遥感图像云检测方法综述

光学遥感图像中云层会对地面信息进行不同程度的遮挡,造成了地表观测信息的模糊和缺失,极大地影响遥感图像的成像质量。因此,对遥感图像中云层覆盖的检测和评估是进一步分析和利用遥感图像信息的基础和关键。通过充分的调研和对比总结,梳理了20世纪90年代以来,国内外基于遥感图像的云检测方法的发展趋势和代表性工作。将基于遥感图像的云检测方法分为三类:基于光谱阈值的方法、基于经典机器学习的方法以及基于深度学习的方法。总结了当前国内外云检测公开数据集,并对比了部分代表性工作的云检测精度。此外,简要梳理了与云检测相关的云雾(霾)检测、云雪检测、云阴影检测以及云去除等方法。对当前云检测相关工作中存在的问题和未来的发展趋势进行了分析和展望。

基于多模态图像融合的早期蕈样肉芽肿识别

早期蕈样肉芽肿(Mycosis fungoid,MF)可表现为红斑鳞屑性皮损,很难从银屑病及慢性湿疹等良性炎症性皮肤病中鉴别出来。本文提出了一种基于多模态图像融合的早期蕈样肉芽肿识别方法。该方法基于皮肤镜图像和临床图像,采用ResNet18网络提取单模态图像的特征;设计跨模态的注意力模块,实现两种模态图像的特征融合;并且设计自注意力模块提取融合特征中的关键信息,改善信息冗余,从而提高蕈样肉芽肿智能识别的准确度。实验结果表明,本文所提出的智能诊断模型优于对比算法。将本文模型应用于皮肤科医生的实际临床诊断,通过实验组医生和对照组医生平均诊断准确率的变化证实了本文模型能够有效提升临床诊断水平。

RX及其变种在高光谱图像中的异常检测

为了提高核RX算法在高光谱图像异常检测中的稳定性,将核矩阵正则化,并提出正则化的核RX算法(rkRX)。将规范化后的正则化RX算法和正则化的核RX算法融合改进,称为融合RX算法(mRX),该算法同时考虑了原始线性空间和高维特征空间的异常检测结果,使异常检测效果更加稳定。在仿真图像和真实高光谱图像的实验中,上述2种算法与原始的RX、正则化RX(rRX)和核RX(kRX)3种算法进行了比较,使用了双窗口技术和核主成分分析(KPCA)进行特征提取和基于高阶统计量的特征选择作为预处理来降低数据维数,并在未降维数据上比较上述5种算法。最后,使用ROC曲线评价检测效果,结果表明:提出的2种算法提高了检测效果并具有一定鲁棒性。

基于光谱特性的高光谱图像压缩方案

根据干涉型高光谱成像仪成像特点,提出了一种针对干涉型光谱仪所获得高光谱图像的基于光谱特性的图像压缩方案。由于光谱信息最终从“点”干涉图像中恢复,因此方案中首先通过高精度匹配技术将原始“像面”干涉图像序列“重组”成“点”干涉图像,然后针对“点”干涉图像序列进行压缩。在重组过程中采取基于光流的亚像素级匹配和基于梯度的三角插值算法,实现了高精度的图像匹配重组;在压缩环节利用“点”干涉图像与光谱信息之间的傅立叶变换关系,提出一种能够很好保持频谱特性的基于一维DCT的压缩算法。实验证明,压缩算法总体性能远高于针对“像面”干涉图序列的压缩算法,很好地控制了光谱信息的失真。

基于全自动显微镜的图像新技术研究

针对显微图像分析、识别需要的全自动控制显微镜,研究开发其相应的图像处理算法。提出了能量谱自动聚焦评价函数算法、自适应选取基准图的图像拼接算法、改进Laplacian算子的多层聚焦图像叠合算法等。该算法模块已成功地应用于所开发的CMIAS显微医学图像分析系统中,取得了满意的应用效果。

一种遥感图像建筑物检测新方法

遥感图像中的建筑物检测对于土地规划和地图绘制等具有重要意义。文章针对高分辨率全色遥感图像植被覆盖中隐蔽建筑物检测问题,提出了一种结合屋顶结构信息和纹理信息的快速房屋检测方法。首先利用屋顶边缘的几何关系寻找具有矩形屋顶的建筑物;然后使用形态学方法提取屋顶较亮的建筑物;最后利用局部二值模式(Local Binary Pattern,LBP)描述屋顶的纹理特征,并利用支持向量机(Support Vector Machine,SVM)排除误检区域。通过在全色遥感图像集上的试验证明,所提方法对高分辨率遥感图像植被覆盖区域中的建筑物目标具有较高检测率和较低误检率。

