结合双树复小波变换和改进密度峰值快速搜索聚类的乳腺MR图像分割

针对乳腺MR图像组织复杂、灰度不均匀、难分割的特点,本文提出双树复小波(DTCWT)变换结合密度聚类的图像分割方法.首先利用复小波域双变量模型结合各向异性扩散函数对图像进行去噪处理;进而通过简单线性迭代聚类(SLIC)算法将图像划分成一定数量的超像素区域,根据事先设置的阈值搜索每个超像素的近邻,从而降低基于K近邻的密度峰值快速搜索聚类(KNN-DPC)算法寻找每个样本近邻的时间;最终,引入超像素区域的近邻信息度量样本密度,采用KNN-DPC算法的分配策略自适应聚类.仿真和临床数据分割结果表明,所提算法能有效的实现乳腺MR图像的分割.

基于FastICA算法的高光谱矿物丰度反演

高光谱分离是定性与定量岩矿分析的核心基础。仿真数据和测量数据可通过FastICA算法处理,计算混合像元中端元数量及端元光谱,并根据计算结果进行丰度反演。实验结果表明:FastICA算法即使在端元光谱、混合矩阵未知且没有任何先验知识的情况下,也能有效分离岩矿高光谱混合像元并得到端元的估计光谱,从而实现矿物识别和矿物丰度反演;但当混合像元中参与混合的端元光谱相似度较高或端元光谱的非高斯性较低时,混合像元的分离精度将降低,混合像元的分离精度越高,端元丰度反演结果越准确。

基于超混沌的快速图像加密算法

针对现有基于超混沌的图像加密算法存在安全性不足和运行效率低的缺点,提出了一种改进算法。该算法通过优化像素置乱、像素替换和密文扩散过程进一步混淆明文图像和密文图像的关系,并通过引入新的超混沌序列量化方法,减少超混沌系统的迭代次数,提高运行效率。实验仿真结果表明,算法具有很高的安全性和实用性,可广泛运用于图像保密通信等领域。

基于优化ICA算法的高光谱矿物识别

混合像元是影响岩矿高光谱由定性解译向定量反演发展的关键因素之一.以往分离岩矿高光谱混合像元,需要先获得参与混合的端元数量及端元光谱,这在许多场合是难以做到的.独立成分分析可以在端元光谱、混合矩阵未知且没有任何先验知识的情况下,有效分离岩矿高光谱混合像元,只要端元光谱是非高斯性信号且满足统计独立性.它实现了矿物识别,并为矿物丰度反演及成分识别打下了基础.通过引入调整因子,改善独立成分分析(Independent Component Analysis,ICA)算法的收敛性.当参与混合的端元光谱相似度较高或者端元光谱的非高斯性较低时,岩矿高光谱混合像元的分离精度将受到影响.

面向混合像元分解的光谱维小波特征提取

根据线性混合模型的特点,探讨面向混合像元分解的光谱特征提取与选择,提出以小波低频系数为特征的混合像元分解方法.高光谱像元矢量进行离散二进小波变换后,提取光谱特征影像,再基于特征影像估计出混合像元的组分,并用AVIRIS合成影像验证该分解方法.实验结果表明,良好的光谱特征能够较大地提高遥感混合像元的分解精度,比原始波段分解的精度提高约23%.

基于复合超混沌系统且与明文相关联的图像加密

为了提高加密系统的抗攻击能力和加密安全性,分析了现有图像加密的方法,提出一种改进的图像加密方法。对Clifford超混沌系统和Logistic混沌系统进行嵌套组合,产生了具有更好特性的Cli-Log混沌系统,用于图像的位置置乱;在Chua超混沌系统的龙格库塔解法中插入参数,生成混沌序列与图像像素值进行异或操作,实现加密。该加密算法不但生成随机性较好的序列,而且增大了密钥空间,最重要的是这些插入的参数来自于前面用于置乱的混沌序列,实现了密文反馈。计算机仿真结果表明,该加密算法具有良好的加密效果,克服了大量加密算法只与混沌系统及密钥有关而与明文无关的缺点,使加密安全性进一步提高。

基于机器视觉的齿形结构齿顶圆检测方法

齿形结构作为传动装置的关键零部件,齿顶圆的精确检测是后续装配的重要依据。在齿顶圆的视觉测量中,传统图像处理方法检测精度较低,齿形结构倾角过大时轮齿存在遮挡导致算法的鲁棒性差。针对上述问题,现提出基于机器视觉的齿形结构齿顶圆检测方法。首先基于自适应阈值的曲率尺度空间(CSS)技术对轮齿进行亚像素角点检测,其次采用超最小二乘法拟合齿顶椭圆,最后通过补偿准偏心误差优化椭圆参数。实验结果表明,该方法不仅可以提取包含全部轮齿图像的齿顶圆,对于轮齿存在遮挡的图像也能进行高精度检测,同时能够补偿透镜畸变产生的椭圆准偏心误差,齿顶圆圆心测量精度为0.056 mm,法向量测量精度为0.068°,满足齿形结构视觉测量要求。

