基于梯度和拉普拉斯算子的图像扩散变分模型

采用图像扩散的变分方法可以有效地设计边缘保持或增强的图像恢复模型。传统的模型往往基于图像强度的梯度,所得到的结果在本该光滑的区域具有明显的阶梯效应。为此,提出了基于梯度和拉普拉斯算子的图像扩散变分模型,以期实现在对图像进行噪声去除的同时,保持或增强图像的边缘,并消除单纯基于梯度模型导致图像光滑区域的阶梯效应。对变分模型中光滑项的设计,首先针对一维模型的分析得出基于梯度和拉普拉斯算子模型向前、后扩散的条件,然后将其推广到二维图像扩散,并在设计的有限差分方法基础上,对所提模型的有效性进行了实验验证,效果良好。     

视觉注意特征的变分水平集图像分割模型

针对传统主动轮廓模型较低的鲁棒性能和对先验知识融合能力的不足,基于视觉注意机制的先验知识和曲线演化的理论框架,首先建立图像底层视觉显著性特征的数学模型,在此基础上提出新的曲线演化能量泛函模型,然后对该能量泛函采用变分水平集方法进行推导,得到曲线演化的偏微分方程,数值实验表明该模型相对于经典主动轮廓模型具有更强的抗噪性与分割效率.该模型的提出为进一步在主动轮廓模型中引入更高层次视觉显著性特征、得到更优越的分割模型打下了基础.     

基于小波域HMT模型融合的图像分辨率增强

图像的分辨率可以通过预测细节子带中的小波系数来得到提高.采用Gaussian混合模型的小波域隐马尔可夫树可以精确地描述真实图像的统计特性,非常适合于预测图像的细节子带.但是这类方法的缺点是被预测的小波系数是随机生成的,每次算法得到的结果均不相同,只能从中选择一个作为最终结果.本文提出了一种算法,将随机结果根据局部方差融合规则融合到一起,从而产生一幅更适合人类视觉系统的图像.实验结果证明了本文算法的有效性,其主观和客观评价指标均优于传统算法.     

用于实现医学图像对比度增强的密文域可逆信息隐藏算法

针对现有密文域医学图像可逆信息隐藏算法存在解密图像视觉质量较低的问题,提出了一种基于差值直方图平移的密文域可逆信息隐藏算法。首先,发送方采用具有同态密文比较性质的加密算法对原始医学图像进行加密,从而保证医学图像的隐私内容不被泄露。然后,嵌入方利用同态性质对接收到的密文图像计算差值直方图,并通过平移差值直方图在密文图像中嵌入信息。为了获得较大的嵌入率,嵌入方可对密文图像进行多轮次信息嵌入。最后,接收方根据拥有的密钥种类对接收到的含有嵌入信息的密文图像进行信息提取、图像解密和图像恢复。实验结果表明,本文算法提升了解密医学图像的视觉质量,同时具有较高的嵌入率和安全性。     

基于人眼视觉系统的运动图像视觉感知模拟

讨论了人眼在观看平板显示屏上运动图像时视觉失真的产生原因,并通过视觉感知实验对已有的视觉感知模型进行了修正,提出了将空间积分的影响加入到视觉感知模型中的改进方法.本文还利用该模型对一些显示屏上运动图像的视觉感知过程进行了模拟,结果表明,采用本文提出的模型获得的运动图像的视觉感知效果图更加接近人眼实际所观测到的图像.本文提出的视觉感知模型以及相关的软件模拟结果为进一步优化显示器件的驱动方法提供了评估手段.     

模糊遥感图像总变分优化恢复方法

 针对遥感图像在成像与传输过程中的退化而导致的图像模糊与噪声干扰,提出了一种基于调制传递函数（MTF）估算与总变分优化的图像恢复方法。通过分析调制传递函数曲线的幅频特性,阐释了基于MTF的遥感图像恢复机制,为抑制噪声干扰和扩大适用范围而采用了一种新的MTF曲线分段逼近策略,并以实验结果验证了该方法较之常规模型的优越性。进而,针对噪声条件下模糊遥感图像的恢复问题,采用改进的快速总变分优化方法实现了对强噪声模糊遥感图像的有效恢复。实验结果表明,本文提出的恢复方法能够在有效抑制噪声的同时更好地保留图像细节和纹理信息,为强噪声干扰模糊遥感图像的恢复处理提供了高效的解决方法。     

