基于Freeman全极化分解的干雪识别指数模型构建

为了更好利用极化特征进行较准确的干雪识别,提出了一种面向干雪识别的合成孔径雷达(synthetic aperture radar,SAR)指数模型。以新疆玛纳斯河流域为研究区,选择干雪期Radarast-2全极化SAR数据进行Freeman极化分解,获取该时期的极化特征,并分析积雪覆盖区、非积雪覆盖区极化特征差异及极化特征的变化规律;在此基础上,提出一种新的面向干雪识别的指数模型,并进行Ostu阈值分割,识别干雪范围,并与最小距离、马氏距离、最大似然等监督分类方法的干雪识别结果进行对比分析。研究结果表明:基于Freeman极化分解构建的干雪识别指数模型,其总体分类精度达到85.83%,通过非监督的方式能够识别干雪覆盖范围。

Freeman四方向链码压缩率提高的方法研究

文中通过大量的实验,在研究现有的基于Freeman方向链码的方法的基础上,对提高Freeman四方向链码压缩率的方法进行了深入的研究。从改变码值含义定义并对码值进行Huffman编码,进而对出现频率最高的码值进行计算编码等不同角度,进行大量的实验、比较与分析。提出了一个Freeman四方向链码新方法:计算编码不等长相对四方向Freeman链码———AVRF4。实验结果表明,其链码压缩率比Freeman八方向链码提高了26%,而比原始Freeman四方向链码提高了15%。

基于Freeman散射熵和各向异性度的极化SAR影像分类算法研究

极化SAR影像中阴影、水体和裸露的耕地3种地物类型有非常相似的极化散射特性,常规基于非相干分解的分类方法难以将其有效地区分。对此,本文引入基于Freeman分解的散射熵Hf和各向异性度Af两个特征参数,并将其用于极化SAR影像分类。首先利用Hf和Af参数将阴影和水体提取出来,然后将其他地物按散射机制分为3大类,并对每一类再次利用Hf和Af参数进行细分,最后通过基于Wishart分布的聚类和迭代分类,得到最终的分类结果。通过利用Radarsat-2在河南登封获取的全极化SAR数据进行试验,表明该算法执行效率高,能够有效地区分阴影、水体和裸露的耕地,并且对其他地物类型也有很好的分类效果。

Freeman链码描述的曲线匹配方法

针对普通曲线匹配算法不能处理旋转和缩放曲线的不足,提出Freeman链码描述的曲线匹配方法。该方法为Freeman链码设计一种基于差别累加值及链码差的拐角点快速检测算法,能够快速地检测出曲线拐角点;通过计算曲线起点和曲线方向,得到不随曲线旋转、平移和尺度变化的标准拐角点序列;根据拐角点的长度序列和夹角序列进行相似判断实现曲线匹配。Freeman链码描述的曲线匹配方法不受曲线旋转和缩放的影响,计算量小,易于实现,仿真实验证明该算法合理有效。

改进的Freeman链码在边缘跟踪及直线提取中的应用研究

针对传统链码用于边缘跟踪过程中易产生边缘断裂,提出一种改进的Freeman链码用于边缘跟踪及直线提取。该算法在链码跟踪过程中,记录链码起点,优先跟踪位于边缘方向上的点。对当前点,先进行基于Freeman链码八邻域内跟踪,在八邻域内没有边缘点的情况下,再进行八邻域外链码跟踪。然后对跟踪后得到的边缘链码进行分裂提取直线链码。实验结果表明,该算法不仅能有效提取直线,而且能提取曲线边缘,并且保持完好的边缘连续性,避免后续直线合并。

基于改进Freeman链码的柑橘簇生区域数量判别方法

水果簇生区域的数量判别是图像处理技术的难点。提出了一种改进的Freeman链码,即在Freeman8邻域链码的基础上插入了3个新的链码元素"S"、"8"和"9"。识别过程中,首先获得水果簇生区域二值图像的改进Freeman 8邻域链码,然后计数链码中"8"出现的次数,再根据研究对象的轮廓特性,计算出簇生区域的数量。利用该方法对柑橘树数字图像中簇生区域的柑橘数量进行了判别,实验结果表明,该方法对2～5簇生判别效果良好,效率高,其中2、3簇生识别正确率为100%。