基于多特征提取的遥感图像机场目标自动检测

传统的遥感图像机场跑道自动目标检测由于仅提取灰度特征常产生过分割现象,本文采用灰度特征和纹理特征相结合的方法进一步提高跑道的检测精度。利用阈值对遥感图像进行初始分割,以定位感兴趣区域(ROI),再利用EM算法估计ROI区域训练样本,引入马尔可夫随机场(MRF)模型,分割机场跑道。实验表明MRF可以很好地描述空间连续性,可以达到精确检测机场跑道的目的。

皮肤镜图像散焦模糊与光照不均混叠时的无参考质量评价

皮肤镜图像的采集质量直接影响后续的分析诊断结果.针对皮肤镜图像在采集过程中可能出现的散焦模糊和光照不均两种类型的失真,提出了一种有效的无参考图像质量评价算法.通过频率特性分析我们发现,散焦模糊主要影响离散余弦变换(Discrete cosine transform,DCT)后的直流分量,而光照不均则主要影响第一交流分量.针对该特性,论文在频率域设计质量评价模型,首先将散焦模糊与光照不均两种失真成功分离,进而分别计算失真程度,给出评价指标.实验结果表明,本文提出的算法既可以对散焦模糊或光照不均单一失真类型的皮肤镜图像进行质量评价,也可以对两种失真类型同时存在的复杂皮肤图像进行评价,给出的评价结果稳定客观、互相独立,且与主观评价结果相一致.

基于Retinex的图像增强方法综述

Retinex作为一种源自人类视觉系统研究的颜色恒常性模型,在解决光照不均、色偏等方面都有非常广泛的应用。本文首先介绍了Retinex理论的来源与后续的发展。然后根据当前研究现状将Retinex模型分为路径模型、PDE(Partial differential equations)模型、变分模型和中央周边(Center-Surround)模型4种类型,并对每一种类型进行综述。最后介绍了Retinex在图像增强方面的典型应用,并总结4种Retinex模型的优劣,展望了Retinex的未来发展方向。

高光谱图像Pareto优化稀疏解混

高光谱解混是学术界的一个难题,稀疏高光谱解混指的是利用已知光谱库进行解混,旨在从先验光谱库中找到一些可以表征图像的数个纯光谱向量作为高光谱图像的端元,并利用这些端元求解相应的端元丰度,这是一个NP难的组合优化问题。目前多通过将L0范数凸松弛为L1范数进行稀疏解混,但该方法得到的仅仅是近似解。文中提出了一种基于Pareto优化的稀疏解混算法(Pareto SU),将稀疏解混问题转化为一个两目标优化问题,其中一个优化目标是建模误差,另一个目标是端元稀疏度。Pareto SU直接解决稀疏解混中的组合优化问题,不需要对L0范数进行近似。最后利用仿真数据验证了该解混算法的有效性。

图像超分辨重建算法综述

图像超分辨重建是一种提升图像分辨率的图像处理技术,而超分辨问题是一个难解的欠定问题,近些年来研究人员主要采用基于学习的方法,从大量数据中学习图像先验信息,以实现对解空间的约束。本文介绍了近20年来主流的图像超分辨重建算法,主要分为基于传统特征的方法和基于深度学习的方法。对于传统的超分辨重建算法,阐述了基于邻域嵌入的方法、基于稀疏表示的方法以及基于局部线性回归的方法。对于基于深度学习的超分辨重建算法,详细总结了网络模型结构设计、上采样方式、损失函数形式以及复杂条件下的算法设计4个方面。此外,本文简要分析了超分辨重建技术在视频超分辨、遥感图像超分辨以及在视觉高层任务方面的应用。最后,本文展望了图像超分辨重建技术的未来发展方向。

基于多项式拟合的皮肤镜图像光照不均去除

光照不均是皮肤镜图像中的常见失真,其严重影响了后续图像分割的准确性。本文提出一种基于多项式拟合的皮肤镜图像光照不均去除算法。论文首先将大津阈值与迭代Retinex算法结合,自动提取出背景像素;然后将这些背景像素代入多项式拟合模型,获得光照分量曲面;最后根据Retinex成像模型,得到光照不均去除的结果。实验结果表明,与对比方法相比,本文方法能够校正图像中的光照不均,提高后续图像分割的精度。