基于人类视觉模型和Contourlet变换的图像感知哈希算法

图像感知哈希(Perceptual Hashing)技术在图像的认证、识别和检索中得到广泛应用。融合人眼视觉系统(HVS)、Contourlet变换及奇异值分解(SVD)提出了一种新颖的图像感知哈希算法。该算法首先对图像进行Contourlet变换,计算变换后系数的视觉掩蔽特征值(掩蔽矩阵);然后对掩蔽矩阵分块后作奇异值分解,取每块最大奇异值作为图像的特征值,经过量化编码、压缩,生成最终哈希。该算法使用MATLAB作为实验平台,实验结果证明算法对大部分的感知保持操作具有较好的鲁棒性,不同图像之间也有较好的唯一性,同时对哈希进行加密处理,使得算法具有良好的安全性。     

一种基于对比度增强的图像显著性检测方法

在视觉注意机制下,图像显著性表现为人眼对图像中部分区域的重视程度,但采用频率调谐(frequency tuning,FT)算法进行图像显著性检测时,出现显著区域亮度不均匀、细节信息不明显等问题。针对上述问题,提出一种基于对比度增强的图像显著性检测方法。该方法将输入图像进行全分辨率对比度增强处理,通过高斯带通滤波器筛选出显著性区域,然后将Lab颜色空间分解成3个特征通道并做归一化处理,利用各通道的能量占比进行动态权值融合得到最终显著图。结果表明,该方法提高了目标轮廓及内部细节信息的清晰度,明显地突出显著区域,更易于目标的检测与识别。     

基于总变分方法的结构-纹理图像锐化增强

针对前向后向扩散过程在锐化图像,特别是结构-纹理图像时,无法保持纹理连续性的缺点,在反向扩散过程的基础上结合了总变分法结构-纹理分解模型,以边界变分函数和振荡函数模拟图像的结构和纹理,从而在锐化边缘的同时保持纹理的连续性.实验结果表明,该方法在锐化结构-纹理图像时可以取得更好的效果.     

变分分解模型的模糊增强算法

将分解模型应用到模糊增强算法中,用有界变分(BV)函数描述图像的结构信息,空间G描述图像的纹理信息,提出一种基于变分分解(BV-G)模型的模糊增强算法.给出算法原理和实现步骤,并通过多组对比实验验证该算法的可行性.     

基于目标匹配的遥感图像变化检测方法

针对传统的像素级遥感图像变化检测方法中检测精度严重依赖于图像配准、辐射校正和差异图像阈值选取的问题,提出了一种基于目标匹配的目标级遥感图像变化检测方法。该方法直接作用于2幅未经配准和辐射校正的不同时相遥感图像,利用目标的区域不变矩与目标之间的角度关系对目标进行匹配,将不能匹配的目标作为变化目标,利用匹配目标对2幅图进行配准,以同时实现图像的配准与变化检测,并用配准结果对变化检测结果进行修正。实验结果表明,该方法具有较好的定性检测性能。     

基于薄板样条的遥感影像非刚性配准方法

提出一种基于薄板样条的遥感影像非刚性配准方法。首先,根据SIFT算法分别在参考影像与待配准影像中提取特征点;然后,对特征点进行匹配,并利用RANSAC一致性分级检验方法,由粗至精分级排除错误匹配点;最后,利用同名匹配点构建薄板样条配准模型,并完成图像配准结果。实验结果表明,文中方法能有效解决遥感影像在时相变化、几何变形等条件下的配准,具有较高的实用性。     

基于面向对象的高分辨率遥感影像道路信息提取方法

采用一种基于面向对象的道路提取方法,阐述了影像理解、影像分割、对象层次结构等几个关键思想,提出如何解决传统高分辨率影像提取道路方法,如边缘检测、滤波等存在的不足,并对高分辨率遥感影像提取道路的实用性进行思考,为下一步具体应用指明方向。     

基于ERDAS IMAGINE的遥感图像更新地形图

为了探索利用遥感图像快速更新矢量地形图的方法,在深入研究了ERDAS IMAGINE矢量模块功能的基础上,利用试验区遥感图像和现有矢量地形图,将二者进行了高精度的配准,并以栅格图像为参照,对矢量图层的空间数据进行了更新,总结了利用ERDAS IMAGINE矢量模块结合遥感影像进行矢量图形更新的经验与方法.结果表明:与传统的地形图更新方法相比,该方法在更新中小比例尺地形图方面具有更新效率高、更新成本小等突出优势,充分体现了RS与GIS的集成应用.该成果对地理信息系统数据库建设与快速更新具有一定的参考价值.     

