GoogleEarth图像在测绘及地质工作中辅助应用浅谈

GoogleEarth图像除了有丰富的观赏价值之外,通过一定的技术手段,还可以使其具备更加广泛的实际用途。本文以GoogleEarth图像与大比尺地形图的套合为例,初步摸索了GoogleEarth图像的获取与处理方法,将其用于测绘及地质的辅助工作,发挥其应用价值。

GoogleEarth图像房屋信息提取的应用分析

GoogleEarth遥感图片易于获取,利用其提取房屋信息是一个值得探索的方向。通过三个应用探讨相关技术,对未来的研究提供借鉴。

基于GAN和多尺度空间注意力的多模态医学图像融合

针对多模态医学图像融合过程中多尺度特征和纹理细节信息丢失的问题,提出一种基于生成对抗网络和多尺度空间注意力机制的图像融合算法。首先,生成器采用自编码器结构,分别利用编码器和解码器对输入图像进行特征提取、融合和重建,生成融合图像;其次,整个对抗网络框架采用双鉴别器结构,使得生成器生成的融合图像同时保留多个模态图像的显著特征;最后,构建一种多尺度空间注意力机制作为编码器进行特征提取的基本模块,利用多尺度结构充分捕获并保留源图像的多尺度特征,并且引入空间注意力机制更好地保留源图像的结构和细节信息。哈佛大学全脑图谱数据库上的实验结果表明:所提算法生成的融合图像不仅纹理细节更为丰富,有助于人类视觉观察,而且在3种不同类型的医学图像融合任务上平均梯度、峰值信噪比、互信息、视觉信息保真度等客观评价指标的平均值分别达到0.3023、20.7207、1.4414、0.6498,与其他先进的算法相比具有一定的优势。

对抗性增强的图像块位平面拆分缩略图保留加密

随着个人图像数量日益增加,云服务开始在图像存储方面发挥重要作用.然而,将图像上传到云端将会面临隐私威胁.传统的加密方案对图像进行简单加密就可以保护图像隐私,但它牺牲了图像内容的可用性.近年来,缩略图保留加密(thumbnail preserving encryption,TPE)被提出,通过加密后保持缩略图不变使云中图像在不被非法第三方肉眼识别的同时能对用户具有可用性.但是现有的TPE方案没有考虑到机器学习对图像的隐私威胁.基于此,提出了一种新的TPE方案,该方案在加密过程中从对抗深度学习模型识别图像这一全新的角度出发,提高了保护图像隐私信息的能力.实验表明,所提出的方案能够在图像对用户具有可用性的同时抵抗人类肉眼和深度神经网络识别图像.

基于细节增强和多颜色空间学习的联合监督水下图像增强算法

由于水下特殊的成像环境,水下图像往往具有严重的色偏雾化等现象。因此文中根据水下光学成像模型设计了一种新的增强算法,即基于细节增强和多颜色空间学习的无监督水下图像增强算法(UUIE-DEMCSL)。该算法设计了一种基于多颜色空间的增强网络,将输入转换为多个颜色空间(HSV、RGB、LAB)进行特征提取,并将提取到的特征融合,使得网络能学习到更多的图像特征信息,从而对输入图像进行更为精确的增强。最后,UUIE-DEMCSL根据水下光学成像模型和联合监督学习框架进行设计,使其更适合水下图像增强任务的应用场景。在不同数据集上大量的实验结果表明,文中提出的UUIE-DEMCSL算法能生成视觉质量良好的水下增强图像,且各项指标具有显著的优势。

基于双目立体视觉的多分辨率图像匹配方法研究

在双目立体视觉系统中,面对复杂场景时噪声会损害图像特征,增加提取难度,导致匹配精度和鲁棒性下降。因此,文中提出基于双目立体视觉的多分辨率图像匹配方法,旨在从不同尺度图像中有效获取信息并实现高精度匹配。该方法利用双目立体视觉模型的双目旋转相机扫描目标并进行成像,根据内、外空间标定提升双目旋转相机的位置精度,保证目标的多分辨率成像效果;将其输入金字塔立体匹配网络中,通过网络中的类金字塔多空洞卷积操作提取双目图像特征,在此基础上,基于可变卷积增强其纹理特征细节;结合细粒度特征和互注意力机制完成双目图像匹配。测试结果显示,空间标定后,左、右两个相机的成像误差最小值分别为0.6 Pixel和0.4 Pixel;匹配点坐标偏差均值和坐标偏差方差值分别低于0.012和0.011,匹配效果良好。