基于二维超混沌与三维混沌复合的图像加密算法

针对单混沌系统、低维混沌系统加密算法存在安全缺陷的问题,提出了一种二维超混沌与三维混沌复合的图像加密算法。首先通过迭代产生Kawakami超混沌序列,用来进行像素置换;再通过明文像素值控制吕系统的初始条件和迭代参数以生成吕混沌序列,用于像素替换和扩散。算法中将明文像素值之和跟单个像素值关联到混沌系统的初始值和预迭代次数的产生,加强了明密文关系的复杂性,增大了密钥空间。实验表明,该算法加密效率高,只需两轮加密就可实现较好的加密效果,且有较好的抗攻击能力。

一种利用高光谱像元分解技术提取水体边界的方法

针对水体边界混合像元导致的精度损失问题,提出了一种基于高光谱混合像元分解的水体边界提取方法。该方法结合高光谱影像水体边界混合像元特有的光谱特征,削弱诸多因素对水体边界像元识别的影响,获取水体边界混合像元,降低了混合像元分解的计算量。通过混合像元的高精度分解及水体边界像元分割,进一步逼近水体的真实边界,能显著提高水体边界界定的精度。试验结果表明:用该方法进行水体提取,精度明显优于水体指数法,略优于支持向量机法,总体精度为93.86%,Kappa系数为0.87。

一种融合双聚类算法的高分辨率遥感影像分割方法

针对高分辨率遥感影像分割易受噪声干扰问题,提出一种简单线性迭代聚类与区域动态约束聚类相融合的双聚类算法。该法首先利用简单线性迭代聚类产生超像元,然后运用区域动态约束聚类算法对超像元进行聚类合并,结合聚类生成的方差和、局部方差和局部方差变化率,确定合理分割数,最终完成影像分割。实验表明,本文提出的影像分割方法抗噪声干扰能力较强,且分割结果精度较高,未出现欠分割和过分割现象,Kappa系数高达0.8312,OCE值低至0.4185,属于一种稳健的遥感影像分割方法。

纯净像元指数改进的N-FINDR高光谱端元提取算法

为了有效解决遥感影像中普遍存在的混合像元导致遥感影像定量解译精度低的问题,对两种不同混合像元端元提取算法进行了比较分析。纯净像元指数算法随着迭代次数的增加时间效率大大降低,而经典的N-FINDR算法初始端元数目选择的任意性会导致像元解混的精度不一,因此本文提出了一种基于纯净像元指数改进的N-FINDR算法。改进的N-FINDR算法相较于传统的N-FINDR算法能够准确构建候选端元集合并求得最优解。该算法结合高光谱影像数据的特点,首先利用纯净像元指数求取备选端元数目;然后以此为基础运用经典的N-FINDR算法求解最大的单形体顶点,将求解后顶点作为纯净像元,并完成丰度反演;最后使用ENVI产品中自带的经过大气校正的航空高光谱数据cup95eff.int对算法进行验证。试验结果表明,以纯净像元指数改进的N-FINDR算法在整体精度方面优于传统的N-FINDR算法。

基于独立分量分析的高光谱遥感图像混合像元盲分解

高光谱遥感图像中各端元的分布不是相互独立的,传统基于独立分量分析的分解方法,只能先提取混合像元中的端元,后解混丰度,具有较高的统计不变性,盲分解效果差。基于此在独立分量分析方法中添加丰度非负约束和丰度和为一约束条件,使该方法能降低传统方法的统计不变性,通过变换主成分中心化处理原始高光谱遥感图像数据,降低波段数据之间存在的相关性;采用牛顿迭代法多次分解迭代高光谱遥感图像数据获取多个解混矩阵,通过正交化投影求解多个解混矩阵,初始化处理多个解混矩阵后,对其进行归一化处理,当临近两个矩阵值之差绝对值无限趋于零时,能获取最佳解混矩阵,采用该矩阵同步分解高光谱遥感图像混合图像的端元光谱矩阵和丰度向量,完成高光谱遥感图像混合像元的盲分解。经过实验分析发现在信噪比为15dB时,该方法分解高光谱遥感图像端元均方根误差和平均光谱角距离误差,最小值分别是0.07%和0.02%,且误差变化幅度小,即该方法分解效果较好。

超混沌系统的函数投影同步在图像加密中的应用

针对加密灰度图像安全级别低的问题,提出基于超混沌系统及其状态观测器实现函数投影同步的混沌时间序列,应用加取模像素扩散算法对灰度图像进行加密和解密.首先,利用超混沌系统的状态输出向量,构造其状态观测器系统,根据控制理论方法,给出超混沌系统及其状态观测器实现函数投影同步的充分条件;然后,基于函数投影同步的混沌时间序列,利用加取模像素扩散算法得到灰度图像的加密图像和解密图像.理论分析和数值仿真表明,构造的状态观测器系统是正确的,得出的函数投影同步的充分条件是有效的,密文图像分布与均匀分布没有显著差异.同时算法对密钥具有高度敏感性,有很强的抵御攻击的能力和精准的解密效果.

