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.

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。

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。

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。

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。

基于小波变换和K-means的非结构化道路检测

道路检测是智能交通视觉系统的一个重要组成部分,为提高复杂环境下非结构化道路检测的实时性、准确性和鲁棒性,提出一种新的道路检测方法。该方法利用高斯金字塔对图像进行降采样,压缩图像数据信息,对图像进行双边滤波,抑制噪声,采用基于小波变换求模极大值的方法对滤波后的图像提取边缘,通过阈值法去除非道路边缘点,给出基于斜率和截距的K-means聚类算法,实现道路方程拟合。实验结果表明,与传统最小二乘法相比,该方法能在道路场景较为复杂的情况下更准确地实现非结构化道路检测,并提高实时性。

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。

基于近似高斯金字塔的视觉注意模型快速算法

利用输入图像的近似高斯金字塔,将经典的基于显著性的视觉注意模型改造为时空开销更小的版本,从而使其更加适合在嵌入式实时系统中实现.首先采用矩形窗口近似圆形窗口,矩形平均算子近似高斯卷积核;然后采用"先做行累加,再做列累加"的方法来实现矩形平均算子,并直接采样计算出各个特征通道的显著性分布图,该算法关于输入图像像素点个数具有线性时间复杂度;最后,还给出了在显著性分布图中抑制已提取区域显著性的快速算法.在Berkeley分割图像库上的实验结果表明,该方法极大地减小了系统实现的时空开销,且输出结果的误差在可接受范围内.提出的用矩形窗口近似圆形窗口,用矩形平均算子近似高斯卷积核的方法,还适用于其他需要在嵌入式实时系统中实现的图像处理问题.

基于FAST和SURF的遥感图像自动配准方法

提出了基于加速分割检测特征(features from accelerated segment test,FAST)和加速鲁棒性特征(speeded-uprobust features,SURF)的遥感图像自动配准方法。首先对参考图像与待配准图像进行HSI变换和高斯金字塔建立;然后检测并提取FAST角点,计算各角点的SURF描述子,用K-D树匹配搜索策略得到2幅图像的匹配点对;再使用最小二乘迭代法剔除错误匹配点并拟合几何变换系数;最后执行几何变换,得到配准后的图像。将该方法分别与基于SURF自动配准方法和ENVI软件中自动获取配准点的方法进行对比实验,结果表明,利用该方法能够获得更多的匹配点对,具有更高的几何配准精度,但在尺度不变性方面略逊于SURF算法。

基于高斯金字塔的海量超大图像快速漫游算法

针对敦煌壁画海量超大数字图像显示时打开速度慢、刷新困难等问题,提出了一种基于高斯金字塔分块分层数据组织算法。该算法在不损害图像的情况下,可以对图像中任意一块区域进行快速显示和浏览。实验表明,该算法能够实现海量超大数字图像的实时漫游,并且具有最佳分辨率及较高的平稳性。

基于视觉定位的牧场奶牛自动跟踪定位系统研究

机器视觉已经成为现代畜牧业中的一个重要应用技术,这主要是得益于近年来图像处理技术的快速发展以及计算机的硬件成本不断下降和其运算速度的飞速提升。随着近几年具有高科技的大型奶牛养殖基地的不断兴起,基于机器视觉的奶牛自动定位系统成为新的研究课题。为了解决在牧场中对特定奶牛的定位跟踪问题,笔者提出采用视觉机器人,而视觉定位系统是整个机器人系统的核心和关键。本研究利用高斯金字塔LK光流法实现对奶牛的目标定位及运动跟踪,对传统算法的不足之处进行了总结分析,提出了改进的Harris特征点检测算法。结果表明:改进后的算法不仅在特征点提取效果方面有显著提高,同时具有处理速度快的优点,可为移动奶牛的准确定位做好准备。