一种有效的基于Freeman链码的拐角检测法

拐角检测在模式识别和机器视觉中有重要作用。本文提出了一种有效的用于检测和确定拐角位置的方法，它能显著地改善现有拐角检测法的性能。该算法基于Ｆｒｅｅｍａｎ链码，它包括三个步骤：（１）排除掉在一条直线上的非拐角点，同时提取出必是拐角的点。（２）估算剩下可疑点的曲率，把曲率大于一阈值的点做为可能的拐角点。（３）挑出每组临近可能拐角点中曲率最大的点为真实拐角点，将其它曲率较小的可能拐角点作为伪拐角点排除掉。实验结果表明本文提出的方法优于现有的拐角检测法，它能准确地检测出同被测对象相一致的拐角点。另外，该方法的处理速度也比现有的拐角检测法快。

基于Freeman链码的圆识别方法

在研究圆的Freeman链码性质并得出圆的Freeman链码与其对称链码的关系后,提出了一种基于Freeman链码性质的圆识别方法,通过圆的Freeman链码与其对称链码的相似度和奇偶码值出现的次数对圆进行识别。实验结果表明,该方法识别准确、效率高。

边界追踪及Freeman码在定量金相中的应用

根据不同情况 ,对多相合金中的颗粒状第二相进行二值化、颗粒分割、孔洞填充以及滤波等一种或多种图像预处理 ,得到离散的多目标黑白二值图像 .为了统计分析多个颗粒 ,提出了多目标边界追踪算法 ,利用八连通边界追踪得到的每个颗粒的唯一标志点及其边界的Freeman码 ,由此可以获得体积分数、周长、面积、形状因子、平均自由程等第二相的特征参数 .实验结果表明 ,在完成要求的预处理工作之后 。

基于Freeman分解的植被参数反演新方法

基于极化Freeman分解的极化协方差矩阵参数,极化干涉SAR互协方差矩阵可简化建模为植被高度、消光系数和地面干涉相位的函数。基于此,该文建立了以极化干涉SAR互协方差矩阵估算值与互协方差矩阵观测值之差为目标函数、以3个植被参数为未知量的优化模型,提出了基于Freeman分解的植被参数反演新方法。该方法避免了三阶段植被参数估计方法所面临的体相关系数确定问题,提供了一种独立于三阶段植被参数估计的新思路。仿真结果验证了新方法的有效性。

Freeman链码角点和面积比角点检测的比较研究

针对Freeman链码角点检测方法和面积比角点检测方法进行比较研究,并提出了一种改进的面积比角点检测方法,该方法在角点检测效果不变的情况下提高了角点检测的实时性。最后给出了计算机仿真研究,研究结果验证了改进算法的有效性。

基于一般散射模型的Hybrid Freeman/Eigenvalue分解算法(英文)

提出了一种新的基于一般散射模型的hybrid Freeman/eigenvalue分解算法,用于分析极化合成孔径雷达(PolS AR)数据。文中,单位矩阵作为体散射模型,相干矩阵的两个较大特征值对应的特征向量作为表面散射模型和二次散射模型,并且不需要反射对称条件。新算法有三个优点:第一,表面散射和二次散射不需要反射对称条件,更符合一般散射体的建模;第二,因为散射能量是相干矩阵特征值的线性组合,所以散射能量具有旋转不变性;第三,表面散射能量和二次散射能量避免了负值现象。在San Francisco地区的AIRSAR数据上进行了实验,证明了新算法的有效性。

基于Freeman链码的花生果嘴和果腰图像识别及其DUS性状定量分析

为实现花生荚果果嘴和果腰的自动识别,以及评价图像处理方法量化花生特异性(distinctness)、一致性(uniformity)和稳定性测试(stability)(简称DUS)性状的技术适用性,该文提出了基于Freeman编码的花生果嘴和果腰识别方法以及花生荚果DUS测试性状量化方法。首先提取荚果图像边界轮廓并进行Freeman编码,接着采用近似曲率法和局部曲率最大法确定内拐角点,然后采用位置判断法定位果嘴和果腰位置,最后对荚果缢缩程度、果嘴明显程度和荚果长度3个DUS性状进行量化。对600个花生样本的测试结果表明,该文提出的方法对果嘴和果腰的识别正确率分别为93.1%和95.5%,较其他角点检测算法在时间和准确率方面都有很大优势。同时能够有效地对相关DUS性状(荚果缢缩程度、果嘴明显程度和荚果长度)进行量化,对荚果缢缩程度和果嘴明显程度的分级准确率分别为92.4%和91.7%。图像处理具有高效、客观、低成本采集和量化花生荚果外观形状的能力,为花生外观性状的自动采集和测量提供了研究基础和依据。

