一种基于多波地震的多尺度属性融合

相比于多波地震数据采集和处理方法,多波地震数据解释方法进展较慢,难以体现多波地震技术的优越性。常规地震属性提取与分析多基于纵波地震资料,并未综合利用储层纵、横波信息。为此,提出了一种多尺度属性融合技术,以增强多波复合属性的油气敏感性。对于实际二维地震剖面,首先,构造一个高斯金字塔,以生成不同分辨率的各种复合属性;其次,融合不同尺度的所有属性形成有效的多尺度增强属性;再次,借鉴图像叠加理论,将不同的多尺度增强属性混合叠加,可有效突出储层发育区域,且保留了各种属性间的差异,能更好地描述砂体的含油气性。模型试算表明,对于含油气砂岩与围岩差异较小的复杂二维模型,依据RGB的多波地震融合属性能够检测储层,并可识别反射界面位置。实际数据试算表明,所提方法能分辨靶区河道砂体的储层分布。

具有局部自适应阈值的SIFT快速图像匹配算法

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。

结合Gaussian分布和LK光流法的视频对象分割算法

为了提高视频对象分割的性能,在传统光流法的基础上,提出了一种改进算法.该算法首先对序列图像中的帧进行预处理,平滑序列图像;然后用Gaussian金字塔降低图像的分辨率,使运动对象的速度降低;再使用结合Gaussian分布的LK光流法进行分割,得到运动对象;最后使用帧相"与"运算做进一步的分割.实验结果表明:该算法减少了运算时间,能更精确地分割出运动对象,取得较好的效果.

改进的U-Net在建筑物变化检测中的应用

变化检测是对地观测应用中的一项重要任务。然而现有的基于深度学习的变化检测方法在高分遥感图像建筑物变化检测任务中仍存在变化对象和背景之间分界模糊、小变化目标漏检等问题。针对这些问题,提出了一种基于高斯差分金字塔和注意力特征传递的遥感图像建筑物变化检测方法。该方法采用编码器解码器结构,在编码阶段使用高斯差分金字塔获取双时相遥感图像多尺度边缘特征信息,融合不同尺度下的边缘特征信息,增强图像边缘特征表达能力。在解码部分引入注意力特征传递机制,将高层语义信息与低层建筑物细节有效融合,以捕获特征中的显著信息、抑制无效特征信息,提升小变化目标的检测能力。该方法在公开的LEVIR-CD、WHU-CD数据集上进行训练和测试。实验结果表明,相比于其他同类方法,改进方法在对不同尺度建筑物目标的变化检测中展现了良好的适应性,在保证较低算力消耗的基础上,精确率、召回率、F1和Kappa值方面均有较大提升。

一种针对抖动无人机视频的运动目标检测算法

针对悬浮无人机在运动目标检测中易受抖动影响,导致大量背景噪声的问题,提出一种多尺度的EA-KDE背景差分算法(MEA-KDE)。该算法首先对图像序列进行多尺度分解,以获取多尺度的图像序列。然后,在进行检测之前,通过考虑面积阈值和当前图像帧,计算并更新检测的分割阈值,引入当前图像帧信息。其次,对不同尺度的图像帧采用高低双分割阈值进行背景差分运算,以提高检测的鲁棒性。最后,通过对各尺度的检测结果采用一种自顶向下的融合策略进行融合,以在保留目标的清晰轮廓同时消除噪声。此外,提出的一种边界扩展融合后处理算法有助于减轻检测断裂引起的目标破碎现象。实验结果表明,所提算法能够有效抑制抖动导致的背景噪声。在2个真实拍摄的无人机数据集上,分别获得了0.951和0.952的平均F1分数,相较于原算法分别提高了0.144和0.276。

