基于噪声边界检测的规则函数脉冲噪声滤波器

针对随机值脉冲噪声,提出了噪声边界检测的规则函数滤波方法。该方法由噪声检测器与图像滤波器两部分构成。在噪声检测部分,由像素二阶差对各个子窗口像素进行像素边界值检测,进而对所有子窗口边界值进行全局统计确定图像噪声像素边界,并利用同类像素个数对噪声边界内的像素进行纠正以降低错检率。针对噪声像素,利用图像规则函数和噪声像素限制条件来构造规则函数滤波器。将所提出的方法应用于噪声像素检测与滤波,并与其他算法对比,实验结果表明,该方法能够同时保证低漏检率和错检率;在滤波方面,该方法所得到的修复图像具有更高的峰值信噪比和视觉效果。     

基于频率和张量投票的图像去噪及仿真研究

结合人的视觉原理,基于图像局部梯度定义了一种图像频率,以图像频率代替全变分模型中的梯度.同时,把张量投票原理引入全变分模型,构造了一个图像结构显著性函数,代替变分模型中的拉格朗日乘子λ,根据图像不同区域的结构特征,去调节变分模型中正则项和保真项的作用,建立了一种基于频率的张量投票与全变分能量最小化结合的纹理图像去噪新方法.仿真实验数据表明,该模型比其他已有的全变分模型具有明显的抗干扰能力,能够更准确、精细地刻画图像边缘、特征结构和平滑区域,克服了其他全变分模型所产生的阶梯效应和过平滑现象,特别是对于纹理特征丰富和低信噪比的图像,在去除噪声的同时能较好地保持边缘及其他重要特征.     

基于Kirsch方向模板的SAR相干斑噪声抑制方法

提出一种抑制SAR相干斑噪声的加权平滑滤波方法。该方法利用 8个 3× 3的Kirsch方向模板分别与SAR图像进行卷积运算 ,取其中的最大值作为窗口中心像素的边缘强度值 ,中心像素灰度值的滤波输出为它的 8个邻域像素灰度值的加权平均 ,加权系数为每个像素的边缘强度值。给出了滤波核方程的推导过程 ,分析了滤波原理。将该方法用于SAR图像相干斑噪声抑制 ,并与Lee滤波器的去斑效果进行了比较。实验结果表明 ,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

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。     

基于特征点配准的气动光学图像校正方法研究

针对气动光学效应图像校正问题,提出了一种基于特征点配准的像素偏移盲目校正方法。由于高速流场引起的像素偏移具有很强的随机性和非线性等特点,采取二阶函数非线性模型来拟合畸变图像的像素偏移量,同时根据序列多帧图像的像素点偏移变化统计规律获取原图像的像素点初始位置,从而实现对各帧畸变图像进行像素偏移校正。仿真实验结果表明了方法的有效性。     

基于融合距离的极化SAR图像非局部均值滤波

在极化合成孔径雷达(synthetic aperture radar, SAR)图像降噪领域,常见的非局部均值滤波仅依靠像素间的统计距离进行相似性度量,忽略了像素点的空间信息。本文结合极化SAR数据统计特性和图像空间特征作为像素间的相似性度量,提出了一种利用融合距离来计算相邻窗口权重的方法——基于融合距离的非局部均值滤波器。融合距离的引入使得滤波器能够更全面的评估像素间的相似性,从而得到更合适的像素权重。此外,本方法还引进变异系数对邻域窗口的权重进行评估,通过该参数可以控制滤波的程度。在多幅极化SAR图像上的实验结果表明,所提出的滤波器能够在有效抑制斑点噪声的同时保留较为完整的图像边缘信息和极化散射特性。     

