基于小波变换的图像扩散滤波方法

图像的非线性扩散滤波基于热扩散方程, 其关键是确定适当的扩散量与扩散方向. 在已有的滤波模型中, 扩散系数依赖于梯度, 因而容易受到噪声的干扰. 为了克服这一缺陷, 首先给出了一种新的计算扩散系数的多尺度方法. 然后建立了一类用于图像恢复的非线性小波扩散（NWD）模型. NWD模型有较强的抗噪能力, 但同已有的模型一样, 需要较大的计算量. 为此, 通过NWD模型的简化, 给出了线性小波扩散（LWD）模型. LWD模型由输运与扩散两部分组成. 由于存在输运, 所以其滤波是各向异性的, 能够较好地保持边缘, 尽管在边缘点处扩散是各向同性的. LWD模型的优点是简单易于分析, 具有较小的计算量. 最后给出了所提模型与已有模型相比较的数值实验结果.     

改进的多方向融合图像插值算法

为了解决数字图像插值过程中出现的边缘模糊和锯齿现象,提出一种改进的多方向融合图像插值算法.该算法将图像分为平坦区域和边缘区域,平坦区域采用双线性插值算法进行插值,边缘区域采用多方向融合算法进行插值.实验结果表明,该算法运算复杂度小,其结果在主观视觉效果和客观指标方面都有很大的改善,且适用于任意倍数的插值放大.     

基于频谱相似性的高光谱遥感图像分类方法

提出一种基于光谱曲线频谱特征的高光谱遥感图像分类方法.该方法将高光谱图像中每个像元所对应的光谱序列视为一维离散信号,经离散傅里叶变换获得频谱图,由于不同地物光谱曲线的频谱表征差异明显,进而提出以目标和参考光谱曲线的频谱幅度值之差来度量光谱的相似性.由于频谱能量随着谐波次数的升高而急速下降,所以本文利用兰氏距离（Canberra距离）对该方法进一步改进,从而提高较高频率成分在光谱相似性度量中的贡献.此外,根据频谱图中各次谐波的能量分布规律,分析了地物光谱曲线的频谱能量累积分布函数,并最终确定参与相似性度量计算的谐波次数.为定量评价本文方法,本文采用两幅高光谱图像进行分类实验,并以制图精度、用户精度、总体精度、平均精度和Kappa系数,对本文方法、光谱角填图（SAM）、光谱信息散度（SID）和欧氏距离（ED）方法的分类结果进行比较分析.实验结果表明：本文方法可有效地应用于高光谱遥感图像分类.     

针对东方人黑色虹膜识别的光谱选择

本文以东方人黑色虹膜作为研究对象,进行两方面研究:1)对于单一光谱照明,找到某一个最适合东方人黑色虹膜的光谱段;2)对于多个光谱照明,确定东方人黑色虹膜所需要的光谱段数量.第一部分研究中,采用改进的卷积矩阵与频谱能量相结合的算法,对虹膜纹理质量进行评估;采用改进2-DGabor与1-DLog-Gabor相结合的编码方法,获得虹膜匹配性能的指标.实验显示:针对单一光谱照明,700nm对于东方人的黑色虹膜是最优的光谱段.第二部分研究中,采用改进multi-group(2D)2PCA算法,基于多光谱虹膜图像的最大不相关性进行层次聚类分析.实验显示:针对多个光谱照明,3个主聚类可以最好地描述从545nm到940nm的所有光谱段.以上研究在该领域内具有开拓性,解决了东方人黑色虹膜多光谱采集与识别的基础问题,为东方人黑色虹膜的多光谱融合提供了理论依据.     

