窗口融合特征对比度的光学遥感目标检测

提出了一种基于窗口融合特征对比度的光学遥感目标检测方法。首先,在训练图像上生成大量不同尺寸的滑动窗,计算了各窗口的多尺度显著度、仿射协变区域对比度、边缘密度对比度以及超像素完整度4项特征分值,在确认集上基于窗口重合度和后验概率最大化学习各个特征的阈值参数。然后,采用Naive Bayes框架进行特征融合,并训练分类器。在目标检测阶段首先计算测试图像中各窗口的多尺度显著度分值,初步筛选出显著度高且符合待检测目标尺寸比例的部分窗口。然后计算初选窗口集的其余3项特征,再根据训练好的分类模型计算各个窗口的后验概率。最后,挑选出局部高分值的候选区域并进行判断合并,得到最终目标检测结果。针对飞机、油罐、舰船等3类遥感目标的检测结果显示：4类特征在单独描述3类目标时表现出的性能各有差异,最高检测准确率为74.21%-80.32%,而融合方案能够综合考虑目标自身特点,准确率提高至80.78-87.30%。与固定数量滑动窗方法相比,准确率从约80%提高到约85%,虚警率从20%左右降低为3%左右。最终高分值区域数降低约90%,测试时间减少约25%。得到的结果显示该方法大大提高了目标检测精度和算法效率。

改进的插值法用于干涉成像光谱仪影像条带噪音去除

针对嫦娥一号(CE-1)干涉成像光谱仪影像中的条带噪音,通过常用的频域滤波方法和线性插值法进行了干涉成像光谱仪条带去除试验,并提出结合了三阶插值的改进线性插值方法。对噪音点定位后,根据图像中噪音点上下行相应点的数值差别是否超过预设阈值,确定是采用线性插值还是三阶插值算法,修正噪音点像素值。实验结果的均值和标准偏差以及图像质量因子(IQ因子)的比较表明:改进的方法IQ值达到13.9081,而线性插值算法为9.8428,改进的线性插值方法在去除干涉成像光谱仪影像条带噪音方面明显优于线性插值方法。

基于波段选择和空-谱组合核函数的高光谱图像目标检测

为了实现高光谱图像中特定目标的自动检测,提出了一种结合波段选择和空间-光谱特征组合核函数的高光谱图像目标检测方法。各像素点的光谱特征信息由所有波段构成的光谱曲线进行描述,空间特征信息则在各像素点周围的环绕局部范围内,采用词袋模型对空间灰度的纹理特征进行描述。使用了一种基于排序聚类的方法对波段进行选择以降低空间特征计算复杂度。模型训练阶段中,空间特征和光谱特征使用加权的形式融合为一个混合特征核,采用组合核函数结合支持向量机的方法优化核加权系数和检测模型的其他参数。实验结果表明,该方法将目标检测召回率提高到99.5%以上,虚警率降低到约0.2%。因此所提出的方法在降低波段数量的前提下,同时综合利用了目标的光谱信息和空间信息,并使空-谱两类特征在各类别上表现出重要性差异。

城市遥感图像建筑物仿射协变区域融合检测

本文针对城市建筑物的特点,提出融合Hessian-Affine和MSER的仿射协变区域检测方法,利用重复误差筛选高度相关的不同类型区域,根据仿射匹配性分值选择性删除冗余区域,并采用平均重复率、平均匹配区域数进行综合评价分析。实验结果表明,提出的算法将两种检测子互补使用,对于各种仿射变换下的建筑物检测准确率较高,冗余少,适用于城市遥感的实际应用中。

一种新的空谱联合探测高光谱影像目标探测算法

高光谱遥感影像不但具有高分辨率的空间信息还包含连续的光谱信息,因此在目标探测领域具有独特的应用优势。传统的高光谱遥感影像目标探测侧重于光谱信息的应用,形成了确定性算法和统计学算法。确定性算法通过计算目标光谱与待检测光谱之间的距离来查找目标,不能检测亚像素目标,而且容易受到噪声的影响;统计学目标检测计算背景统计特性,通过探测异常点来检测目标,可以检测亚像素目标和小目标,但容易受到目标尺寸的影响,不能很好的检测大目标。随着高光谱遥感影像的空间分辨率的增加,探测目标已有亚像素目标逐步转换为单像素及多像素目标,此时,在高光谱图像中,相同类别的地物在空间分布上呈现聚类特性,因此,在利用高光谱遥感影像进行目标探测时,需要将其空间信息融入算法中。将空间特征引入传统目标探测算法。提出了一种新的空谱结合的高光谱目标探测算法,将传统的基于统计的目标探测算子与空域邻域聚类算法相结合,首先利用目标探测算子将影像划分为潜在目标区域与背景区域;通过计算潜在目标区域的质心,以质心为中心进行邻域聚类,剔除潜在目标区域中的背景区域,通过迭代计算获取最终目标探测结果。传统的基于统计的目标探测算子,将整个探测区域定义为背景区域,实现对背景区域的统计特征提取,而该方法将背景区域与潜在目标区域分离,剔除了目标区域对背景区域的统计干扰。将本算子与传统的约束能量最小化算子和自适应余弦探测算子进行分析比较可知,该算子的大目标探测性能优于传统的统计算子。