光照不均匀条件下无人机航拍低照度图像增强方法

增强图像时高低频参数未增强,没有更好地保留图像的细节和平衡图像的亮度,因此,提出一种光照不均匀条件下无人机航拍低照度图像增强方法。首先通过高斯滤波预处理无人机航拍图像,实现无人机航拍图像中的噪声抑制,将预处理后的图像通过小波分解得到图像的高频参数和低频参数,分别通过双边滤波算法、软阈值方法和直方图对图像的低频参数和高频参数进行增强,采用小波重构对增强后的图像高频参数和低频参数进行重构,得到增强后的无人机航拍图像。通过实验验证,该方法能够实现一种效果较好的图像增强,在原始图像基础上,通过文中方法增强原始亮度8.14%、对比度提高了37.90%以及清晰度增加了31.01%,使得图像的整体质量得到了显著提升,为后续的图像分析、处理提供了更加准确、丰富的信息。

改进RRPN模型的遥感图像目标检测

针对遥感目标背景复杂、易受外界环境干扰,传统方法无法满足复杂场景下的检测高精度与实时性要求的问题,提出基于改进RRPN模型的遥感图像目标检测方法。首先,将特征金字塔(FPN)架构引入到了模型的残差网络中,使得遥感图像的高、低层特征得到了有效融合;其次,在特征提取网络中添加了通道和空间相融合的注意力机制(CBAM),提升了模型在遥感图像目标特征提取方面的跨通道和空间处理能力;此外,将剔除重叠建议框时的原始NMS算法优化为DIoUNMS算法,综合考虑遥感图像候选框之间的重叠度、距离、尺度大小等因素,使目标框的回归过程更加稳定。对比实验与消融实验显示,所提方法在公共数据集DOTA和HRSC2016上获得的平均精度均值mAP分别可高达77.30%、90.24%,较原始RRPN模型分别提高了8.29%、11.16%,且优于其他几种较新的经典模型,表明所提方法对于复杂环境下的遥感图像目标检测是合理且有效的。

光谱CT不同单能量图像在头部CT检查患者的应用及对比

目的探讨光谱CT不同单能量图像在头部CT检查患者的应用并进行效果对比。方法选取2023-06—2024-01因头晕、晕厥、头痛等临床症状就诊的98例患者,所有患者均接受光谱CT头部检查。根据CT检查方法分为单能量组(n=51)和混合能量组(n=47)。单能量组采用单能量图像(40~120keV),根据编入不同的管电压情况,以5 keV为间隔增量,重建为17组不同单能量图像,混合能量组采用常规混合能量图像。比较单能量组和混合能量组脑血管CT值(Willis环、大脑前动脉、大脑中动脉、大脑后动脉)、不同解剖平面下的噪声(胼胝体干部、四叠体池层面、鞍上池层面、垂体层面)、图像硬化伪影区域[CT值、标准差(SD)、信噪比(SNR)、噪声比(CNR)],以及不同单能量图像的图像硬化伪影区域参数。结果单能量组关于Willis环、大脑前动脉、大脑中动脉、大脑后动脉参数值均高于混合能量组(P<0.05)。单能量组关于胼胝体干部、四叠体池层面、鞍上池层面、垂体层面解剖平面下的噪声参数值均低于混合能量组(P<0.05)。单能量组关于硬化伪影区域CT值高于混合能量组,SD、SNR和CNR值低于混合能量组(P<0.05)。在40~120 keV单能量图像中,120 keV图像硬化伪影区域的CT值高于40 keV,SD、SNR、CNR参数值低于40 keV。结论光谱CT可提高头部CT检查患者图像脑血管CT值,降低图像噪声,尤以120 keV图像质量最佳。

局部对比度融合重加权的红外图像小目标检测

红外图像块小目标检测算法在数据链、预警、制导等领域有较为广泛的应用,如利用数据链可以将红外图像块小目标精确传送给雷达。为了在复杂背景条件下进一步提高红外小目标检测的效果,提出了一种重加权和局部先验融合的红外图像块(IPI)小目标检测算法。首先,采用加权Schatten p范数对背景图像块进行约束;其次,引入局部对比度先验信息和加权l_(1)范数抑制非目标稀疏点,进一步增强目标图像稀疏性,使算法模型性能进一步得到提升。仿真结果表明,所提算法在抑制背景杂波和精确检测目标方面均有较好的结果,优于现有经典算法。