基于小波变换的海量高光谱遥感数据分形编码压缩算法研究

提出基于小波变换和频域空间分形编码的海量高光谱数据压缩新方法(AWFC).与传统的数据压缩相区别,基于图像自身灰度空间的压缩编码为第一代图像压缩技术,以小波变换为工具基于图像频域空间的编码为第二代图像压缩技术,以分形技术为代表对图像的特征空间编码为第三代图像压缩技术.同时探讨了利用成像光谱影像数据存在空间维和光谱维上的相关性,尽可能保持光谱不变情况下如何进一步提高图像压缩效率.和传统的图像有损压缩相比,在同等信息损失的情况下,AWFC算法能够极大的提高压缩比,同时和第二代以小波技术为代表压缩算法相比,本算法也具有效率更高的优势.同时提供了对光谱空间[光谱维],灰度空间[空间维]和经过小波变换WT频域空间3种分形编码FC进行对比,探讨光谱保持下的高压缩比,同时保持快速编码与解码的分形高光谱影像压缩方法.与经典的图像数据压缩方法相比,基于分形编码的图像压缩方法其压缩比在理论上可以超过经典压缩方法的几个数量级.分形图像压缩极高的压缩比,快速的解压速度在高光谱影像压缩中将会为高光谱甚至超光谱航天遥感带来新的思路.提供了将分形分块技术引入到高光谱甚至超光谱影像光谱维分块的思路,发展了光谱形态保持的图像分块技术,给出了基于光谱保持的分形编码压缩框架.最后,作为高光谱图像处理与分析系统HIPAS的一部分,我们在VC 6.0下,基于WindowsXP平台对高光谱影像压缩模块进行了软件模块实现和验证.     

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.     

基于Bayes线性估计的遥感图像融合

将Bayes线性估计应用于不同分辨率遥感图像的观测模型中，提出了一种新的基于统计参数估计的遥感图像融合方法．该方法对于金色波段图像和待估计的多光谱图像的联合分布不做任何假设，只需要估计高分辨率多光谱图像的均值和协方差以提高算法的鲁棒性．另外，文中的方法能够提高多光谱图像的多个主成分的分辨率，而传统的主成分变换方法只限于提高第一主成分的分辨率．实际的Landsat ETM＋的全色波段图像和多光谱图像的融合实验结果表明，所提议方法的性能优于其他基于统计参数估计的方法和基于主成分变换的融合方法以及基于小波变换的融合方法．     

基于太赫兹时域光谱图像序列的运动检测研究

太赫兹时域光谱（THz-TDS）图像是一种新的图像形式,THz—TDS图像的每个像素点是一个一维时间脉冲信号,该信号承载了像素点位置处目标材料在太赫兹（THz）波段的吸收谱或散射谱：由于THz频段覆盖了许多有机大分子和半导体材料分子振动和转动的频率,可以预计,随着THz技术发展的不断深入,THz—TDS技术乃至THz—TDS图像分析技术将会成为研究这些材料基础问题的重要手段。本文针对THz-TDS图像的特点,提出了一种对在THz-TDS图像序列中的目标微小运动进行检测和估计的方法。该方法通过假设目标材料的局部THz特性保持守恒,导出了目标物的运动方程,并通过引入矢量同质微分概念,给出了该方程的近似求解方法。本文最后给出的实验结果验证了方法的可行性和有效性.     

基于混合像元分解的遥感图像融合实用算法

传统的图像融合算法,如IHS变换、合成变量比、主成分替换等方法所得到的融合图像通常存在不同程度的光谱扭曲现象.一种基于混合像元分解的图像融合算法(FSMA)可以很好地保持图像的光谱信息,但该算法仅在以终端端元为先验知识的模拟数据中得到了成功的应用.分析表明,由于全色波段与多光谱波段光谱响应函数不同以及多光谱波段通常不能覆盖整个全色范围,原有的FSMA算法并不能直接应用到真实遥感数据中.文中提出了一种改进的基于混合像元分解的图像融合算法(IFSMA).该算法通过重构原有算法中优化问题的目标函数,降低了对利用多光谱数据模拟全色波段亮度值的难度,使得基于混合像元分解的图像融合算法可以推广应用到真实遥感数据中.实验结果表明,IFSMA算法在光谱信息和空间信息的保持方面均优于IHS变换、合成变量比、主成分替换以及原有的FSMA等算法.     

正交平衡对称的区间多小波研究

研究基于任意紧支长度??的L2(R)上2重对称/反对称正交多小波的区间多小波系统构造理论与性质.主要贡献是: (1) 系统研究了保持消失矩不降低的一般正交区间多小波的构造,得到了区间多小波的参数化表示;(2) 给出了区间多小波的分解重构公式;(3) 定义了区间多小波的平衡性概念,研究了正交平衡多小波的构造,这是以往工作所忽视的;(4) 研究了区间多小波关于给定对称性的充要条件.     