基于多重先验的无监督学习红外图像增强算法

随着红外成像技术的广泛应用,人们对红外成像质量的要求不断提高。由于红外传感成像原理的限制,红外图像普遍存在对比度不高、缺乏细节纹理等问题。与此同时,常用的传统红外图像增强算法在提升图像对比度的同时容易引入较高的噪声,导致增强效果有限。因此,本文提出一种基于高斯-拉普拉斯金字塔、CLAHE、原始图像等多重先验知识的无监督红外图像增强算法,并通过实验与各种经典先验方法进行了对比。实验证明,本算法效果相较于传统算法有较为明显的提升,可以完全自适应地实现对比度拉伸、去除噪声等红外图像增强操作,并且对目标检测等下游任务带来了显著的精度提升。

基于改进VariFocalNet的微小目标检测

针对航拍场景中包含的目标尺寸小、有效特征信息少的问题,提出一种基于改进的变焦网络VFNet(VariFocalNet)的航拍场景中微小目标检测算法。首先,为增强微小目标的特征表征能力,采用特征提取性能更好的循环层聚合网络(RLANet)代替ResNet作为主干网络;其次,为解决特征金字塔自顶向下融合时顶层特征信息丢失问题,引入特征增强模块(FEM);然后,为解决现有标签分配方法在微小目标标签分配上的样本分布不平衡问题,改进的VFNet采用了基于高斯感受野的标签分配方法;最后,为减小微小目标对位置偏移的敏感性,引入一种边界框回归损失函数Wasserstein损失测量预测边界框高斯分布和真值框高斯分布的相似性。在AI-TOD数据集上的实验结果表明:改进后的VFNet算法的平均精度均值(mAP)达到了14.9%;与改进前的算法相比,在航拍场景下的微小目标上的检测mAP提高了4.7个百分点。

一种图像特征点匹配算法——Haar-Gaussian&NICD算法

提出了一种基于哈尔小波分解变换和高斯尺度空间的图像特征点匹配算法。首先利用哈尔小波变换对基础图像进行3层行列分解,然后利用高斯函数卷积核对这些分解图像,进行尺度变换。提出了一个小波高斯金字塔塔林的概念,即对通过小波变换产生的多张不同分辨率的基础图像分别进行高斯尺度变换进而产生一个个独立的高斯金字塔,进而产生独立的高斯差分金字塔林,完成特征点检测。再引进规范化强对比度描述子对特征点进行描述。结果表明:Haar-Gaussia&NICD算法的效果和SIFT算法相当,特征点数量优于SIFT算法,在局部特征匹配方面要更有优势;而且和NICD描述子搭配使用,在运行速度方面要比SIFT算法更快。

基于SIFT改进的无人机图像匹配算法

针对无人机图像匹配时间较长的问题,提出了一种基于SIFT改进的无人机图像匹配算法。引入了FAST算法检测角点,它能快速通过比较中心像素点和一定领域内像元的灰度值以判断是否为角点,从而提高算法的速度。同时,为了弥补FAST算法在高斯差分金字塔上搜索的不足,使用了基于Ostu和GA的图像分割算法对图像进行分割,对分割图像构建高斯金字塔,在高斯金字塔上进行特征点搜索。实验结果表明,与传统的SIFT算法相比,改进算法提高了无人机图像匹配的速率和正确率。

改进ViBe算法及其在运动船舶目标检测中的应用

为了抑制ViBe算法在海面动态背景视频下“鬼影”区域对船舶运动目标检测的影响,提高监控视频中船舶运动目标识别的准确率,提出一种改进的ViBe算法。首先,背景模型用连续帧初始化,以减少“鬼影”的影响;然后,使用自适应阈值和闪烁级别来减少海面杂波,同时采用像素点对比消除“鬼影”,提取运动目标前景,获取完整的运动目标区域。最后,对输入视频进行高斯金字塔多尺度分解,并采用改进的ViBe算法检测低分辨率视频中的移动船舶,完整提取了海上移动船舶。实验结果表明,所改进的算法消除了“鬼影”区域,减少了海面杂波的干扰,检测率为92.5%,单帧视频图像检测时间控制在97 ms以内,可准确、快速地检测和提取海面船舶运动目标。