长波红外光学系统无热化设计

分析了衍射光学元件在红外光学系统中的消热差特性,设计了工作于8～12μm,全视场角为6.44°的红外消热差光学系统,设计结果表明,该系统在-10℃～60℃温度范围内成像质量接近衍射极限,适用于像元尺寸为45μm的非制冷焦平面阵列探测器。

自适应阈值的Prewitt地质图像边缘检测算法

在地质图像边缘检测中,现有Prewitt相关算法存在边缘识别率低、准确性差、阈值设定随机性大等问题,为此提出一种自适应阈值的Prewitt地质图像边缘检测算法.通过对每个像素点的八组梯度中互相垂直的梯度对求范数,来增强图像边缘;最后取整幅图像的灰度均值作为阈值来识别图像的边缘像素和背景像素.实验表明,相对于现有算法,改进Prewitt算法计算量小,获取的边缘线条细节更加完整清晰.

基于邻域分割的空谱联合稀疏表示高光谱图像分类技术研究

传统的高光谱遥感影像分类算法侧重于光谱信息的应用。随着高光谱遥感影像的空间分辨率的增加,高光谱影像中相同类别的地物在空间分布上呈现聚类特性,将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是,高光谱影像的高分辨率提供空间聚类特性的同时,在不同地物边缘处表现出的差异性更加明显,若不对空间邻域像素进行甄选,直接将邻域光谱信息引入,设计空谱联合稀疏表示进行图像分割,则分类误差较大,收敛速度大大降低。将光谱角引入空谱联合稀疏表示图像分类理论中,提出了一种基于邻域分割的空谱联合稀疏表示分类算法。该算法利用光谱角计算相邻像素的空间相似度,剥离相似度较低的邻域像素,将相似度高的邻域像素定义为同类地物,引入空谱联合稀疏表示模型中,采用子联合空间追踪算子和联合正交匹配追踪算子对其优化求解,以最小重构误差为准则进行分类。选取AVIRIS及ROSIS典型光谱影像数据进行实验仿真,从中可以看出,随着光谱角分割阈值的提高,复杂的高光谱影像分类精度和平滑区域的高光谱影像分类精度均逐步提高,表明邻域分割在空谱联合稀疏表示分类中的必要性。

融合小波变换与改进PCNN的图像增强算法研究

为了解决方向对纹理图像细节增强的限制问题,提出一种融合小波变换与改进脉冲耦合神经网络(PCNN)的图像增强算法。该算法首先对图像进行二维离散小波变换,提取图像的高频分量图。然后将图像像素的局部梯度值作为链接强度系数,在动态阈值函数中加入侧抑制信号来改进脉冲耦合神经网络;并用改进的脉冲耦合神经网络对高频分量图进行增强。最后使用中值滤波对小波重构后的图像进行非线性平滑,实现纹理图像细节的增强。实验结果表明,该算法能够有效地减少图像细节增强时方向的限制。增强后,纹理图像的细节更加丰富,整体对比度也有一定的提高。

二元光学透镜在长焦距宽谱段光学系统中的应用

分析了二级光谱的成因以及消二级光谱的条件。介绍了二元光学器件的阿贝数和相对色散与普通光学玻璃的差别。并将二元光学面刻画在透镜的表面,在校正系统初级像差的同时,实现了系统的复消色差。该系统结构简单、质量轻,可用于小型长焦距望远系统中。

非制冷热成像长波红外两档变焦光学系统

与红外连续变焦光学系统相比,红外两档变焦光学系统具有结构简单、装调容易、透射比高等优点。研究了红外两档变焦光学系统的设计方法并给出了具体设计实例,该系统采用轴向移动式变焦方式,设计结果表明,在-20℃～40℃的温度范围内,空间频率14 lp/mm处,宽视场和窄视场都具有良好的成像质量。

约束最大相关系数的高光谱影像目标探测研究

高光谱遥感影像具有高的空间分辨率和连续的光谱信息,在目标探测领域具有独特的优势。基于高光谱影像的目标探测技术是遥感理论与应用的重要领域之一。本文从统计学中的相关系数的概念出发,提出了基于约束最大相关系数的高光谱影像目标探测算法。利用高光谱影像的线性混合模型,在真实图像中添加目标光谱,获得不同含量的亚像素目标及大目标,利用实验室高光谱成像仪对大目标进行推扫成像获取真实大目标高光谱影像。对仿真图像与真实图像进行约束能量最小化算子和约束最大相关系数算子进行对比,实验结果表明,基于约束最大相关系数的高光谱影像目标探测算法在探测大目标中具有更稳健的探测性能。

一种新型稀疏孔径结构的研究

提出了一种由九个孔径组成的稀疏孔径结构。给出了该孔径结构的光瞳函数,并分析了其孔径结构的特点。具体对不同填充因子时的新结构进行了仿真,得出了新型稀疏孔径结构的调制传递函数的分布特点,以及系统的等效直径和调制传递函数的变化情况。对新型稀疏孔径结构与三臂结构进行了比较和分析,新结构的传递函数分布比较均匀,对频域有较大的覆盖面积,系统的等效直径较大。新结构在等效直径和调制传递函数的均匀性方面优于所比较的三臂稀疏孔径结构,新结构在成像性能方面具有一定的优势。