多小波空间的一般取样定理

单小波情形下正交尺度函数φ (t)可以实现精确的A/D(analogue/digital)和D/A当且仅当φ (t)是cardinal的, 在多小波情形下则不然, 即使φ (t)没有cardinal特性, 仍可能实现精确的A/D和D/A, 这说明了Selesnick的多小波取样定理的不足. 利用Zak变换将Walter取样定理推广至多小波子空间, 给出了一类多小波子空间的取样定理, 使得现有的一大类具有给定特性(正交性、紧支性、对称性、高的逼近阶、平衡性等)的多小波子空间的任一函数可以实现精确重构. Selesnick的具有插值特性的多小波子空间的取样定理只是所给定理的特例. 并且该取样定理适于非正交的或具有对称性的多尺度函数和多小波.     

基于自适应多特征融合的双重图像退化修复网络

当前图像修复方法大多局限于处理某个单一特定任务,如超分辨率、去噪、着色等,很少有网络模型同时具备处理双重退化的能力.而现存可以解决多重图像退化问题的算法普遍结构复杂、训练时间长、人力成本较大.本文提出一种基于自适应多特征融合的双重退化修复网络(adaptive multi-feature fusion dual degradation restoration network, AMFNet),利用自引导模块(SGM)融合图像的多尺度信息,有效去除了图像中的部分缺陷;使用带有空洞卷积的编码解码器模块巩固图像的语义信息,实现了中间图像的着色;引入带有自适应多特征融合模块(AMF)的中间信息传输机制(ITM)链接以上两大结构,自适应选择保留网络递进过程的图像特征以避免有用信息的丢失.实验结果表明,基于自适应多特征融合的双重图像退化修复网络模型视觉生成效果最优,通过在CelebA和Landscape数据集上的测试分析,其结构相似度(SSIM)与感知图像补丁相似度(LPIPS)优于同类方法,而峰值信噪比(PSNR)则远超同类方法高达5 dB.     

基于传感器融合的海上目标检测综述

目标检测技术是一种基于目标几何和统计特征的图像分割。我国海洋领域广阔、海洋资源丰富,开展海上目标检测研究意义深远。基于传感器融合的海上目标检测方法是监视海运交通、维护海洋权益的一种高效手段。本文首先给出传感器融合检测的研究意义和该领域存在的挑战,然后梳理归纳了三种传感器融合方法,包括:多雷达融合检测方法、多相机融合检测方法和相机雷达融合检测方法;接着给出这几种融合方法在不同场景下的检测效果,并介绍了这几种融合方法存在的局限性;同时展望了传感器融合在海上目标检测的未来发展方向,如检测信息传输在海上抗干扰能力的提升、多目标检测性能的优化,以及将深度学习应用在传感器融合检测等。     

基于谱聚类的图像多尺度随机树分割

针对谱聚类（spectral clustering）应用于图像分割时权矩阵的谱难以计算的实际问题，定义了像素点与类之间的距离，给出一个采样数定理，设计了一个图像的分层分割（hierarchical divisive）算法．在利用该算法进行图像分割时，由于既要对待分类的点进行随机抽样，又要通过调节尺度因子来合并较小的类或拆分较大的类，因此图像的分割既具有随机性又具有多尺度特性，称之为基于谱聚类的图像多尺度随机树分割（multiscale stochastic hierarchical image segmentation byspectral clustering，简写为MSHISSC）．实验结果表明了算法的有效性．     

基于可见/近红外光谱的土壤有机质含量预测

应用可见/近红外光谱技术对土壤有机质含量进行了定量分析和预测,为土壤肥力快速测定和评价提供依据.利用ASD FieldSpec 3 Hi-Res光谱仪对116份不同有机质含量的土壤样本进行光谱测量,系统分析了土壤有机质含量与350～2500 nm波段范围光谱反射率之间的关系.利用PLS和小波-BP神经网络对350～2500 nm整个波段范围和剔除水波段的光谱数据进行分析.两种建模方法的结果均表明剔除水波段的预测效果较好,其中,PLS模型预测的相关系数R为0.8416,均方根误差RMSEP为0.2848,相对分析误差RPD为1.7768,WT-BP神经网络模型预测的R为0.9167,RMSEP为0.2196,RPD为2.3043.预测结果表明,PLS模型可以对土壤有机质含量进行粗略估测,而BP神经网络可实现较精确的预测.     