基于皮肤镜图像智能分析的早期蕈样肉芽肿诊断模型构建

目的比较基于皮肤镜图像的卷积神经网络(convolutional neural network,CNN)二分类模型在蕈样肉芽肿(mycosis fungoides,MF)与炎症性疾病鉴别诊断中的应用价值。方法回顾性纳入2016年1月至2020年12月北京协和医院皮肤科门诊确诊的早期MF患者和临床表现与之相似的炎症性皮肤病患者,并按4∶1的比例随机分为训练集和测试集。使用训练集患者的皮肤镜图像对6种经典网络结构利用迁移学习进行训练,以构建CNN二分类模型。同时,在测试集中随机挑选每例患者1幅图像,并结合皮损的临床图像,由13名皮肤科医师对疾病归类进行判读。比较CNN二分类模型与皮肤科医师对测试集病例早期MF与炎症性疾病鉴别诊断的性能,结果以曲线下面积(area under the curve,AUC)、灵敏度、特异度、Kappa值等表示,并采用受试者工作特征(receiver operating characteristic,ROC)曲线进行可视化分析。结果共纳入48例早期MF患者(皮肤镜图像402幅)和96例炎症性皮肤病患者(皮肤镜图像557幅),其中训练集117例(皮肤镜图像772幅),测试集27例(皮肤镜图像187幅)。测试集中,皮肤科医师鉴别诊断早期MF与炎症性皮肤病的灵敏度和特异度分别为70.19%(95%CI:59.68%~80.70%)和94.74%(95%CI:91.77%~97.71%),Kappa值为0.677(95%CI:0.566~0.789)。按图像分类时,CNN二分类模型对早期MF与炎症性皮肤病鉴别诊断的AUC为0.87(95%CI:0.84~0.89),灵敏度和特异度分别为75.02%(95%CI:70.19%~79.85%)和82.02%(95%CI:79.30%~84.87%),Kappa值为0.563(95%CI:0.507~0.620);按病例分类时,CNN二分类模型对早期MF与炎症性皮肤病鉴别诊断的AUC为0.97(95%CI:0.95~0.99),灵敏度和特异度分别为87.50%(95%CI:78.55%~96.45%)和93.85%(95%CI:88.93%~98.77%),Kappa值为0.920(95%CI:0.884~0.954)。ROC曲线显示,按病例分类时网络结构为EfficientNet-B0的CNN二分类模型诊断早期MF的AUC为0.99,灵敏度和特异度分别为88.9%和100%,且13名皮肤科医师诊断的灵敏度和特异度均值对应点位于曲线右下方。结论基于皮肤镜图像智能分析的CNN二分类模型可实现对早期MF与炎症性皮肤病的精确分类,对二者的鉴别诊断能力优于皮肤科医师的平均水平。

组织病理图像检索及其癌症辅助诊断方法概述

组织病理全切片成像技术在医学病理领域得到快速发展,基于人工智能、深度学习的数字病理图像分析和癌症辅助诊断方法已成为该领域研究的热点问题基于内容的组织病理图像检索是该领域的一个重要研究方向,通过在病理数字切片库中查找、返回相似区域及其所在病例方式,为医生诊断提供帮助,相较于常用的基于组织切片分割、分类的辅助诊断模式,病理图像检索应用能为医生提供更全面、更丰富的辅助诊断信息以组织病理图像检索为基础的癌症辅助诊断方法在近年受到广泛关注本文按照组织病理图像检索发展历程,概述该领域的重要文献,依次介绍了基于经典图像特征、高层语义特征、哈希编码技术的病理图像检索方法,面向数字病理全切片数据库的检索方法,讨论了基于病理图像检索的癌症辅助诊断模式,最后对该领域的未来发展方向进行了展望。

基于高光谱图像解混的海洋绿藻检测算法

提出了一种基于线性混合模型的高光谱图像绿藻面积估计算法。利用端元提取算法,自动获取图像中绿藻端元的光谱曲线,根据得到的端元及原始图像,通过全约束最小二乘算法,求得绿藻端元的丰度图,丰度图作为绿藻面积的估计结果。算法能够有效克服由于高光谱图像分辨率不足造成的绿藻面积估计不准确的问题,实现亚像素水平的绿藻面积估计。利用2013年6月29日获取的GOCI传感器获取的8波段光谱图像展开实验,计算得到当日绿藻覆盖面积为321 km2,与HJ-1B卫星的实测结果高度接近,相比于NDVI等传统算法具有明显优势。方法为绿藻灾害预警和监测提供了一条新的解决思路和技术途径,具有较高的应用价值。