基于图像处理技术的棚室番茄果实识别

我国番茄的产量居世界前列,种植的主要方式为棚室种植,大多采用人工采摘,成本高、效率低,不利于种植产业的发展。为此,提出了一种基于A-ENet模型的图像处理技术,用于棚室番茄果实的识别。A-ENet模型在EfficientNet运行时引入注意力机制,用于优化深度网络运算结果。EfficientNet通过调整、完善网络的宽度、深度等网络参数提升网络的识别准确率,同时在网络提取输入信号特征时引入注意力机制用于捕捉输入信号特征的权重信息,主动忽略环境因素对目标信号的干扰。A-ENet模型能够解决由于识别目标之间的细微差异产生的识别错误的问题,且能够减少随机环境因素对识别过程的干扰,提高识别成功率,对棚室番茄果实识别问题起到积极的影响作用。实验结果表明:所提出的基于图像处理技术的A-ENet模型能够构建出效率更高、鲁棒性更强的目标识别系统。

UMTransNet:结合U-Net和多尺度感知Transformer的图像拼接定位方法

当前基于深度学习的图像拼接定位方法大多只关注深层次特征,且感受野有限,忽略了浅层次特征,影响图像拼接定位的准确性。针对上述问题,文中提出一种结合改进U-Net和多尺度多视角Transformer的图像拼接定位网络UMTransNet。改进U-Net模型的编码器,将编码器中的最大池化层替换成卷积层,防止浅层次特征的流失;将多尺度多视角Transformer嵌入到U-Net的跳跃连接中,Transformer的输出特征与U-Net的上采样特征进行有效融合,实现深层次特征与浅层次特征的平衡,从而提高图像拼接定位的准确性。通过可视化检测结果图显示,所提方法在定位拼接篡改区域方面表现得更加出色。

基于图像处理和BP神经网络的森林防火无人机系统

对无人机设计方案、图像处理和火焰分割算法的技术原理进行了介绍,并利用BP神经网络对图像中的火焰面积变化率和火焰尖角等特征进行识别,实现了对森林火灾的快速监测。实验结果表明:系统的准确率为98.5%,比普通神经网络的84.5%更高;耗时仅22 s,比普通神经网络159 s缩短很多。这表明,BP神经网络是更可靠且更有效率的火灾识别方案。

基于残差U型网络与双判别网络的图像分割方法

生成对抗网络在图像领域应用十分广泛,但在细胞核图像分割领域中的应用研究相对较少。由于细胞核的精准分割对于病理诊断工作有极大帮助,故提出了基于残差U型网络与生成对抗网络的图像分割方法。该方法以ResUNet网络作为生成网络,Image GAN为双判别网络,训练过程使用双损失函数和冻结策略进行优化。改进后网络在PanNuke数据集上评价指标MioU、Dice、Acc分别为80%、93%、80%,相比ResUNet网络的实验结果分别提升了2.3%、1.7%、2.1%。实验结果证明,改进后网络对细胞核分割具有较好准确率,可作为病理诊断工作的重要依据。

改进YOLOv8n的无人机航拍图像检测算法

针对无人机航拍图像中目标小、尺度变化大和背景干扰等因素导致检测精度低、定位不准确的问题,提出一种改进YOLOv8n的无人机航拍图像目标检测算法。首先改进C2f模块,利用可变形卷积(DCN)替换其Bottleneck中的卷积以适应航拍图像中物体的形变和尺度变化,同时,在主干网络引入LSK注意力机制,实现动态调整空间感受野,从而在特征提取阶段更灵活地适应不同目标对背景信息需求的差异;然后改进颈部网络,增加一个较浅的检测层并移除大目标检测层,使网络能更有效地捕获小目标的特征以提升检测精度;最后引入WIoU损失函数,使模型更加关注低质量样本,得到更高的检测精度。在VisDrone2019数据集上进行对比实验和消融实验,mAP_(50)值较基线算法模型提升了5.2个百分点,参数量减少了20%,检测速度(FPS)达到87帧/s,能够满足实时性的检测需求。与主流算法进行对比实验,所提算法表现优于目前的主流算法。在DOTA数据集上进行泛化实验,mAP_(50)值提升了1.7个百分点,证明所提算法具有通用性。

