噪音工业计算机断层图像中追踪三维边缘曲面

提出了基于分数阶积分去噪的工业计算机断层切片图像中三维边缘曲面追踪算法.由于二维分数阶积分在去噪的同时能够很好地保持二维图像细节信息,且计算量较小,采用离散模板滤波形式去噪,效果良好.因此本文将二维分数阶积分连续理论推广至三维,利用二维分数阶积分傅里叶变换的可分离性,推导出三维离散去噪滤波模板,加入至三维边缘曲面追踪算法,克服了传统算法中Lalacian算子对噪音比较敏感的缺点.由于三维分数阶积分具有良好的去噪能力,可有效抑制噪音.实验结果表明,本文提出的基于三维分数阶积分去噪的算法能够从噪音污染工业计算机断层图像切片图像中追踪出高准确度的边缘曲面,有效改进了边缘曲面追踪算法易受噪音干扰影响的缺陷,通过体数据峰值信噪比和视觉效果比较,本文提出的算法性能优于基于三维高斯去噪的三维图像边缘曲面追踪算法.

基于小波变换的Wiener滤波方法在农产品图像去噪中的应用

农产品图像的去噪是农产品图像处理中最基本、最重要的工作之一。为了更有效地去除农产品图像中的噪声。受二维离散Wiener滤波器计算方法的启发,提出了一种基于小波变换的Wiener滤波方法。该方法采用小波变换和Wiener滤波相结合的方法,具有稀疏性、多分辨率、去相关性、选基灵活性和在MSE意义上对图像进行最优估计的优点。该方法首先对含噪农产品图像ano做第一次小波变换得到低频图像a1和水平、垂直和对角三方向的高频图像hd1、vd1及dd1;其次对低频图像a1做Wiener滤波得到a1w,再对3个高频图像分别做Wiener滤波并合成得到g1w;接着对低频的a1w和高频g1w做小波逆变换,得到滤波图像“a1w+g1w”。同时,考虑到噪声主要在高频部分,所以直接把低频的a1和高频g1w做小波逆变换,得到滤波图像“a1+g1w”。这是对含噪图像ano做第1次小波变换的情况,其第2次、第3次及第4次变换的情况与此类似。这样可以得到许多滤波图像,然后根据图像信噪比PSNR和视觉效果,最终确定去噪效果最好的农产品图像。该方法应用于红枣、小麦杂草等农产品图像的去噪中,结果PSNR为158.23(视觉效果清晰),好于邻域平均法(PSNR为154.14)、中值滤波法(PSNR为155.82)、数学形态学(PSNR为154.07,视觉效果偏黑)、高斯滤波法(PSNR为153.79,视觉效果太黑)、直接维纳去噪(PSNR为154.14)和小波去噪(PSNR为158.18)等多种方法。试验结果表明,基于小波变换的Wiener滤波方法应用于农产品图像去噪具有信噪比高、视觉效果好等优点;基于小波变换的Wiener滤波方法用于农产品图像去噪是有效的、可行的。

基于Co-motion的可见光-热红外图像序列自动配准算法

提出了一种基于Co-motion的可见光-热红外图像序列自动配准方法,引入Co-motion运动统计特征来解决异源图像序列配准问题,从而避开了异源图像相似图像特征提取和精确运动检测的难题.由于可见光和热红外成像机理不同,在运用运动统计特征时,会面临与同源配准不同的诸多问题,如难以提取相似前景、大量外点干扰和易受大尺度变化的影响等.本文通过对所面临难题的分析,提出了适合于异源图像序列配准的同名点对选取方法和外点去除方法,并精确迭代优化变换模型.对俄亥俄州大学红外-可见光数据库和自建数据库共8组数据的实验分析结果表明,该算法在大尺度、旋转、平移及视场角变化下均能精确配准.

一种基于贪心搜索的实时多目标遮挡处理算法

提出了一种固定摄像机遮挡条件下的多目标跟踪算法,包括基于区域相关的运动前景分割、基于合并–分裂检测的数据关联和基于贪心搜索的遮挡目标定位三部分.该算法的主要特点表现在:1)将遮挡条件下的目标跟踪问题转化为一个已知目标数量和特征的图像分类问题;2)用贪心搜索和积分图算法快速定位遮挡中的目标,保证了算法的实时性;3)对目标数量无约束,能够处理多目标相互遮挡下的跟踪问题(发生遮挡的目标数量大于等于2),且对目标的遮挡程度和目标运动模式无约束,具有良好的可扩展性.采用手工标定的IBM多人遮挡数据库的测试结果证明了算法的有效性.

