基于分数维与灰度梯度共生矩阵的气象云图识别(Ⅱ)——灰度梯度共生矩阵对纹理统计特征的描述

图像的分数维特征描述了纹理的复杂度和粗糙度。图像的灰度梯度信息则检出了图像中灰度跳变的部分，将图像的梯度信息加进灰度共生矩阵，则使得共生矩阵更能包含图像的纹理基元及其排列的信息。将４ 种基本云类（卷云、积雨云、积云和层云）的分数维和灰度梯度共生矩阵（ＧＧＣＭ）的二次统计特征结合起来，对云类进行分类与识别。样本的试验表明，分数维和灰度梯度共生矩阵的二次统计特征结合起来，气象云图能有效地识别。

基于分数维与灰度梯度共生矩阵的气象云图识别(Ⅰ)——分数维对纹理复杂度和粗糙度的描述

气象卫星云图的识别主要集中在图像纹理分析上，图像纹理除了包括灰度信息外，还包含了结构信息。应用７０年代由曼德尔勃罗特（Ｍａｎｄｅｌｂｒｏｔ）提出的分数维的概念，对图像纹理进行的分析表明，分数维是图像纹理的复杂度与粗糙度的变量。作者将Ｓａｒｋａｒ和Ｃｈａｕｄｈｕｒｉ的分数维计算方法应用于纹理分形特征的计算，取得了较好的效果。

国外灾害遥感应用研究现状

灾害遥感（调查和监测）是遥感技术应用及研究的一个重要方面。本文根据大量的资料及笔者在国外参加的工作，对经济发达国家及部分第三世界国家将遥感技术用于灾害监测、预报、预警以及在减少灾害损失方面所进行的主要工作及取得的效益作一概略介绍。

从CBERS-1卫星红外数据看中国遥感器研制

文章对CBERS_1卫星红外遥感器的图像数据从图像的灰度、纹理和边缘3个方面进行分析 ,并与美国Landsat卫星的TM遥感器、MSS遥感器的图像数据进行了对比分析。分析研究表明 ,CBERS_1卫星的红外遥感器的图像数据是具有很好水平的 ,并说明中国卫星遥感器的制造、工艺设计、材料。

颗粒形状的自动识别

本文提出了一个塑料颗粒形状的自动识别系统，实现了动态地分类识别自动化生产线上的正常和异常的塑料颗粒图象，使生产工艺人员能根据图象的分析结果去调整、控制生产过程，从而达到保证产品质量的目的。

应用高级BASIC陷阱技术开发实时系统

本文阐述了应用高级BASIC陷阱技术开发实时系统的基本思路、方法及实例。

在HP-4激光打印机上制作汉字报表

本文介绍在HP-4激光打印机上制作汉字报表的新方法,在软件组织上灵活、方便。

消除光晕现象的快速Retinex图像增强

由于假设场景中光照是平缓变化的,传统的中心/环绕Retinex图像增强方法在处理高动态范围图像时易在明暗对比强烈处产生光晕现象.提出一种快速Retinex图像增强方法,以模拟人类视觉系统的全局和局部自适应性.首先对原图进行全局动态范围调整,然后使用mean shift滤波进行估计光照,并基于中心/环绕假设消除光照不均影响,在后处理中对图像去除孤立点所占的直方图范围.实验结果表明,该方法能有效地克服光照不均并消除了光晕现象;使用了mean shift加速算法,运行速度快于已有同类方法.

基于典型相关分析的组合特征抽取及脸像鉴别

利用典型相关分析的思想,提出了一种基于特征级融合的组合特征抽取新方法.首先,抽取同一模式的两组特征矢量,给出描述两组特征矢量之间相关性的判据准则函数;然后依此准则抽取它们的典型相关特征,构成有效鉴别特征矢量用于识别.该方法巧妙地将两组特征矢量之间的相关性特征作为有效判别信息,既达到了信息融合之目的,又消除了特征之间的信息冗余,为两组特征融合用于分类识别提供了新的思路.此外,从理论上进一步剖析了所提出的方法之所以能有效地用于识别的内在本质.在Yale和ORL标准人脸数据库上的实验结果证实了所提算法的有效性和稳定性,而且识别率大大高于用单一特征进行识别的结果.

一种扩展SURF描述符及其在遥感图像配准中的应用

针对经典算法存在着运算时间过长或者匹配正确率不高的情况,提出一种扩展的SURF描述符。在原始SURF描述符的基础上,通过计算特征点相应尺度上的邻域采样点的局部归一化灰度统计信息以及二阶梯度值细节信息,形成新的扩展描述符。该方法不但能传承SURF算法速度快的优良性能,还能充分利用图像的灰度信息和细节信息。通过试验表明,综合考虑算法运行效率与匹配正确率,本文算法较原有经典算法更具稳健性。

基于独立分量分析的遥感图像分类技术

遥感图像的自动分类方法一般基于图像的统计信息。多光谱遥感图像之间有着一定的相关性 ,对遥感图像的自动分类有不利影响。一般用主成分分析去除波段之间的相关性。独立分量分析能利用相对主成分分析更高的统计分量 ,不但可以获得去相关的效果 ,而且可以得到相互独立的结果波段图像。本文首先讨论了独立分量分析的基本原理。在此基础上 ,介绍FastICA算法 ,并对其进行改进 ,得到M FastICA算法 ,并将其应用到遥感图像的分类上。实验结果表明 ,M FastICA算法较FastICA算法收敛性大为改善 。