改进暗通道原理下视觉图像光晕消除算法

在光晕区域附近进行光晕消除操作可能会降低图像的对比度、清晰度和细节。因此,需要开发有效的方法来恢复和增强光晕消除后的图像细节,以确保整体图像质量的提高,为此设计一种改进暗通道原理下视觉图像光晕消除算法。建立大气散射模型深度分析光晕产生条件,根据图像中的像素强度值计算成像环境中的透射率,按照大气光照的散射系数建立光照条件研究模型。在较高的像素颜色通道条件下,根据图像中高亮度和强反射部分搭建无光晕图像亮通道定义,聚类图像亮通道特征,利用快速双边滤波器细化透射率,建立光晕图像的成像模型。在改进暗通道原理的过程中通过调整多个计算参数,包括改变权重函数,设置光晕消除的恢复指令,完成对视觉图像的光晕消除处理。经过实验分析可以证明,所提方法具备良好的光晕消除性能,光晕消除效果较好。

一种针对SAR图像的舰船目标检测算法

由于环境复杂、舰船目标散焦和尺度的多样性,基于SAR图像的舰船目标检测仍然存在一些问题。提出了一种针对SAR图像的舰船目标检测算法。首先,基于可变形卷积构建舰船目标特征细化模块,提高对大长宽比姿态的舰船目标的特征提取能力;其次,在主干网络末尾引入了舰船空间金字塔聚合结构,增强对舰船目标的全局特征提取能力;最后,设计了尺度扩展特征金字塔网络,增强舰船浅层和深层特征信息的交互,提高对多尺度舰船目标的检测能力。实验结果表明,所提算法在HRSID数据集上的mAP达到了93.72%,F1分数达到了89.70%,优于所有比较算法,具有良好的检测效果。

基于颜色校正与改进的对比度增强的水下图像增强方法

针对水下介质分布不均匀引起的光吸收和散射导致图像颜色失真、对比度低、细节模糊,严重影响ORBSLAM2算法前端特征提取与匹配鲁棒性的问题,文中提出一种基于颜色校正与改进的自适应对比度增强的图像处理方法。首先,利用一种改进的颜色通道补偿和颜色通道拉伸方法去除色偏;其次,采用改进的自适应对比度增强方法提高图像的亮度与对比度;最后,将彩色校正图像与对比度增强图像在HSV空间中融合。此外,将提出的算法与一些其他算法进行主客观的评价,并将处理好的图片进行特征提取和匹配。结果表明,该算法处理的图片不仅在主客观评价上均优于对比算法,而且增加了特征点的匹配数量,为水下图像处理提供了借鉴。

如何向国际期刊提交未经裁剪的Western blot原始图像?

蛋白免疫印迹(western blot,WB)检测技术相对于ELISA和其他基于抗体的检测方案而言,更易于操作,并且可以提供有关蛋白质大小的信息,因而其广泛用于样本蛋白表达水平的定量检测。然而,随着WB技术应用的日渐普及,近来科学家们对提交给同行评审期刊的WB数据的重复性和可靠性产生了担忧。2014年,美国国立卫生研究院与《科学》和《自然》期刊以所发表科学数据的重复性和透明度为主题,携同其他出版商和科学家组织了一次会议。通过这次合作,制定出了一系列指南文件。会议聚焦的特定领域之一涉及基于图像的数据,如蛋白免疫印迹,并就此提出了许多改进建议。会议结束后,许多期刊针对WB数据制定了更严格的审查指南,修订了它们关于提交WB数据的说明。

如何向国际期刊提交未经裁剪的Western blot原始图像?

蛋白免疫印迹(western blot,WB)检测技术相对于ELISA和其他基于抗体的检测方案而言,更易于操作,并且可以提供有关蛋白质大小的信息,因而其广泛用于样本蛋白表达水平的定量检测。然而,随着WB技术应用的日渐普及,近来科学家们对提交给同行评审期刊的WB数据的重复性和可靠性产生了担忧。2014年,美国国立卫生研究院与《科学》和《自然》期刊以所发表科学数据的重复性和透明度为主题,携同其他出版商和科学家组织了一次会议。通过这次合作,制定出了一系列指南文件。会议聚焦的特定领域之一涉及基于图像的数据,如蛋白免疫印迹,并就此提出了许多改进建议。会议结束后,许多期刊针对WB数据制定了更严格的审查指南,修订了它们关于提交WB数据的说明。