤波后的像素,应用外极几何约束,进一步滤除机动成像平台大角度机动产生的剩余视差像素,从而提取出离散的运动目标像素,并进行二值化处理。然后,采用行列投影的方法对二值化的运动目标像素进行分类,确定运动目标区域。最后,对所提的方法进行了实验验证,验证了算法的有效性。     

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。     

基于多级分类的极化SAR图像斑点抑制

针对极化合成孔径雷达（polarimetric synthetic aperture radar, PolSAR）图像相干斑抑制后的目标极化特性和结构特征保持问题,给出了一种多级分类的极化SAR图像斑点抑制方法。首先利用H/α快速分解法并结合极化总功率图像进行初分类,之后采用最小距离准则和聚合的层次聚类方法进行细分类,最后根据图像结构将图像内容分为亮点线目标、暗线目标和其他目标三大类,利用线性最小均方滤波器对暗线目标和非点线目标进行滤波。采用美国AIRSAR机载系统获取的实测数据进行实验,结果表明,与Lee的基于散射模型降斑算法相比,本文算法不仅能够更有效地抑制斑点噪声,而且在保持极化特性、结构和纹理特征方面更为有效。