基于面部边缘细节的局部遮挡人脸图像识别

为解决人物面部遮挡情况下识别人脸信息不清楚的缺陷,优化人脸识别系统,提出了基于面部边缘细节的局部遮挡人脸图像识别方法。依据稀疏性表达对人脸图像去噪,根据图像灰度变换原理检测人脸图像边缘,分割边缘区域,计算其阈值以得到人脸图像边缘信息。标记人脸特征点增强信息识别精度,提取人脸图像的特征描述子,并将其输入支持向量机模型中,通过训练实现局部遮挡人脸图像识别。实验结果表明,该方法应用于人脸图像识别平均识别率高于73%,识别时间低于20 s。

基于动态规划拉普拉斯超声图像融合算法研究

目的探究基于动态规划拉普拉斯超声(Ultrasound,US)图像融合算法图像辅助放疗靶区勾画的效果。方法基于动态规划思想获取US待融合图像重叠区域内邻域像素点相似度最高而色值差异最小的缝合线掩码权重图像,利用5层高斯金字塔进行多分辨率融合。提出一种基于动态规划下最佳缝合线拉普拉斯金字塔融合,通过在图像的重叠区域寻找最佳接缝来消除动态融合场景中的鬼影和重影。比较不同US图像融合方法的融合效果,同时比较全视图US和拼接US图像所描绘的膀胱区域与CT图像中的膀胱区域,验证本研究提出的融合算法应用于放疗中辅助CT勾画靶区的可行性。结果本文提出的基于动态规划最佳缝合线结合拉普拉斯金字塔融合算法显示了良好的性能,可从不同尺度将图像典型特征进行分解,并将图像细节信息保留到不同的塔型分解层上,还原US图像拼接区域的真实信息。全视图US和拼接US图像与CT比较,在x轴和y轴方向上的平均勾画误差差异均无统计学意义(P>0.05)。结论基于动态规划的最佳缝合线拉普拉斯算法获得了最佳的融合效果,能够最大程度保留图像的细节信息,且拼接US能够辅助CT完成靶区勾画。

图像金字塔模型应用研究综述

对近年来图像金字塔相关算法和应用的研究进展进行了详细调研,对比分析了常见的图像金字塔模型的典型算法和应用,包括图像融合和分割、图像增强、遥感图像物体检测和识别。重点总结了高斯金字塔和拉普拉斯金字塔的典型应用,包括无人机图像捕获、车辆及车牌识别等方面。最后对图像金字塔未来的研究方向进行展望。

基于改进Itti显著模型的织物疵点实时检测

为克服人工疵点检测存在精度差、效率低、易疲劳等问题,研发了基于改进Itti显著模型的织物疵点实时检测系统。首先设计了专用的织物传动和退绕系统,实现对布卷的精确传递,采用不同光源和多台工业相机拍摄实现织物的实时采集;然后通过基于改进的Itti显著性模型对图像进行快速检测,利用下采样构建图像金字塔,并对金字塔图像进行中央周边差操作,获得织物亮度特征;接着对各尺度金字塔图像进行不同方向Gabor滤波边缘检测获得织物方向特征,归一化亮度与方向特征获得织物疵点显著图;最后通过自定义阈值对显著图进行分割。实验结果表明:本文系统能有效检测出白坯布、牛仔布含有的油污、断经、破洞、纬缩等常见织物疵点,疵点检测正检率为93%,实时检测速度最高达48 m/min,能满足实时检测需求。

基于高斯金字塔的运动目标检测

针对自然环境下运动目标检测背景动态变化问题,提出一种新的基于高斯金字塔模型的背景差分算法。首先将图像序列进行多尺度分解,得到不同分辨率下的当前帧和背景帧;然后,在不同分辨率下采用高低双阈值进行背景差分运算,得到双阈值产生的2帧前景图像,阈值根据环境自动获取;最后,将各层差分图像自顶向下融合检测感兴趣的运动目标,并在HSV空间中去除阴影。背景模型的初始化和更新方法基于2种假设:一是背景点出现的概率较大;二是距离当前帧越近的点越能真实地描述背景。研究结果表明:该算法能有效地应用于动态背景环境下,可以克服光照变化及阴影的影响。多个标准图像序列的测试证明了该算法具有较高的准确性、鲁棒性和自适应性,时间复杂度低,可以运用于实时检测系统中。

