基于可控高斯核的色织物疵点检测方法

针对复杂色织物背景与疵点对比度不明显而导致疵点难以检测的问题,提出了一种基于局部可控高斯核的织物疵点检测方法。该方法将输入的RGB色织物图像转换到CIEL*a*b颜色空间,分别在L、A和B颜色通道下,提取各个通道下的图像梯度特征进行奇异值分解,以构造具有结构自适应的调制因子。利用获得的调制因子调制高斯核函数的形状和大小,提取每个像素局部邻域内的可控高斯核特征构成特征矩阵,以表征色织物图像的局部结构。利用矩阵余弦相似性度量核特征矩阵之间的相似性,建立织物疵点的映射图。实验结果表明,提出的疵点检测方法能有效表征色织物的奇异性结构,相比于其他方法,该方法对不同纹理类型的色织物疵点具有较好的检测性能。

虹湾地区月面撞击坑自动提取

撞击坑作为一种重要的特征,应用于行星探测活动中。在嫦娥工程二期中,月球虹湾地区撞击坑的位置信息,能够为嫦娥3号的降落任务提供必要数据支持,为准确识别位置信息,提出了一种撞击坑自动提取的方法,通过计算模板图像和目标图像的局部可控核函数进而提取特征,根据余弦相似性矩阵确定目标图像中撞击坑的位置。改进方法不需要训练过程,且具有较强的抗噪性。实验采用嫦娥二号获取的虹湾地区的两幅影像进行测试,验证了算法的有效性;并且在对加入噪声的图像进行了处理,算法仍获得了较好的识别效果,准确地提取可分辨的撞击坑,为嫦娥3号的安全降落提供可靠的数据。

基于几何字典学习和耦合约束的超分辨率重建

传统的基于稀疏表示的超分辨率重建算法对所有图像块,应用单一冗余字典表示而不能反映不同几何结构类型图像块间的区别。针对这一问题,本文探索图像局部几何结构特性,提出一种基于结构特性聚类的几何字典学习和耦合约束的超分辨率重建方法。该方法首先对训练样本图像块进行几何特性聚类,然后应用K-SVD算法为每个聚类块联合训练得到高低分辨率字典。此外,在重建过程中引入局部可控核回归和非局部相似性耦合约束,以提高重建图像质量。实验结果表明,与单一字典超分辨率算法相比,本文方法重建图像边缘和细节部分明显改善,评价参数较大提高。