SAR图像质量评测实验教学平台的开发与应用

将合成孔径雷达(SAR)图像质量评测融入实验教学中,构建了SAR图像质量评测实验教学平台。该实验平台由系统设置、数据加载、系统参数输入、图像显示和图像指标计算5个软件模块组成,可以直观地显示图像质量评测过程,获得准确的评测结果,同时加深学生对SAR图像质量指标以及评估流程和方法的理解和掌握。实验要求学生开发实现SAR成像处理等功能的Matlab GUI(Graphics User Interface,图形操作界面)程序,将输出的SAR图像等文件加载到评测平台生成评测报告,从而便于教师评判学生所编制的成像处理程序的质量。

深度学习驱动的水下图像处理研究进展

随着人工智能和水下设备的发展,水下机器人能够便捷地获取水下图像。水下图像对于海洋的探索和开发等活动至关重要,但由于水下成像环境十分复杂,导致获取到的水下图像成像质量较低,具有低对比度、模糊和颜色失真等退化问题,难以满足水下生产活动的要求。近年来,基于深度学习的水下图像处理方法和质量评价指标发展迅速,受到诸多学者的关注。目前已有基于深度学习的水下图像处理方法的综述,但仍存在总结不够全面及缺少最新研究成果等问题。因此,文中首先分析水下图像退化成因并提出所需处理的问题,根据各类算法的原理特点将水下图像处理方法进行分类;其次,详细分析和归纳了基于深度学习的水下图像处理最新研究成果,总结出各类算法的主要特征;然后,详细整理了现有的公开水下图像数据集和当前主流以及最新的基于学习的水下图像质量评测指标,并通过设计实验将传统算法和基于深度学习的水下图像处理方法进行对比分析;最后,分析总结了一些水下图像处理领域尚未解决的问题,并对未来的发展方向进行展望。

夜间图像去雾研究综述与展望

夜间图像去雾技术是图像处理和计算机视觉领域的研究热点,对航空航天、自动驾驶、交通监控等领域具有十分重要的意义。综合了近年来夜间图像去雾技术的国内外研究工作,分别从基于物理模型的传统方法和基于深度学习的方法两方面对近年来提出的典型方法进行归纳和总结,详细阐述了现有方法的优势和不足,并对一些典型的夜间去雾方法分别从主观评价和客观评价两方面进行了比较和分析。最后,展望了夜间图像去雾技术的未来研究方向,并给出了一些建议。

图像去雾的无参考客观质量评测方法

针对图像去雾过程中经常出现的Halo效应,色调偏移等问题,提出一种去雾增强图像质量客观评价方法。采用Canny算子和亮通道检测去雾图像的有效边缘强度,使用直方图相似性度量去雾图像的色彩还原能力;使用反射图像的结构信息评价去雾图像的结构保持能力。最后综合有效边缘强度,色彩还原能力和结构信息3个方面对去雾图像的质量进行客观评测。实验结果表明,这种针对去雾前后图像视觉差异的评价模型,能够有效地对各类去雾算法进行比较与评价,与主观评价结果基本一致。

基于两级分割的胎儿四腔心超声切面质量评测

目的为解决基于深度学习算法在执行胎儿四腔心超声切面图像质量评测时无法准确反映心脏区域中瓣膜与房室间隔及心室心房区域的可见程度问题,提出一种目标检测与两级分割相结合的胎儿四腔心超声切面图像质量评测方法。方法首先利用自行构建的胎儿超声切面数据集训练主流的YOLOv5x(you only look once v5x)模型,实现四腔心区域与胸腔区域的有效定位。当检测到四腔心区域在胸腔区域内时,将其视为感兴趣区域送入训练好的U2-Net模型,进一步分割出包含心房室及瓣膜的部分。然后利用形态学算子去除其外围可能存在的少许心脏外膜区域得到四腔心内区域后,通过直方图修正与最大类间方差法(OTSU)相结合的方法分割出瓣膜连同房室间隔区域,并通过减法操作得到心室心房区域的分割图。最后通过联合胎儿四腔心超声切面图像中瓣膜连同房室间隔与心室心房区域的面积之比、瓣膜与房室间隔区域以及心室心房区域的平均灰度构建评分公式与评分标准,实现胎儿四腔心超声切面图像质量的有效评测。结果在胸腔和四腔心区域的检测任务上的mAP@0.5、mAP@0.5-0.95和召回率分别为99.5%、84.6%和99.9%;在四腔心内部区域分割任务上的灵敏度、特异度和准确度分别为95.0%、95.1%和94.9%;所提质量评测方法在所构建的A、B、C三类评测数据集上分别取得了93.7%、90.3%和99.1%的准确率。结论所提方法的评测结果与医生主观评测结果相近,具有较好的可解释性,拥有良好的实际应用价值。

高清道口监控系统中的视频编码方案选择

在公安视频监控的实战中,传统的高清数字视频编码方案及其在数据传输与存储方面均面临严峻的挑战,本中根据视频监控系统的应用需求入手,专门设计了一套兼容两种视频图像压缩标准的编码系统,通过比对视频压缩效率与图像画面质量的方式,兼顾存储与传输性能,选定不同编码格式下视频的帧率与压缩码率,从而在满足高质量实时监控与录像查看业务需求的同时,尽可能地节省网络与存储资源。文中所提出的方案在实际的视频监控系统中得以运用,获得了良好的效果。