基于小波分析的颅骨复合特征计算与识别

颅骨作为一个新的生物特征,其突出优点是不受表情的干扰和光线的约束。我们按照快速准确性要求,提出一种多尺度复合特征识别方法。首先对比颅骨最大夹角,其次进行边缘的多尺度分析,最后以颅腔面积作为辅助识别。试验结果证明,该方法能快速有效的实现活体或非活体的颅骨特征计算和识别。

一种基于高斯混合模型与Markov建模的灰度图像分割方法

当灰度图像中存在区域间灰度变化不明显或者含有噪声时,图像分割效果会受到比较严重的影响,本文针对此类问题,基于高斯混合模型,提出了一种改进的灰度图像分割算法。首先,基于马尔可夫随机场建模,将梯度因素引入邻域约束,推导图像的能量函数。然后,采用改进的期望最大(EM)算法对能量函数进行求解,E步通过图割法求解各像素点的分类,M步通过改进的期望最大(EM)算法求解高斯混合模型中的各参数。实验结果表明,本文的方法相对于直接用图割法能够求得更低的能量值,获得较好的分割结果。

融合光谱和空间信息的黄河主溜特征提取

本文基于多光谱遥感图像,提出了一种融合光谱特征和空间信息的主溜特征提取方法.将遥感影像的两大表现形式——光谱和空间信息结合,利用像元及其邻域的关系来描述其空间结构,用方向线来描述黄河主溜,从而确定其位置和走向.实验结果表明,该方法可有效地提取出黄河主溜特征.

深度学习在高光谱图像分类领域的研究现状与展望

高光谱图像(Hyperspectral imagery,HSI)分类是高光谱遥感对地观测技术的一项重要内容,在军事及民用领域都有着重要的应用.然而,高光谱图像的高维特性、波段间高度相关性、光谱混合等使得高光谱图像分类面临巨大挑战.近年来,随着深度学习新技术的出现,基于深度学习的高光谱图像分类在方法和性能上得到了突破性的进展,为其研究提供了新的契机.本文首先介绍了高光谱图像分类的背景、研究现状及几个常用的数据集,并简要概述了几种典型的深度学习模型,最后详细介绍了当前的一些基于深度学习的高光谱图像分类方法,总结了深度学习在高光谱图像分类领域中的主要作用和存在的问题,并对未来的研究方向进行了展望.

基于深度学习的中草药植物视觉识别方法研究

中草药植物对预防和治疗疾病有效,药效因植物类别而异,正确识别中草药植物类别是很重要的。本文旨在解决中草药植物数据缺少和图像分类准确率较低的问题。首先,构建了一个中草药植物图像数据集。其次,选择Resnet50作为基础网络模型,使用迁移学习技术预训练模型,加入注意力模块与Local-Clobal模块并采用Focal-Loss+Constrative-Loss作为损失函数。最后,基于该模型设计出一个中草药植物识别系统。改进后的模型在测试集上的准确率达到99.07%。实验结果表明,该系统能够准确地完成中草药植物图像的识别任务。

星图中基于小波变换的CCD传感器Smear现象消除方法

帧转移型CCD传感器在拍摄星空背景图像时,视场中高亮度恒星会产生Smear现象,从而对目标检测有严重影响.为了消除Smear现象,提出了一种星图中基于小波变换的Smear消除方法.首先根据Smear产生机理及星空图像特性,建立星图Smear问题的模型;然后使用多层二维Haar小波分解,把Smear亮线分离到低频分量及高频垂直分量中分别进行Smear消除处理;最后重构出消除Smear的图像.实验结果表明:该方法能有效去除Smear,最大限度保留图像原有信息,并可增强Smear区域弱小目标信噪比.

基于场景复杂度与不变特征的航拍视频实时配准算法

实时、鲁棒的图像配准是航拍视频电子稳像、全景图拼接和地面运动目标自动检测与跟踪的前提和关键技术.本文以航拍视频序列为处理对象,提出了一种新的基于场景复杂度与不变特征的实时配准算法,其主要特点包括:(1)在对航拍视频配准难点进行详细分析的基础上,有针对性的提出基于积分图的快速图像尺度空间构建、依据场景复杂度的检测特征点数量在线精确控制、基于描述子误差分布统计特性级的联分类器构造等新方法,使得算法配准性能不随场景的复杂度发生改变,能够在各种地貌条件下实时、稳定的进行图像配准;(2)将多尺度Harris角点和SIFT描述子相结合,并通过对帧间变换模型参数进行鲁棒估计,保证了算法具有良好的旋转、尺度、亮度不变性和配准精度.实验结果表明,算法可在场景变化、图像大幅度平移、尺度缩放和任意角度旋转等复杂条件下实时、精确的进行图像配准,对分辨率为320×240的航拍序列的平均处理速度达到20.7帧/秒.

基于场景模型与统计学习的鲁棒行人检测算法

提出一种基于场景模型和统计学习的行人检测算法.针对训练行人检测器时面临的动态场景的复杂性和行人样本多样性等问题,通过背景建模,从场景的背景图像上提取有限的负样本用于训练,大幅度提高了分类器的检测率,同时降低了虚警;提出一种快速弱分类器选择算法,根据正、负样本特征大小的分布和期望的检测率,直接求解特征大小的阈值范围,能够满足在线训练和更新检测器的要求;提出一种基于正样本错误率的训练算法,先根据正样本加权错误率选择弱分类器,快速提高检测率,在训练结束后调整最终分类器的加权系数,在保证检测率的同时尽可能降低虚警率.实验中构建了一个试验视频数据库和行人样本库,数据库包括雨、雪、阴影、季节变化、摄像机平移、旋转、缩放等情况,并设计实现了一个实时行人检测系统BMAT(Background modeling and Adaboost training),实验结果证明了算法的有效性.