中心像素加权的无锚框孪生网络跟踪器

为解决SiamRPN++超参数多,对相似背景干扰的判别性不强等问题,提出一种中心像素加权的无锚框孪生网络跟踪器(CPW-Siam)。引入无锚框回归方式,直接在像素点上预测目标框,避免超参数过多的影响;对像素点进行更精确的样本划分,使正样本像素点包含的背景更少,提升特征判别能力;通过中心加权采样,体现正样本像素点不同的关注度,使跟踪器能够做出更精确预测。在VOT2018数据集上的实验结果表明,CPW-Siam的EAO相较SiamRPN++提高了4.5个百分点。

高光谱遥感影像SVM分类中训练样本选择的研究

支持向量机(SVM)分类的关键是发现分类最优超平面及类别间隔,而混合像元比纯净像元更接近类别边界,更容易找出最优超平面。本文针对SVM分类器的特点,在高光谱数据分类中采用混合像元作为训练样本对SVM进行训练,试验表明采用类别边界上的混合像元作为训练样本是可行的,能够获得与纯净训练样本接近的分类精度,进一步验证了SVM分类对训练样本空间分布依赖度较低的特点。

高灵敏度APS CMOS图像传感器光谱探测技术研究

主动像元型(APS)互补金属氧化物半导体(CMOS)图像传感器的成像性能已经接近电荷耦合器件(CCD)的成像性能,在光谱成像领域有很好的应用前景。讨论了CMOS器件用于光谱探测的若干问题,建立了光谱成像系统的噪声模型并进行了实际噪声测试,分析了基于CMOS探测器的成像光谱仪的灵敏度水平;结合CMOS器件的结构和特性给出了图像的校正方法。搭建了包括光学、电子学的完整光谱成像系统,进行了光谱成像试验,验证了灵敏度分析和光谱校正方法。结果表明,CMOS探测器可以满足高光谱成像的灵敏度要求,可用于高光谱探测。

基于偏振植被指数的植被-土壤混合像元室内实验研究

混合像元是遥感影像中普遍存在的一种现象,对其组成和各成分比例的反演一直是遥感研究中的重难点,而国内利用偏振植被指数对混合像元的研究几乎没有涉及。本次研究通过对不同面积比例的植被-土壤混合像元偏振反射高光谱特征进行分析,讨论不同条件下的植被-土壤混合像元偏振高光谱特性,并利用偏振反射比计算了12种0°偏振态下的偏振植被指数,分别构建了植被指数与植被面积比例以及光谱特征参数与植被面积比例的数学模型。结果表明,混合像元中植被面积比例和偏振角均对其偏振高光谱有一定的影响;865 nm的偏振反射比与植被占像元面积比例的相关性最好,采用多项式进行拟合时,其决定系数达到0.99,适合进行植被占像元面积比例的反演;偏振光谱"红边"处的一阶微分值与植被像元比例存在良好的线性相关,R2=0.974;植被面积比例与植被指数和光谱特征参数呈现良好的相关关系,其中P-DVI和光谱吸收指数(SAI)与植被面积比例的拟合效果最好,决定系数分别为0.99以及0.94,适合进行植被-土壤混合像元中植被面积比例的反演。

多体制遥感卫星成像数据高精度处理新方法

光学和SAR等对地观测卫星需要经过成像、辐射/几何校正等处理和不断的时序积累,才能为计算机解译提供精度高、稳定性好、时间持续的数据和特征。传统中低分辨率对地观测卫星通常基于地理网格内地物目标电磁波散射特性简化为理想点目标的假设,进行逐像素处理。然而,高分宽幅、大斜视、多通道等新体制卫星的工作模式更加复杂,其数据处理对星地全链路各环节产生的误差非常敏感,对成像参数标定或估计的精度提出了更高要求,此时基于理想点目标假设来进行参数估计、成像及校正处理的方式已难以满足处理精度要求。并且,近年来多体制卫星组网式协同和融合应用的新发展,也使得当前的理想点目标假设难以表征和建模多源多时相数据特征。为此,本文提出了多体制遥感卫星成像数据高精度处理的新方法,首先创新提出了“超像素”的概念和表征理论框架,建立了基于超像素的精确成像模型,然后通过挖掘超像素稳定特征并借鉴生成对抗学习机制,实现了星地全链路高耦合成像参数的高精度估计和持续精化,有效提升了多体制遥感卫星成像数据产品的精度,为计算机解译提供了好的数据产品输入。