基于多分类学习的光学遥感图像舰船检测

针对光学遥感图像中舰船检测易受云层、波浪等因素干扰导致检测精度低的问题,提出了一种基于多分类学习的检测算法.首先利用多光谱图像提取舰船候选区并在对应的全色图像上截取切片,然后采用卷积神经网络自动提取特征并进行分类,最后利用旋转卡壳法求取目标的最小外接矩形进行精确定位.利用自建的数据集进行模型的训练、验证和测试,数据集包含2.375 6×10~4张图像,由于舰船目标类内差异大,将数据集精细地分为10种类别.目标类分为大船、中船、小船、多条船和尾迹5类,非目标类也分为波浪、黑色区域、陆地、海上密集带状物和云5类.实验结果表明:结合了多光谱信息的多分类学习可以有效提高检测率并降低虚警率,该方法在复杂海面背景下能精确地检测舰船目标,检测精度达到95.02%,虚警率低至5.24%;基本可以排除多种因素的干扰,鲁棒性较强.     

基于NSCT与形状特征的遥感影像道路提取

提出一种基于非抽样Contourlet变换（NSCT）与形状特征的遥感影像道路提取算法.首先对图像进行非抽样Contourlet变换,得到不同尺度、不同方向上的变换系数,对变换系数进行增强处理并通过反变换得到增强图像;然后对增强图像进行分割处理,利用道路形状特征对分割结果进行道路提取;最后利用光谱特征对提取的道路进行判断,并利用形态学方法对道路网进行规整.对比实验结果表明：该算法取得了较好的高分辨率遥感影像道路提取效果.     

基于非抽样Contourlet变换的遥感影像道路提取

提出一种基于非抽样Contourlet变换的遥感影像道路提取算法.该算法首先对图像进行非抽样Contourlet变换得到不同尺度不同方向上的变换系数,再通过给定窗口大小分别计算各个尺度各个方向上的变换系数模在窗口内的局部最大值,然后比较各尺度在同一方向和同一窗口位置上系数模的最大值,取值最大的点作为特征点;同时利用自适应阈值对各个尺度各个方向上的系数模值进行二值化,消除小于一定面积的区域,筛选出特征点位于提取区域内的点;最后以筛选出的特征点为种子点,对道路进行Snake跟踪.实验结果表明:该文算法在道路提取的精确度、完整性方面比小波变换好.     

基于模糊分析的多光谱遥感图像的纹理特征

模糊分析的方法是用均一表面不确定性对原始图像进行模糊纹理滤波,在滤波图像上计算空间均一不确定性,对不确定性进行模糊纹理光谱分析,其光谱曲线直观地反映了多光谱遥感图像的纹理特征;通过采用不同的洲量窗口,在不同的类别提取纹理样品进行实验.研究结果表明:多光谱遥感图像在小区域纹理特征不稳定,不同波段的纹理特征不同,不同类别的最小测量区域不同;模糊纹理分析的方法可用于图像分割.     

基于遥感影像的重要地物的变化检测和标注

破坏性灾害会造成巨大危害和损失,灾后一定时间内由于信息匮乏,使得对了解灾情和救灾都极为不利。为了及时获取灾区建筑物、道路、桥梁、水库等重要地物的倒塌和毁坏信息,给出了一种可自动识别和标注灾害前后遥感图像差异区域的方法。首先对时序遥感影像通过三维块匹配(block matching 3D,BM3D)方法去除高斯噪声,然后利用尺度不变特征变换(scale-invariant feature transform, SIFT)方法进行图像配准,通过对差分图像采用Wv＿Canny边缘检测方法获得差异区域重要地物的边缘信息,最后识别并标注出发生变化的重要地物,真实遥感图像实验结果按建筑物变化面积比较,正确率78%～79%,误检率21%～22%,无漏检率。仿真试验和实际遥感影像处理表明：所研究方法可有效识别和标注建筑物等重要地物的差异区,有利于灾后破坏性地物的及时了解和救助工作。     

基于JSEG改进算法的高分辨率遥感影像分割

高分辨率遥感图像中细节信息丰富、地物几何结构明显,对JSEG算法进行了改进,使其对高分辨率遥感图像分割可以取得更合理的结果。算法使用增量式的生长方式完成初始分割,并综合使用颜色和形状信息对过分割区域进行合并。实验表明,改进后的算法符合高分辨率遥感图像的特点,可以得到更好的效果。