一种新的基于非反射对称非负特征值分解的Freeman分解

该文首次推导出了在非反射对称情况下非负特征值分解(NNED)的分析解法,即非反射对称NNED;并将其应用于Freeman分解,提出了一种基于非反射对称NNED的Freeman分解。在Freeman分解中,非反射对称NNED用于提取体散射功率,并用于调整体散射、二面角散射以及表面散射功率以确保余项协方差矩阵没有负特征值。相比于基于反射对称NNED的Freeman分解,所提的分解方法有效地利用了在反射对称条件下被假定为0的非对角线元素,能保证余项协方差矩阵没有负特征值,实测极化SAR数据实验表明,所提的分解方法能显著地加强城区的二面角散射功率并且减少城区的体散射功率。

基于Freeman链码的汉字图像轮廓曲线拐角点检测方法

拐角点检测在模式识别和机器视觉中有重要作用。本文应用基于Freeman链码的一种检测和确定图像轮廓曲线拐角点位置的方法,提取出汉字轮廓图像的拐角点作为特征点用于图像配准中。首先提取出汉字图像的轮廓曲线,然后利用Freeman链码给轮廓曲线编码,根据判断准则,提取出必是拐角点的点与可疑拐角点,最后估算可疑拐角点的曲率,挑出每组临近可能拐角点中曲率最大的点为真实拐角点。实验结果表明本文应用的方法能准确地检测出同被测对象相一致的拐角点,给出了实验数据与过程。

一种自适应的混合Freeman/Eigenvalue极化分解模型

全极化SAR数据的极化分解在土地利用分类、目标检测与识别以及地表参数反演等领域得到了广泛应用。目前,主要有基于特征值分解和基于模型分解2类极化分解方法。混合Freeman/Eigenvalue极化分解结合了两者的优势,避免了基于模型的极化分解中负功率问题并且能够利用已知的散射机制解释分解后的散射分量。为了进一步拓展该分解在不同地表类型中的应用,通过引入参数Neumann一般化体散射模型,提出了一种自适应的极化分解模型。利用德国Black Forest地区的L波段AirSAR(airborne synthetic aperture Radar)全极化数据进行实验,并与现有的Yamaguchi三分量模型和自适应非负分解(adaptive nonnegative eigenvalue decomposition,ANNED)对比分析,以验证模型的有效性。研究表明,自适应的混合Freeman/Eigenvalue极化分解模型保证了分解能量的非负性及完全分解,适应于不同类型的地表,能有效地区分不同地类。

基于Freeman链码的图像中多个区域面积的计算方法

在进行图像处理时,经常需要求图像中的多个区域的面积。对同时求取一幅图像中多个区域的面积的方法进行了研究。首先利用Freeman链码方式对目标区域求取边界链码,然后基于边界链码及制定的上边界和下边界的判定规则表,求取各区域的面积。该方法具有简单快速的特点。

基于改进Freeman-Newell模型的机械产品概念设计过程研究

在引入行为信息的基础上,对Freeman—Newell模型进行了改进,建立了基于功能和行为的载体认知模型,描述了设计过程中单元求解过程;基于该载体认知模型构造了概念设计过程模型一概念空间;采用布尔矢量/矩阵对概念空间中设计元素之间的关系进行了描述,使之便于计算机的表达和操作,在此基础上,给出了概念设计过程的形式化描述。最后以工业平缝机为例对所述模型和方法进行了说明。

Freeman链码压缩算法的研究

文中提出一种新的链码编码方法 .在链码中的每个码是根据它与其前一个码之间的前进方向角度差来进行编码的 .统计结果表明 ,这样编码的每个码值的出现概率是很不同的 .角度差小的码值出现概率较大 ,而角度差大的码值出现概率较小 .这样结合霍夫曼 (Huffman)编码方法就可实现链码的压缩 .新链码与现有链码进行了比较 .比较结果显示新链码具有最小的平均码长 1.97位 /码 .

一种基于Freeman差分码的双目立体匹配算法研究

分析了双目视觉中立体匹配的难点问题及关键要素,提出了一种基于Freeman链码表示的多特征(包括点、直线及曲线)边缘匹配算法,并对其中具体的原理进行了探讨.