融合方向测度和灰度共生矩阵的纹理特征提取算法研究

为了解决提取图像纹理特征时所遇到的纹理方向抑制问题,提出一种融合方向测度和灰度共生矩阵的纹理特征提取算法。该算法通过灰度共生矩阵,提取图像的Haralick特征,其中包括对比度、相关性、能量、逆差矩等,然后利用方向测度引入权值因子,并将其与所提取的Haralick特征相融合,最后对融合后的各个分量进行高斯归一化处理,获取最终的纹理特征集。实验结果表明,与采用灰度共生矩阵方法相比,该算法可以有效的避免图像纹理方向的抑制,所提取的纹理特征具有更强的图像识别能力,对Brodatz标准纹理库分类的正确率也有一定的提高。

基于Gabor滤波器族的地震图像增强算法

为在增强地震剖面图像时获取纹线的构造及层序信息,提出一种基于地震剖面图像纹线方向的地震图像增强算法。根据地震剖面纹线的方向性,设计一个Gabor滤波器族,用其对低频分量图进行滤波去噪。利用小波变换与Gabor滤波器族各自的优点,实现地震剖面图像纹线的增强,提高整体运算效率。仿真结果表明,该算法对地震剖面图像处理后,均方误差与峰值信噪比均有明显的改善。

基于YOLOv5s的社交媒体平台火灾图像检测方法研究

在城市火灾发生时,社交媒体平台上的火灾现场照片对于火灾应急响应人员和决策者来说具有非常高的价值,可使决策者的决策制定更加高效,分配救援资源更加合理.然而,因社交媒体平台上图片数量巨大且伴随着大量与火灾现场不相关的火焰图片,所以需要采用一种方法对不相关图片进行筛选,且要保证速度与精确度。为此,文中提出了一种基于YOLOv5s网络构建对社交媒体平台图片实时筛选分类的方法,首先,通过对社交媒体平台上的火灾图像进行爬取,并对爬取到的3000张火灾图像数据集进行标注并构建数据集;然后,使用四种不同深度与宽度的YOLOv5s网络模型进行训练和测试;最后,对四种模型进行了比较和分析。实验结果表明,使用YOLOv5s模型训练效果整体优于其他三种模型,通过数据集测试网络模型能达到98.9%的精确率和92.1%的召回率以及96.9%的平均精度,检测每张图片的时间为0.009 s,很好地满足了实时筛选分类的要求。

自适应的Haar型LBP纹理特征提取算法研究

在提取纹理图像的Haar型LBP特征中,人为设定的判断阈值主观性强、局部性差,导致提取的纹理细节和边缘模糊、纹理图像的局部性易被忽略。为此,提出了一种自适应的Haar型LBP纹理特征提取算法。该算法在二值化Haar型特征时引入高斯加权矩阵,以此获得客观、符合纹理图像局部特征的自适应判断阈值和Haar型LBP特征。实验结果表明,该算法能够有效地避免人为设定阈值对纹理特征的影响,可以准确地描述图像的纹理特征,Brodatz标准纹理库分类的正确率也得到了进一步的提高。

采用非制冷红外探测器的折衍混合物镜设计

针对长波320×240元非制冷焦平面阵列探测器，设计了折射／衍射混合大相对孔径红外镜头，工作波段8～12舯，焦距为90mm，F数为1，视场为10°．系统为三片式结构：利用二元光学元件具有大的负向色散特性，在第4面引入衍射面，有效地消除了色差，简化了系统结构并减轻了质量，并用ZEMAX光学设计软件进行了像质评价．结果表明，系统成像质量良好，各项指标均满足使用要求．

基于电阻抗谱的猪、牛肉新鲜度快速无损评价

为了对肉品的新鲜度进行快速无损评价,研究一种基于电阻抗谱的肉品新鲜度评价方法,采用环形表面电极对4种肉品进行测定,对获得的电阻抗谱进行方差分析。结果表明:相位参数可以用于肉品新鲜度评价;对4种肉品进行新鲜度分类实验,猪里脊肉的分类整体准确率为91.1%,猪五花肉为86.7%,牛里脊肉为88.9%,牛腩为87.8%;肉品在发生明显腐败之后,电阻抗谱的4个参数突然变大,导致电阻抗谱与肉品新鲜度之间的线性关系消失。

电阻抗扫描成像病灶信息提取算法研究

为了提高电阻抗扫描成像在检查乳腺疾病中的性能,提出一种基于静电散射模型的乳腺病灶信息提取方法。基于一个放置于初始均匀电场中的电导率常数为σ1、半径为a的球体作为乳腺癌的模型,经过一系列的公式推导,给出一个提取乳腺癌病灶参数的方法。基于边界元方法对该模型进行了数值仿真。仿真结果表明,该模型可以有效地提取乳腺癌病灶的参数信息。