基于迭代距离分类与轨迹关联检测空间弱小目标

为了实现高效自动目标检测,提出了一种可用于低信噪比条件下的空间可见光弱小目标检测算法。首先,建立空间光学图像模型,利用恒虚警率(CFAR)方法确定分割系数对单帧图像背景进行分割;然后,基于恒星结构稳定特性构建距离特征空间,并针对特征空间构造分类准则函数,使用迭代最优化分类方法提取出候选目标点;最后,依据目标运动轨迹的连续性建立空间目标轨迹关联、合并以及虚假目标轨迹删除规则,进行轨迹处理,实现空间可见光弱小目标的检测。文中还提出了单帧检测率、虚警率与序列检测率、虚警率相结合的评价方法。实验结果表明:在低信噪比条件下(SNR≤3),得到的序列检测率达到96.02%以上,序列虚警率达到4.4%以下。该方法在低信噪比条件下显著提高了目标检测率,并有效抑制了虚警。

基于增量子空间自适应决策的目标跟踪

基于增量子空间的目标跟踪算法多数不加选择地将检测到的目标作为模板训练的样本,并以固定频率更新模板,这种无反馈闭环机制使得算法在目标外观模型发生变化、光照变化等复杂条件下难以鲁棒跟踪目标,一旦跟踪失败很难从错误中恢复.为此,我们提出一种反馈闭环跟踪算法,在增量子空间粒子滤波跟踪框架下,引入跟踪状态判决作为后续模板更新依据.通过判决反馈信息选择合适的样本适时更新模板,有效克服目标外观模型的变化,持续跟踪目标.实验结果表明,由于引入跟踪状态判决,在目标外观变化、光照变化等情况下,本算法能够以与环境相适应的频率及时更新模板,提高跟踪精度,实验结果验证了本文算法的鲁棒性和有效性.

角点检测技术综述

角点是图像很重要的特征,对图像图形的理解和分析有很重要的作用。对灰度图像、二值图像、边缘轮廓曲线的角点检测算法进行综述,分析了相关的算法,并对各种检测算法给出了评价。

基于评价因子及灰色关联分析的检测结果自动评价方法

文章针对视频中运动目标检测结果的自动评价问题,提出了一种基于评价因子及灰色关联分析的评价方法。文中首先建立评价因子的数学描述,获得当前检测结果的多个定量的评价分量;然后通过灰色关联分析,实现对不同检测结果的定量、综合评价。实验初步验证了方法的有效性。

基于二次有理Bezier曲线拟合的颅骨识别技术研究

颅骨识别技术是生物特征识别技术的新发展。我们提出采用二次有理Bezier曲线进行颅骨曲线拟合,用表达式准确描述颅骨特征,提出了基于拟合颅顶曲线的颅骨识别算法,并基于颅骨X线照片实现了颅骨识别。

基于几何特征的血管快速重建算法

针对X光造影图像中血管三维重建的特殊性,提出了基于血管几何特征的快速重建算法。该算法依据双目视觉的重构原理,按照一定的顺序,选择并匹配具有分叉,转折,末梢等几何特征的点作控制点。使得连接控制点的血管可以简化成一条具有一定宽度的线段。提取并生成各个控制点的三维信息,然后采用“化曲为直,多线逼近”的方法进行三维绘制。达到了快速、简便、数据量小、精度可控性高的效果,非常适合成像质量有限的X光造影图像中血管这类线形几何体的重建。最后在微机平台上,通过实际测试验证了上述优点。

基于BP神经网络的睡眠呼吸综合症智能检测系统

提出了应用BP网络对睡眠呼吸暂停病症进行检测的技术方法。考虑到临床检测采集具有数据量大,伴有噪音干扰等特点,采用BP网络,其并行性、容错性较好,具有较强的自适应性及通过实例学习的能力,有助于克服单个诊断医师在知识获取方面存在的“瓶颈”问题。开发出来的睡眠呼吸综合症智能检测系统可以选择采集好的病人样本数据进行自学习,建立病人的特征模型,自动进行数据分析和异常情况的识别与分类,对病人的患病率进行预测。通过实验测试,该系统预测的准确率在88.5%左右,高于单纯的人工诊断,并显著提高了诊断效率。

变背景下红外目标的跟踪

采用粒子滤波跟踪变背景下红外目标时,粒子的规模和模板的更新方法对粒子滤波是非常重要的,针对上述问题本文提出了一种基于动态粒子和自适应多模板更新策略的粒子滤波方法,首先通过动态去除权值较小的粒子,不仅防止了粒子的退化,而且提高了算法性能,其次,算法保留两个模板,动态保留下的粒子与两个模板同时比较,对匹配程度最大的模板进行更新,这样可以有效降低跟丢率。最后我们采用红外飞机目标视频检验本文算法,实验结果表明在变背景下,本文算法有效而可靠。