图像清晰度评价方法研究

数字图像的清晰度评价一直是各类数字成像系统的一个关键问题 ,而在已有的一些的评价参数中 ,由于评价方法不同 ,均存在一些局限性 ,为此 ,针对图像的清晰程度提出一种新的评价方法 ,目的在于能够快速、准确地评价数字图像的清晰度。该评价方法评价参数可通过改进边缘锐度算法 (EAV)得到 ,然后与机测MTF值的变化趋势一起做曲线回归分析 ,以便和其他传统清晰度评价参数做对比。通过上百幅各类数字图像的测试 ,结果表明 ,该评价参数与数字成像系统的MTF值变化有着很好的正相关关系 ,其不仅能够更准确地反应数字图像清晰度变化的趋势 ,而且便于简捷。

各向异性权重的模糊C均值聚类图像分割

传统的模糊C均值聚类算法(FCM)在图像分割中未考虑各个点的灰度特征及其邻域像素的关联程度,导致其对于噪声十分敏感.而各种改进算法虽然较好地克服了图像噪声的影响,但由于使用均值滤波等方法导致分割图像边缘模糊.为此,提出一种基于各向异性权重的FCM图像分割方法,通过引入新的邻域窗口权重的计算方法,使得中心点邻域内各点具有各向异性的权重;并使用基于灰度级的快速算法,提出了各向异性权重的模糊C均值聚类算法.实验结果表明,文中方法具有较强的抗噪性,对于噪声具有良好的稳定性,分割精度较高.

克服灰度不均匀性的脑MR图像分割模型

为了克服脑核磁共振图像中存在的灰度不均匀现象,提出一种有效的脑核磁共振图像分割模型.该模型利用多相位水平集方式来拟合图像的局部灰度,实现多种脑组织的同时分割,并提供光滑且准确的目标边界或曲面.在二维、三维的图像上的比较实验结果表明,该模型是有效的.

基于改进快速活动轮廓模型的左心室核磁共振图像分割

提出了改进的基于贪婪优化算法的快速活动轮廓模型 原算法加快了求解最优能量曲线的速度 ,但初始轮廓线必须给定在图像特征的附近 通过在优化的目标函数中增加面积能量项 ,扩大了算法捕获图像特征的范围 在对贪婪优化算法分析的基础上 ,给出了局部面积能量项的构造和使用方法 ,进而简化了优化的目标函数 实验结果表明 ,该算法具有快速、能在更大的范围内捕获图像的特征、较好地处理图像中凹陷区域的能力 。

利用视觉显著性与图割的图像分割算法

图割算法是图像分割中经典有效的算法,针对其在前景/背景颜色有重叠时容易产生分割错误、shrinkingbias现象及交互实时性不佳的问题,提出一种利用视觉显著性与图割的交互式图像分割算法.首先利用Mean Shift算法将原始图像高效地预分割为基于区域的图结构,使得计算量大大下降;然后结合图像内容的显著性分析提高数据项约束的可靠性,并结合局部自适应的正则化参数,有效地改善了shrinking bias现象.实验结果表明,该算法交互快速,分割结果更加精确.

片相似性各项异性扩散图像去噪

提出了一种基于片相似性的各项异性扩散图像去噪方法.传统的各项异性图像去噪方法都是基于单个像素点的灰度相似性(或梯度信息),不能很好地保持弱梯度边缘和纹理等细节信息.基于片相似性的非局部图像去噪方法由于利用了邻域像素的灰度相似性,而能够很好地保持纹理等细节信息.将片相似性思想引入到各项异性扩散中,利用片相似性构造扩散函数,同时将片相似性各项异性扩散模型扩展到彩色图像的去噪.实验结果表明,提出的改进方法能很好地保持纹理等细节信息,不存在各项异性扩散普遍存在的明显的阶梯效应,同时比非局部图像去噪方法速度快.医学图像去噪实例也表明所提出方法具有很好的应用前景.

基于高斯混合模型的活动轮廓模型脑MRI分割

传统的活动轮廓模型用于图像分割往往基于目标的边界信息,在图像含有强噪音或目标具有弱边界时很难得到真实解.引入高斯混合模型构造新的约束项,在新的约束项作用下模型可以减少噪音的影响,并防止从弱边界泄漏.高斯混合模型求解通常使用Expectation-maximization(EM)算法,该算法是局部优化算法,且对初值敏感.因此引入粒子群算法,并提出一种改进的算法,利用该算法的全局优化性求解高斯混合模型的参数,以提高参数精度.对脑核磁共振图像(MRI)分割实验表明该模型具有较好的分割效果.

二维Otsu自适应阈值选取算法的快速实现

Otsu自适应阈值算法作为图像阈值分割的经典算法,在图像领域得到了广泛的应用,在此基础上发展起来的二维阈值法因为计算时间长而制约了其应用.针对一维Otsu自适应阈值算法计算复杂度高的缺点,通过消除二维自适应阈值算法中的冗余计算,用迭代的方式得到查询表,从而大大提高了二维阈值算法的计算速度.实验结果表明,该算法不仅计算时间远远小于原始二维Otsu算法,并且求得的阈值跟原始的算法一样.

基于分级mean shift的图像分割算法

实验发现传统mean shift算法进行分割时常会产生连接通道问题,使得几个分类簇之间无法完全分开.针对该问题,提出一种改进的分级mean shift图像分割算法,在初次迭代获得的聚类中心基础上采用不同的带宽矩阵进行多次聚类,从而获得不同级的聚类中心集合,并建立一个归属树结构,最终通过叶节点与根节点的归属关系进行归类从而完成图像分割.实验证明改进算法可以更好地保留图像的局部信息,同时具有较好的适用性.