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。     

抑制SAR图像相干斑的自适应红黑窗滤波算法

针对经典空域滤波算法处理SAR图像时,在同一滑动窗内完全按同质区域性质处理数据而导致图像细节信息损失的情况,提出一种新的滑动窗结构的算法。该算法选取与窗口中心像素统计特性相近的像素进行滤波处理,解决了经典空域滤波算法存在窗口内数据不满足滤波模型对同质区域要求的缺陷。同时,针对强散射点的特殊性,设计了相应的检测及处理方法。实验结果表明,该算法在获得与经典算法相当的相干斑抑制的同时,较经典算法具有更强的边缘和细节保持能力,同时获得更好的图像视觉效果。     

图像分割的改进稀疏子空间聚类方法

提出一种基于改进稀疏子空间聚类的图像分割方法。首先将图像进行过分割得到一些均匀区域称为超像素,并提取超像素的颜色直方图作为其特征;然后建立特征数据的改进稀疏子空间表示并由此构造图相似度矩阵,最后利用谱聚类算法得到超像素的聚类结果并作为图像分割结果。实验结果表明,本文提出的改进稀疏子空间聚类方法具有良好的聚类性能,对噪声具有一定的鲁棒性;用于自然图像能够得到更好的分割效果。     

基于邻域加权模糊C均值的遥感影像分割

遥感影像分割是遥感影像识别和理解的前提和基础,遥感影像分割的结果直接决定着后续像分析和理解的质量。针对经典模糊C均值(Fuzzy C-Means,FCM)聚类算法分割图像时存在的不足,即该算法只考虑图像中像素自身的灰度值信息而没有考虑其邻域内的像素空间信息从而对噪声比较敏感,提出了一种邻域加权FCM(Neighboring Weighted FCM,NW-FCM)的遥感影像分割算法,该算法中邻域窗口内各系数(权)的值是根据图像自身的特性而自适应确定的。通过分割合成图像和实际的高分辨率遥感影像的实验结果表明,相对于其他几种方法,所提的方法取得了更好的分割效果。     

一种改进的基于样本块的图像修补方法

图像修补技术一直被广泛地用于重建旧照片和移除一些在图片背景中不想要的物体。提出了一种新的图像修补方法,该方法基于样本的图像修补思想。我们的方法通过合理的信心度和数据条件的计算方法改进了图像修补的有效性和增强图像中线性结构扩散。因此,用本方法进行图像修补时,能有效地避免其他算法共同存在的"垃圾物"的生成问题。实验结果表明,与其他类似方法相比,本方法能够得到更令人满意的视觉效果。     

高光谱图像修复算法的自适应稀疏编码实现

针对高光谱图像(hyperspectral images,HSI)中缺损像元及条带影响图像后续处理及应用的问题,应用稀疏表示理论,将HSI修复问题建模为不完整观测下的信号稀疏重建问题,提出自适应稀疏编码实现的HSI修复算法。首先,对加性噪声假设下的HSI观测模型进行研究。然后,通过引入基于随机近似的在线学习优化方法,提出新的从高光谱数据中直接构造字典的算法,从而获取光谱字典。之后,应用变量分解和增广拉格朗日稀疏回归方法对图像进行稀疏编码求解。最后通过稀疏重构求得修复后的HSI。实验结果表明,相对于现有算法,在不同噪声条件下,所提算法均能够更有效地修复缺损的HSI,且与其他字典学习类修复算法相比计算耗时更短。     

融合纹理信息的深度图像修复

针对低质量深度图像中存在的空洞和噪声问题,提出了融合纹理信息的深度图像修复算法。首先利用形态学操作对空洞进行优化,基于区域的分割算法完成空洞区域分割;然后将提取出的空洞区域进行纹理信息填补,分析空洞区域与同场景彩色图像的局部结构相似性,完成空洞初修复;最后利用灰度级图像重建算法,对边缘空洞区域进行填充和平滑处理。基于标准数据集Middlebury,所提算法与快速行进算法、自适应中值滤波算法和形态学重建算法相比,对大面积空洞信息完成了良好的修复。在获得较好修复效果的同时,该算法保持了图像的结构完整性和整体平滑性。     

