基于鲁棒自适应归一化卷积的遥感图像融合算法

针对当前遥感图像融合中容易出现光谱信息失真和边缘细节丢失的问题,提出一种基于鲁棒自适应归一化卷积的全色与多光谱图像融合算法.该方法基于归一化卷积思想,利用投影到子空间的局部信号逼近技术对不规则采样数据进行高分辨率图像重建,自适应归一化卷积中使用的窗函数通过对更多相同意义的样本进行分组,有助于改进分析和提高信噪比,减少不连续面的扩散.实验结果表明,相对于其他优秀融合方法,本文方法更具优势,能够更好地重建光谱信息和保留边缘细节.     

土地覆盖变化检测中不同相对辐射归一化方法的评价

【目的】从土地覆盖变化检测性能的角度寻求一种精度较高且归一化过程相对简单、客观和自动化的辐射归一化方法。【方法】借助2013年7月和2015年9月的南京地区Landsat 8 OLI图像并以2013年影像为基准,执行基于伪不变特征(pseudo-invariant features, PIF)、时不变点群(temporally invariant cluster, TIC)、全景影像回归(wall-to-wall regression, WWR)和加权不变点(weighted invariant pixels, WIP)4种方法,分波段对2015年的多光谱图像进行辐射归一化处理。在此基础上利用变化向量分析技术(change vector analysis, CVA)进行土地覆盖变化信息提取,并借助高空间分辨率Google Maps对提取到的变化信息进行空间一致性验证。【结果】使用PIF、TIC、WWR和WIP方法对图像归一化后,利用变化向量分析提取的土地覆盖变化信息与目视解译得出的土地覆盖变化信息的空间一致性分别为79.63%、81.75%、72.72%和82.59%; 依不同变化地类给出变化检测阈值,算法的空间一致性会进一步提高。【结论】考虑到算法的客观性、自动化程度和变化检测精度,在4种方法中,TIC法和 WIP法更适合工程化的图像辐射归一化操作。     

结合颜色差异和模糊聚类的叶片图像分割

为解决中药植物叶片图像分割问题,考虑自然环境中的颜色特征,提出了一种基于归一化绿-红差异指数(NDI)颜色差异特征的叶片分割算法。该方法首先将叶片RGB图像进行NDI颜色差异特征计算,然后使用FCM算法进行聚类分割去除非绿色区域,再使用数学形态学进行修正,最后使用面积因素去除其他非叶片的绿色区域。实验结果表明,该算法能够将绿色叶片区域从自然环境中精确分割出来,相比使用转换颜色空间的FCM分割算法,其运算时间更短。     

一种层级处理的人脸光照归一化方法

采用层级处理模式,提出了一种新的人脸光照归一化方法,先对图像光照进行自动判定,决定采用何种方法进行预处理,减小不同光照下人脸灰度的差异.再根据Gamma校正算法的特点,设计了一种更适应人脸图像校正的参数计算方法.本方法在样本归一化后,使得图像的本真信息不丢失,而且提高了图像对比度.大量的实验表明,该方法可以有效提高人脸识别功能的适用范围,能够在更远距离或复杂光照下进行识别.     

基于深度学习和复杂空间关系特征的多尺度遥感图像检索

深度学习技术逐渐成为解决图像检索和图像分类问题的主流技术,然而现有算法不能有效地处理遥感图像中的复杂空间关系以及多尺度特征问题.为有效解决遥感图像检索问题,提出了一种综合考虑空间关系与尺度特征的新方法.首先,用深度学习方法检测过的遥感图像抽象为点集;其次,构造Delaunay三角网以描述全局空间关系特征;最后,在空间特征相同的部分中使用模糊性状模型匹配局部空间特征.该模型有效地规避了因尺度不同而产生的视觉差异.在UC Merced Land-Use和RS19等公开数据集上进行实验,结果表明,该算法在多尺度遥感图像检索精度方面的表现优于其他相关方法.     

基于多尺度分析的归一化割图像分割算法

不同尺度的图像拥有不同的特性,针对单一尺度图像进行分割容易出现过分割或欠分割的问题,本文提出一种基于多尺度分析的归一化割的图像分割方法,首先利用方向能量模型得到不同尺度子图像的边缘方向能量,然后根据干涉轮廓的思想建立各个子图像像素之间的相似度,形成多个不同尺度的权值矩阵,并归一化为一个权值矩阵,最后运用归一化割算法对图像进行分割。实验表明,本文方法在融合了多个尺度图像不同特性的同时,能很好地处理含有纹理区域和弱边缘的图像,在一定程度上避免了过分割或欠分割的问题。     