模式图像的特征提取与配准方法

目的提高产品包装模式图像的匹配速度和准确性,得出算法中影响这两方面的关键因素。方法运用高斯金字塔对原始图像进行向下采样,将图像转换为尺度空间的表示方式;利用加速稳健特征(SURF)方法提取特征点,并对SURF方法提取的特征点用Brute-Force算法进行匹配;通过对每组匹配点欧式距离的排序,剔除误匹配点,仅保留一定数量的正确匹配点对。结果得出高斯金字塔、Hessian值、颜色空间对计算速度及获取特征点数量的影响。颜色空间的改变不影响特征点数量,在计算时间上的差别也可忽略。尺度空间缩小1/2时,计算速度能够提升75%,同时剔除2/3的冗余特征点。结论文中方法能够有效提升特征提取速度,并且具有匹配精度高、鲁棒性强的特点,同时对旋转角度的变化具有较强的适应性。

基于图像金字塔的分维融合算法

数据融合是进行目标检测和识别的重要技术之一,但是在融合过程中不可避免地会产生信息损失。如何保留尽可能多的有用信息,关键在于融合算法的选取。由于图像金字塔中不同级的图像之间具有自相似性,而自相似性又是分形分维的基础。于是,根据图像金字塔的特点,提出了一种新的图像融合方法———基于图像金字塔的分维融合算法,将不同源图像分别分解成不同尺度的金字塔图像序列,在相应的尺度上以分形分维作为权系数进行融合,并采用中波红外和长波红外图像作为源图像进行融合实验, 实验结果表明该方法是可行的。

高分辨率多光谱遥感图像的自动配准

当前高分辨率多光谱遥感图像自动配准的主要困难,在于图像特征提取的自动化程度不足,计算速度较慢。针对不同传感器和不同时空分辨率的高分辨率多光谱遥感图像,改进点特征的提取方法,获得较高精度和较快速度。首先构建三维高斯差分尺度空间,由低层获得粗匹配点,在空间上向高层索引特征点。然后,通过逐层搜索获得精匹配点。在各层中,通过特征点方向描述子的空间增强,提高特征点的质量和数量。最后,综合多光谱遥感图像的可见光和近红外等波段的同名点集,获得亚像素级的匹配点。试验了环境星、TM、GEOEYE、无人机遥感图像等高分辨率遥感图像,对改进算法结果进行了较全面的对比分析。

基于高斯金字塔的图像运动估计算法

运动估计是图像超分辨率重建中的关键环节,直接影响超分辨重建的结果质量。为减少运动估计搜索点数,提高搜索速度,提出一种基于高斯金字塔分层思想的小十字形搜索算法。算法把图像构建成一个两层高斯金字塔,在上层使用小十字形搜索算法估计初始运动矢量,并通过提前终止策略来提前结束搜索;在下层以上层估计结果作为初始值,估计最终图像运动矢量。在标准图像序列上进行的实验结果表明,该算法在保持搜索精度的前提下能明显提高搜索速度;特别对于在运动偏差较大的情况下,提高效果更显著。

不产生精度截断及数据膨胀的图像金字塔

图像金字塔是处理和分析数字图像的重要工具。以图像金字塔为研究对象,旨在减小图像金字塔的存储量,同时解决恢复数据时的精度截断问题。从同一思想出发,提出了两种新的金字塔结构:类均值金字塔与类高斯金字塔;它们都是通过对子像素的简单运算来求得父像素,而这种运算不存在精度截断问题,也不需要额外的比特来保存小数。由于从父像素能够反推出它的子像素之一,所以,在存储金字塔时可以舍弃这部分子像素,从而使所需存储的像素数仅与原始图像相同。对精度、存储量以及构建速度的理论分析与实验结果表明,该金字塔结构具有优良的总体性能。