多特征融合的在线更新目标跟踪算法

为了适应跟踪过程中目标光照条件的变化,并对目标特征进行在线更新,提出一种将局部二元模式(LBP)特征与图像灰度信息相融合,同时结合增量线性判别分析对目标进行跟踪的算法.跟踪开始前,为了获得比较准确的目标描述,使用混合高斯模型和期望最大化算法对目标进行分割;跟踪过程中,通过蒙特卡罗方法对目标区域和背景区域进行采样,并更新特征空间参数,得到目标和背景的最优分类面;最后使用粒子滤波器结合最优分类面对目标状态进行预测.通过光照变化的仿真视频和自然场景视频的跟踪实验,验证了文中算法的有效性.

梯度方向直方图和子流形在目标跟踪中的应用

针对光照、姿态变化等情况下的目标稳定跟踪问题,提出了一种基于梯度方向直方图和子流形的目标跟踪方法。首先对目标区域进行划分,将各子区域的梯度方向直方图组合作为目标初始特征描述;然后通过局部保留投影将初始特征投影到子流形得到低维特征描述。在特征提取过程中使用了积分直方图以提高运算速度。在跟踪阶段,首先使用离线训练方式得到了目标类的子流形空间特征,然后使用子流形空间中特征与训练样本均值的距离作为相似性度量,采用粒子滤波框架进行跟踪。针对目标亮度、尺度、姿态变化以及存在遮挡等复杂条件下的视频跟踪结果验证了所提出方法的有效性和鲁棒性。

基于嵌入式多核DSP系统的并行粒子滤波目标跟踪(英文)

目标跟踪中的伺服系统需要极低的跟踪延时,由于粒子滤波跟踪算法固有的庞大计算量使得目标跟踪的精度大受影响。提出了一种粒子滤波跟踪算法在多核DSP系统中的快速实现方法。首先,利用DSP片上的包加速器来降低以太网相机的采集延时以及CPU占用率,CPU占用率从31%降低到10%;其次,通过手动操作高速缓存的刷新和实效,解决了多核同时共享图像数据带来的存储器一致性问题,多个核能通过高速缓存快速获取图像数据;最后,通过在多核核心上设置代理任务的方法,建立了一种多核并行计算的机制。粒子滤波算法中计算复杂度高的运算阶段被分配到多个核心上同时运算,实现了算法的低延时。实验结果显示8核加速比达到7倍以上,优于开放多处理标准OpenMP的并行优化效果。

弹上下视景象目标快速匹配的技术实现

弹上光学传感器拍摄的下视目标图像的配准是打击效果评估的前提。研究了一种稳定的SIFT算子,实现了大视场下视景象目标的快速匹配。其方法是:通过在尺度空间中计算局部极值,先确定匹配关键点的位置和尺度,同时去除低对比度的关键点不稳定边缘上的响应点;然后由关键点相邻像素的梯度方向直方图描绘出种子点及其特征向量,近而获得关键点的特征向量;最后使用距离函数作为相似性度量进行配准。实践证明,与传统的方法相比,实现的算法具有更高的实时性。由于在原有基础上增加了其特征向量的维数,因而具有更好的鲁棒性。

皮肤PACS系统关键技术及其临床应用研究

PACS系统(picture archiving and communication systems)从20世纪80年代开始发展到现在,在医学影像中已经得到了广泛的应用。相比其他学科(如X光、CT成像等),皮肤科医生采用图像分析等新技术辅助诊断的过程发展缓慢,目前大多采用肉眼判断。皮肤影像学是利用现代先进计算机成像手段,可以无创、原位、动态、实时的获取皮损图像的新方法。然而皮肤镜、皮肤超声显微镜、激光共聚焦显微镜等成像方法,其各有优缺点,如何更好地利用这些设备,为医生服务,提高临床诊断效率与准确率,是我们面临的新挑战。为解决这一问题,本文对皮肤镜、皮肤超声显微镜、激光共聚焦显微镜的影像进行了整合,设计研发了一套皮肤PACS系统,并在临床中取得了应用,取得了满意的效果。