一种用于图像检索的幂归一化深度卷积特征加权聚合方法

针对图像检索中基于部位的加权聚合(PWA)方法存在的视觉突发问题,提出一种幂归一化的深度卷积特征加权聚合方法。首先简化了原PWA方法中用于确定空间权重的归一化和幂变换操作,直接将所选择的有区分性的通道特征图作为空间权重矩阵,然后引入新的幂变换函数并选取合适的参数对加权聚合后的通道响应进行归一化处理,最后通过PCA降维和白化处理形成图像的全局特征表示形式。在4个标准数据库上的图像检索实验结果表明,该方法能有效调节PWA聚合特征响应的突发度并提高图像检索的准确率。     

中文签名图像的笔划归一化

根据签名图像预处理应遵循的基本原则,对目前中文签名图像预处理中存在的问题进行了详细分析,并提出了相应的解决方法.着重研究了签名图像的归一化,提出用基于数学形态学的笔划粗细归一化代替目前常用的细线化.实验结果表明,该方法既消除了因书写工具的不同而造成的差异,又保留了作者签名时笔划的细节.     

基于对比度归一化的历史文档图像二值化算法

多数历史文档图像存在背景污渍、涂抹和字迹模糊等对比度较低的情况,从而给历史文档二值化增加了较大难度。前期研究发现,历史文档中文本内容通常与文档背景的亮度水平不同,利用文档背景估计值可以有效削弱退化区域并突出字符信息,根据这两个观点,本文提出了一种基于对比度归一化的历史文档图像二值化算法。所提出的方法包含三个步骤,首先采用图像修复算法和Niblack算法结果来粗略估计背景,然后使用文档背景对历史文档图像存在的不同退化类型进行归一化处理,并对归一化处理后的文档图像进行增强、二值化,将文档中的文本分割出来。采用DIBCO数据库和H-DIBCO数据库对所提出的算法进行测试,取得了较好的实验结果。     

基于内容图像检索中的综合特征归一化方法

传统的基于内容的图像检索主要依赖颜色、纹理、形状、空间关系等单一视觉特征,检索效果往往不够理想。基于综合特征的图像检索应用日益广泛,本文在图像特征向量和在某特征上的相似距离的归一化方面进行了一定的探讨与研究,给出了一种综合特征归一化方法,并将其作为两图像相似性度量依据。     

基于滤波反投影算法磁感应成像仿真图像重建

【目的】利用一组亥姆霍兹线圈为激励源,进一步研究磁感应成像技术。【方法】系统模型由背景物体、异物、亥姆霍兹线圈和20个检测线圈构成。利用滤波反投影算法重构图像,分析不同位置和不同体积大小的异物的重构图像结果,并且通过3个客观参数即相关系数、归一化均方距离和归一化平均绝对距离客观分析成像结果和实际图像的差异。【结果】当异物靠近边缘,图像的相关度为54.009,位置定位精度3 mm以内。异物体积较大时,图像的相关度为71.340。【结论】异物越靠近边缘,或异物体积越大,重构图像的质量越好,3个参数指标最优。     

彩色分量流形特征融合的人脸识别

对人脸图像RGB彩色空间三分量的非线性流形嵌入进行了分析,提出一种结合了流形学习技术和图像彩色信息的人脸识别方法。 该方法对人脸图像的彩色三分量分别采用局部线性嵌入（LLE）方法进行特征提取,提取的特征进行归一化处理和特征融合,采用线性判别分析（LDA）增加分类判别性,最后采用k最近邻法（kNN）进行分类。 该方法中提取的特征,能够保持人脸图像数据的非线性结构,同时利用了人脸图像的彩色信息。 对比实验结果表明,利用了彩色信息的三分量流形学习特征融合方法,比Fisherface特征灰度图像和单个彩色分量的人脸识别性能有所改善。      

基于滤波反投影算法磁感应成像仿真图像重建

【目的】利用一组亥姆霍兹线圈为激励源,进一步研究磁感应成像技术。【方法】系统模型由背景物体、异物、亥姆霍兹线圈和20个检测线圈构成。利用滤波反投影算法重构图像,分析不同位置和不同体积大小的异物的重构图像结果,并且通过3个客观参数即相关系数、归一化均方距离和归一化平均绝对距离客观分析成像结果和实际图像的差异。【结果】当异物靠近边缘,图像的相关度为54.009,位置定位精度3mm以内。异物体积较大时,图像的相关度为71.340。【结论】异物越靠近边缘,或异物体积越大,重构图像的质量越好,3个参数指标最优。
     

一种基于区域分割的图像检索方法

提出了一种基于区域分割的图像检索方法:首先用改进的基于一致性分析的空间分割算法对图像进行区域分割,然后提取各区域的视觉特征,再对查询图像和目标图像中各区域的视觉特征进行多对多的匹配,采用最小平均准则和高斯归一化加权求和得到图像间的相似度.通过与基于全局特征的检索结果比较表明,该方法可以产生比较满意的结果.     

