基于EM和BIC的直方图拟合方法应用于遥感变化检测阈值确定

利用遥感图像进行变化检测时,确定"差异图像"上各变化类型的阈值非常关键。本文引入图像直方图拟合方法来确定变化阈值。首先通过基于变化向量分析方法,得到变化强度图像,然后假设该变化强度图像中的像元值符合混合高斯分布模型,利用期望最大(EM)算法和贝叶斯信息准则(BIC)求出最佳的混合高斯分布模型,拟合此时的图像直方图,最后利用贝叶斯判别准则确定出各变化类型的变化阈值。试验证明,这种方法是一种较为有效的自动确定变化阈值的方法。

基于直方图拟合的MRI图像水平集分割

利用混合高斯模型对MRI图像直方图进行分析,将拟合获得的特征参数作为水平集曲线进化的约束条件,对医学图像进行分割。分割中采用的自适应Level Set方法,能够自适应地确定曲线进化方向(扩张或收缩),而不必在分割之前指定其进化方向,减少了人工干预;同时也克服了传统测地活动轮廓线(GAC)方法对图像梯度信息的过分依赖,以及由于对图像进行大尺度高斯平滑处理造成边缘点移动、定位准确度下降的缺陷。分别对MRI仿真和真实图像进行了实验,MRI仿真实验的分割敏感性、专一性和总体性能指标分别达到了94.72%、97.52%和97.22%。分割结果的定量分析和定性分析表明算法的有效性以及较高的分割准确度。

侧扫声纳图像增益补偿判断模型建模方法研究

为解决复杂海洋环境导致的侧扫声纳图像亮度不均、对比度低等问题,基于侧扫声纳的工作原理,对声纳图像在外业实时控制和内业数据处理过程中常用的增益补偿方法进行了深入研究,提出了一种侧扫声纳图像增益补偿判断模型,依据此模型可以实现在数据采集时对图像增益做出自动判断并进行合理补偿,提高实时生成的图像质量。模型采用灰度直方图二次拟合的方法对图像增益进行判断,考虑到侧扫声纳拖鱼两侧可能出现回波强度不一致的情况,模型也提出了相应的判断方法。最后分别利用不同型号侧扫声纳系统的扫测结果进行验证,证明了该模型的普遍适用性,在实际应用中可以减少侧扫声纳系统对使用者的依赖。

基于YUV颜色空间的脸部区域特征点定位方法

为了实现面部主要特征点的精确定位,提出了一种融合YUV颜色空间与差分投影技术的人脸区域主要特征点定位方法。利用直方图拟合技术,实现了人脸区域的定位;在YUV颜色空间内,利用红色调像素点集的相位分布完成了嘴部区域的定位;利用差分投影技术求取脸部区域的横、纵向灰度差之和,并结合嘴唇区域的定位结果完成眼部区域的垂直定位与水平定位,为进行面部姿态识别奠定基础。试验结果表明,该方法可以有效地实现面部主要特征点地定位,具有准确率高,鲁棒性好,简单易行的特点。

分割太赫兹全息再现像的复合方法的比较

为实现太赫兹同轴全息再现图像识别,通常需要图像分割以提取图像特征。太赫兹同轴数字全息再现图像包含一定程度的噪声,影响分割质量。本文针对太赫兹同轴全息再现像特点采用了基于裁剪、镜像扩展、滤波和直方图多项式拟合的复合分割方法,用该方法分别对垫片和齿轮的2.52THz同轴全息真实再现像进行了处理,并分步与基本全局阈值法和大津法进行了比较分析,同时用马修斯相关系数进行了客观评价。实验结果表明,该复合方法可以得到较好的分割结果。

模糊神经网络高分辨率遥感影像监督分类

目的针对高分辨率带来的像素类属不确定性增大及各类属间相关性增强引起的影像分类问题,提出一种模糊神经网络高分辨遥感影像监督分类方法。方法提出的模型为包含输入层,隐含层(隶属函数层)及输出层的三层前向模糊神经网络,输入层用于接收来自训练样本的灰度值;隐含层每个神经元节点的模糊隶属函数为对各类别定义的高斯隶属函数模型,以实现对输入变量隶属程度的不确定表达;输出层的输入变量为隐含层各神经元节点输出变量的线性组合,激活函数为分段线性函数,该层实现输入变量隶属程度的相关性表达。以训练数据直方图作为期望输出,梯度下降法求解模型参数,最后按最大隶属度准则实现分类决策。结果利用本文算法和经典算法对合成影像进行实验,本文方法总体精度达到0.931,相对于高斯隶属函数方法总体精度提高了5.3%,相对于最大似然法提高了4.2%,相对于FCM方法提高了5.9%,对真实World View-2全色影像的实验中文中方法分割精度也高于传统方法。结论提出的模糊神经网络模型可以更加精确的拟合高分辨率遥感影像复杂的分布特征,有效处理高分辨率遥感影像的上述分类问题。

ECM算法的多视SAR影像分割

多视SAR影像像素强度通常建模为Gamma分布,其形状参数为常数(视数)。实验表明,多视SAR影像分割时,设Gamma分布的形状参数为变量可取得更好的分割结果。由于Gamma分布中形状参数以Gamma函数的形式出现,利用EM算法求解时无法获得形状参数的解析解。为此,本文提出了一种基于Expectation/Conditional Maxinnization(ECM)算法的多视SAR影像分割方法。利用ECM算法估计最大化后验概率条件下的Gamma分布参数及表征最优多视SAR影像分割的标号场实现。采用模拟和真实多视SAR影像验证提出算法。实验结果表明,Gamma分布的形状和尺度参数均能快速收敛到稳态值,且以此得到各同质区域的Gamma分布曲线可以很好地拟合其直方图。通过对分割结果的定性和定量分析,可知提出算法具有有效性和可行性,且优于EM算法。