一种基于Weibull分布的SAR图像分割方法

分析了合成孔径雷达(SAR)图像的统计分布特性,推导了SAR目标及阴影的分割阈值与虚警概率之间的关系,给出了一种基于Weibull分布的SAR图像目标及目标阴影的分割方法,首先根据推导出的分割阈值公式对SAR目标图像及阴影图像进行粗分割,然后利用形态学滤波和计数滤波器进行细分割。基于MSTARSAR实测数据进行的大量实验表明,该方法是有效的,优于传统的双参数恒虚警分割方法。     

基于分形理论和神经网络的红外图像分割算法

针对实现红外图像的分割,快速准确地检测出红外序列中的人造目标的需要,结合分形特征和Ko-honen神经网络的特点,提出了一种基于分形技术的图像分割算法。该算法利用自然背景和人造目标的不同分形特征检测目标,提出了包括分形维数在内的7个红外图像特征,结合神经网络的自组织学习能力来进行图像分割。给出了算法实现的具体步骤。仿真试验结果表明,该算法能有效地实现红外图像的分割。     

基于形状描述直方图的声呐图像目标识别算法

针对水下声呐图像目标检测与识别问题,在图像规格化条件下,定义了几种不同的形状描述子,并统计计算描述子直方图,定义了几种不同的直方图匹配测度函数用以计算直方图间的相似性。分析了算法中关键参数的选取问题。仿真结果表明,基于该算法的识别率可达到98%以上,具有较强的不变性和鲁棒性。通过进一步信息融合算法可快速准确地实现水下声呐图像目标识别,具有较强的应用价值。     

函数S-粗集与图像识别

函数S-粗集是以函数等价类定义的,它具有规律特性,图像具有特征,特征存在着规律,将函数S-粗集的规律特性嫁接,应用到识别理论中。给出图像特征F-下近似规律,F-上近似规律的生成,及规律模型,给出图像特征规律F-识别对结构,并对图像F-识别给出特性分析。图像F-识别是一种新的识别方法,已经成为识别理论研究中的一个新的研究方向。     

基于深度图象Warping的动态图形反走样算法

时间域上的动态图形反走样算法是提高序列画面图象播放质量的关键技术。由于该技术需在时间域上加密采样,因而其计算过程非常耗时。本文首先给出了一种新的深度图象ｗａｒｐ－ｉｎｇ算法,并用它来快速生成由于摄像机参数变化而产生的静态景物画面的细微变化,而运动景物画面则根据其深度值复合到相应时刻的静态景物画面中。利用这一技术,我们可快速地在相邻帧画面中间进行加密采样。而Ｇａｕｓｓ点优化采样策略则极大地提高了反走样算法的效率。理论和实验结果表明,本算法能高效地实现复杂场景图形的动态反走样,它不仅独立于场景复杂性,而且可根据画面质量要求来调整精度。     

卫星图像的格矢量量化编码压缩方法研究

卫星图像是一个种高熵值图像,本文针对卫星图像研究了格矢量量化编码压缩方法,分析了格矢量量化特性,并列举了几种格。实验结果表明,格矢量量化编码压缩方法失真小,计算量少,比较适用于卫星图像编码压缩。     

Single foggy image restoration based on spatial correlation analysis of dark channel prior

Focusing on the degradation of foggy images, a restora- tion approach from a single image based on spatial correlation of dark channel prior is proposed. Firstly, the transmission of each pixel is estimated by the spatial correlation of dark channel prior. Secondly, a degradation model is utilized to restore the foggy image. Thirdly, the final recovered image, with enhanced contrast, is obtained by performing a post-processing technique based on just-noticeable difference. Experimental results demonstrate that the information of a foggy image can be recovered perfectly by the proposed method, even in the case of the abrupt depth changing scene.     

基于近似逐次超松弛预处理的自适应CQ算法

在处理基于不完全数据重建的不适定反问题时, 针对预处理CQ算法存在的不足, 提出了一种近似的逐次超松弛自适应预处理矩阵选择策略. 该方法利用近似特征值矩阵在处理矩阵相乘和求逆中的优势, 将正则化与超松弛预处理方法合, 通过迭代逐次逼近预处理矩阵, 并给出了算法的自适应步长. 结合稀疏角度CT图像重建问题, 给出了算具体实现步骤, 通过仿真可以验证: 该策略可以使预处理CQ算法有较快的收敛速度; 当存在噪声时,也可以较好地通过提前停止迭代来提高重建精度. 该策略为预处理CQ算法在不完全数据重建领域的应用提供了参考.     

基于多小波变换的图像编码算法研究

 多小波是小波理论的新分支,将传统的单小波拓展到矢量空间。多小波既包括了传统小波的全部优点,同时又克服了单小波的缺陷,将实际应用中十分重要的正交性、对称性、紧支性、光滑性完美地结合在一起,因此多小波在图像处理方面的应用也显示出巨大的潜力。该文在研究了JPEG2000的核心编码技术——EBCOT算法和多小波变换原理的基础上,提出了结合EBCOT算法的多小波图像编码。算法将各种常用的多小波基,结合EBCOT算法,对灰度图像进行压缩编码。实验结果证明基于EBCOT算法的多小波图像编码方法能够对图像进行很好的压缩。     

基于并行残差卷积网络的图像超分辨重建

针对VDSR模型卷积核单一和DRRN模型不能全局利用的问题,提出了基于并行残差卷积神经网络的联合卷积图像超分辨重建模型。模型首先利用原始卷积层和扩张卷积层融合,建立联合卷积层,然后利用跳跃链接,将多种抽象层次的特征进行融合,最后完成整个超分辨网络的模型构建。提出的模型具有以下优点：①扩张卷积神经网络与原始卷积神经网络融合,在计算机复杂度不变的情况下,可以获取更多尺度的信息,因此具有更强的表达能力;②跳跃链接方式,将抽象层度较低与较高抽象层次的信息融合,获取更多的信息,使得模型具有更强的学习能力。通过在多个数据集上进行实验,模型在大多数任务中与VDSR、DRRN和SRCNN等先进模型相比,IFC值取得了大于0.1的提升。