基于深度学习的化妆品塑料瓶缺陷检测

提出一种基于深度卷积神经网络的化妆品塑料瓶表面缺陷检测算法。采用百万像素级别的工业相机采集大量的塑料瓶图像样本,并通过HSV(hue,saturation,value)颜色空间变换和Otsu阈值分割等方法对图像进行预处理。采用随机图像变换法对数据集进行增强,并对图像进行标准归一化处理。在卷积神经网络模型中应用深度可分离卷积和Dropout技术以减少参数量,从而避免过度拟合。使用训练样本集训练该模型,并在测试集中将结果与几种经典图像识别算法进行比较分析,结果显示,本文算法的识别准确率高达约0.97。由此表明本文算法的效果优于其他经典算法,有望将其应用于化妆品塑料瓶缺陷检测的工业自动化系统,以提升缺陷识别效果,从而提高生产效率。     

基于代码图像增强的恶意代码检测方法

网络空间面临的恶意代码威胁日益严峻,传统恶意代码检测方法在恶意代码攻防对抗中逐渐暴露弊端。针对此现状,该文提出了基于代码灰度化图像增强的恶意代码检测方法,使用恶意代码ASCII字符信息和PE结构信息对传统恶意代码灰度化图像方法进行改进,构建RGB三维图像作为原始数据输入到检测算法,并使用一种带有空间金字塔池化结构的VGG16神经网络模型对恶意代码图像进行训练和预测。该文还提出了一种基于多标注归一化表示的方法来提高样本标签的可靠性,实验结果表明:该方案可以有效应对加壳、混淆等对抗手段,对新型恶意代码具有良好的检测效果。     

基于核函数因素分解模型的表情合成与识别

人脸图像合成是新一代人机交互中的重要技术。传统的三维模型加生理模型的方法可以生成真实的人脸表情图像,但是其中的计算复杂度很高。该文提出了一种基于样本的方法,将不同的人和不同的表情看作影响人脸表情图像的两种变化因素,利用因素分解模型巧妙地进行人脸表情图像合成。同时,分析了因素分解模型获得的身份子空间和表情子空间的特点,提出了一种在子空间中利用余弦距离进行身份和表情识别的新思路。从实验结果来看,这里提出的方法可以仅利用一张训练集内、外的人脸图像合成出该人在不同表情下逼真的脸部表情图像,同时可以合成库内的人在新表情下的表情图像。     

基于深度学习的图像抠图技术

图像抠图(image matting)技术是图像编辑技术的基础,广泛应用于影视后期制作和日常生活.基于深度学习的图像抠图网络,通过输入的原图和三元图来估计每个像素的α值.在原下、上采样的图像抠图技术基础上,针对抠图数据集图像差异较大容易造成网络收敛较慢的问题,在每个卷积层后加入了批量标准化(batch normalization,BN)层,对输入数据进行归一化操作,加快模型收敛速度,同时参数更新方向更符合数据集整体特性;针对抠图任务需要更关注物体边缘部分的特点,使用可变形卷积(deformable convolution)层替换普通卷积层.可变形卷积层会根据不同输入数据自适应学习卷积核形状,有效扩大感受野范围,在细节部分有更好的预测效果.     

基于本体的医学图像检索系统

介绍了基于内容的图像检索技术和医学图像检索系统的相关概念,分析了医学图像检索系统的研究现状,采用多特征归一化图像检索方法、低级特征和语义特征相结合的二级检索机制,构建了一个基于本体的医学图像检索系统。     

基于卷积神经网络的病理细胞核分割

针对病理图像中细胞核的精准分割问题,结合全卷积网络框架和高分辨率网络框架的特点,提出一种卷积网络对细胞核进行自动精准地分割;基于稀疏非负矩阵分解的方法将具有严重颜色分布差异的病理图像进行颜色分布归一化,以归一化后的图像为输入,利用所提出的卷积网络对细胞核进行分割;该网络通过减少下采样算子的使用,使图像信息在前向计算过程中不会过分丢失,并使用扩张卷积扩大深层神经元的局部感受野尺度大小;所采用的分割方案在2017年MICCAI病理数字图像分割数据集中达到0. 848的平均dice分数;实验表明,融合全卷积网络框架和高分辨率网络框架的卷积网络在病理图像中实现了细胞核自动精准的分割,可以有效减轻影像医师的工作负担。