基于最优小波包分解的图像隐写通用检测

基于图像最优小波包分解,提出了一类具有较高检测正确率的信息隐写通用型检测方法.首先基于Shannon熵计算信息代价函数,对图像进行最优小波包分解,并从分解得到的子带系数以及图像像素中提取直方图特征函数多阶绝对矩作为特征,然后对提取的特征进行预处理并设计BP神经网络分类器进行分类.针对不同的背景和应用环境,文中给出了3种不同的检测算法.针对LSB、PMK、LTSB、Jsteg、F5及JPHide等典型隐写算法的实验表明:此方法相比现有的典型通用检测方法,正确检测率提高约6.4%～15.4%,且具有更好的通用性,并可为设计基于最优小波包分解的模式识别和分类算法提供参考.     

基于表面间距离度量的多视点距离图像的对准算法

现有的距离图像对准算法，一般是采用最近点之间的距离和作为评价函数来估计运动参数．这种基于点对间距离的评价函数的缺点是，不同距离图像之间的最近点不一定是物体表面同一点的采样，而且不同采样点所代表的物体表面面积也不同．这些问题使得基于点对间距离度量的对准算法存在不精确对应的问题，因而对准精度不高，对初始运动参数敏感．提出一种基于表面间距离度量的对准算法．通过构造三角网格来近似表示物体的表面，采用三角网格间最近距离的均值作为评价函数来估计运动参数．推导并简化了表面间距离计算的积分公式．实验结果表明，该算法有较高的对准精度，而且收敛速度较快，抗噪声能力较强．     

北部湾红树林的HJ星多光谱遥感提取模式

大区域红树林多光谱遥感提取易受多种地物及自身覆盖度等因素影响,针对这一难题,文中以广西北部湾为研究区,基于HJ星CCD影像,并结合红树林空间分布特征和图谱特征,建立一种适合大区域海岸带的红树林识别提取模式.首先分析影像地物图谱特征,提出用于瞬时海水边线提取的海水比值指数,以及指示红树林的特征指数:红波段角度植被指数和像元波段反射率标准差指数.再从红树林空间生境判定和不同覆盖度反射率变化两方面入手,划分生长适宜区,通过特征指数辅助判定建立最终提取模式.应用结果表明该模式能完整准确地提取不同覆盖度红树林,最大程度消除其他干扰因素影响,总体制图精度达83.70%,用户精度为79.37%,同时也证实HJ卫星CCD多光谱遥感数据应用于海岸带红树林研究的有效性.     

基于单形体几何的高光谱遥感图像解混算法

提出一种新的基于单形体几何的高光谱遥感图像混合像元丰度估计算法.该算法的目标是在已知端元矩阵的基础之上,估计高光谱图像中各个观测像素点中每个端元的丰度.根据凸几何理论,基于线性混合模型的高光谱解混问题可以看成一个凸几何问题,其中端元位于包含整个高光谱数据集的单形体的顶点,而它们对应的重心坐标则可以看作各个观测像素的丰度.提出的方法由3部分组成,分别为基于单形体体积的重心坐标计算方法、距离几何约束问题和基于内点的单形体子空间定位算法.与其他基于单形体几何的算法相比,该方法具有诸多优点.Cayley-Menger矩阵的引入使得欧式空间上的运算转化为距离空间上的运算,在降低运算复杂度的同时很好地兼顾到数据集的几何结构.而且,单形体重心的使用确立了一种快速而精确的判断方法来确定观测像素所属的子空间,进而利用递归的思想得到丰度值.此外,算法核心仅仅涉及观测点与端元之间的距离,而与波段数无关.因此,该算法无须对数据执行降维处理,从而可以避免因数据降维而造成的有用信息的丢失.仿真和实际高光谱数据的实验结果表明,所提出的算法与同类其他优秀的算法如FCLS和SPU相比,具有更高的运算精度,同时在端元数目较小时具有较快的运算速度.     

不完全信息下多属性决策的证据推理方法

针对权系数未知、属性值具有缺失的不完全信息下多属性决策问题,给出了一种基于证据推理的方法。该方法通过对决策矩阵的规范化处理、不同属性下焦元的确定及评价值计算,获得证据的基本概率分配,然后利用证据合成,并通过信任区间的计算与排序,获得整个方案集的排序。最终,实例表明了该方法的有效性和可行性。