交替迭代的变分修复模型及其分裂Bregman算法

为对图像的缺损部分进行有效地修复, 提出了一种交替迭代的变分修复模型。 通过分析新模型的性质, 给出一种高效且快速的迭代算法。新方法首先利用交替极小化方法化原问题为两个去耦的次问题,　然后对两个次问题再分别利用分裂Bregman方法进行数值求解。实验结果表明,本文所提出的新算法不但修复效果较好, 而且修复速度较快。     

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。     

基于激光扫描数据的三维可视化建模

利用地面三维激光扫描仪获取的空间数据,进行了三维空间地物可视化建模研究,提出了利用地面固定激光扫描数据建立建筑物三维可视化模型的框架。针对激光扫描数据的特点进行了地物分离和降噪处理,提取目标建筑物,去除测量噪声和遮挡物;应用平面分割和Hough变换对目标物识别并提取特征点、线、面,进行目标建筑物立面整体匹配纠正,在此基础上,对原始测量数据进行重新采样和多站点拼接配准,得到正确的、完整的目标建筑物立面信息;通过构建三角网建立三维表面模型,通过进行纹理映射实现三维模型可视化表达。试验结果表明,利用上述方法可以有效地处理三维激光扫描获取的空间点位数据,实现对建筑物快速三维可视化建模。     

基于卷积神经网络的低空风切变类型识别

针对激光雷达低空风切变信号图像的类型识别问题,提出了一种基于深度卷积神经网络(deep convolutional neural network,DCNN)的多层特征提取及自适应融合算法。该方法可以有效解决网络逐层训练过程中信息丢失的问题。首先,采用DCNN提取低空风切变信号图像的各层网络特征,并将各特征进行L2范数标准化实现同趋化。其次,将其以多通道图像形式输入单层CNN进行自适应融合,将融合特征送入支持向量机进行分类识别。结果表明,采用所提算法进行低空风切变图像类型识别的平均识别率为98.1%,与其他4种算法相比均有提升。所提算法能更有效地实现低空风切变信号图像类型识别。     

虚拟孔径扩展的机载多通道雷达动目标检测

针对机载多通道合成孔径雷达(synthetic aperture radar, SAR)在方位孔径受限下地面慢速扩展目标检测性能下降的问题,提出了基于张量积的慢速扩展目标检测和径向速度估计方法。该方法首先在SAR图像域对多通道数据进行张量积操作;然后对扩展目标分布区域的张量数据利用修正的信号拟合方法(tensor product modified signal fitting, TP MSF)检测慢速运动目标,并估计目标径向速度,能有效避免天线方位孔径较小情况下传统自适应匹配滤波方法检测性能下降问题。仿真结果表明,该方法能显著提高低速区的动目标检测概率,同时具有径向速度估计精度高的特点。     

组网雷达自适应模糊CFAR检测融合算法

为提高组网雷达的分布式恒虚警(constant false alarm rate, CFAR)检测性能, 基于模糊逻辑和最大选择筛选平均检测器(maximum-censored mean level detector, MX-CMLD)提出一种自适应多传感器分布式模糊CFAR检测算法。该方法是一种基于无信噪比信息的检测融合算法, 通过传输单部雷达站接收信号的检验统计量、检测可信度来完成全局的CFAR检测。该方法通过表决模块和反馈模块, 控制传输到融合中心的数据量, 并自适应选取相关的雷达数据进行融合, 在一定程度上可以实现雷达资源的管理。仿真结果表明, 在均匀背景、多目标干扰背景的目标检测中, 自适应分布式模糊MX-CMLD均有较好的检测性能。     

一种不确定型OWGA算子及其在决策中的应用

把有序加权几何平均(OWGA)算子推广到所给定的数据信息均为区间数形式的不确定环境之中,基于区间数两两比较的可能度公式和模糊互补判断矩阵公式,提出了一种不确定有序加权几何平均(UOWEGA)算子,给出了其在应用过程中的具体步骤,并提出了一种相应的集结决策信息的方法。最后通过算例说明了方法的可行性和有效性。