一种改进的图像视觉显著性检测算法

视觉显著性检测在图像分割中起着重要作用。提出一种新的检测算法,首先将图像划分成不相交的超像素集合,并以其作为结点构建闭环图;然后利用背景先验知识与流形排名方法计算图中结点的显著度,得到视觉显著图;再使用Sigmoid函数对视觉显著图进行非线性校正,抑制背景结点的显著度和增强目标结点的显著度。不同算法的对比实验表明,新算法具有更好的检测性能,更易于区分背景区域和目标区域,同时也提高了鲁棒性。     

结合三维边缘特征约束的网格模型优化方法

对于具有复杂几何结构特征的建筑物,三维网格模型重建结果易存在表面扭曲、边缘特征平滑的问题,无法较好地反映重建目标的真实信息。针对上述问题,本文提出一种结合三维边缘约束的网格模型优化方法。该方法以OpenMVS算法得到的初始网格为基础数据,利用变分原理构建能量函数,将网格模型优化问题转换为能量函数最小化问题。首先,从多视图像中提取三维边缘点,以三维边缘点构成的边缘轮廓来定位网格模型边缘区域;接着,利用灰度一致性测度构建数据项,利用顶点自身曲率构建平滑项,利用三维边缘轮廓约束构建附加约束项,将3个约束项构建为一个总体能量函数;最后,采用梯度下降法迭代求解总体能量函数最小值,将梯度变化量分配到网格模型的顶点上来驱动网格形变,以此优化模型。选取Strecha数据集中两个真实室外场景和ETH3D数据集中一个真实室内场景进行优化实验,使用ETH3D评估框架对实验结果进行评估。结果表明,经本文算法优化后的网格模型完整度和精度最高为89.76%、94.45%,本文算法在解决复杂几何结构建筑物模型边缘优化问题的基础上,提高了建筑物模型的准确程度。     

一种复杂背景下的人脸特征提取算法

通过人脸特征提取是计算机人脸识别技术中的核心技术。主动轮廓模型方法(Activecontourmodel,也称Snakes方法)被广泛应用于特征提取、图像分割等技术中。常规Snakes方法应用于人脸特征提取鲁棒性不强,并且精度不高。对常规Snakes方法进行了改进,其改进主要包括两个方面:1)针对人脸肤色的特点改造了Snakes能量函数的图像能量项,用以提高算法的精度;2)基于人脸五官形状特点,增加了一个新的能量项———形状限定能量项,以期获得更好的鲁棒性。最后,对改进前后的Snakes方法进行了实验仿真与比较、对比研究。实验结果表明,改进后的Snakes方法具有良好的收敛性,并能准确收敛到人脸特征处。     

一种复杂背景下的人脸特征提取算法

通过人脸特征提取是计算机人脸识别技术中的核心技术。主动轮廓模型方法（Acdve contour model，也称Snakes方法）被广泛应用于特征提取、图像分割等技术中。常规Snakes方法应用于人脸特征提取鲁棒性不强，并且精度不高。对常规Snakes方法进行了改进，其改进主要包括两个方面：1）针对人脸肤色的特点改造了Snake。能量函数的图像能量项，用以提高算法的精度；2）基于人脸五官形状特点，增加了一个新的能量项——形状限定能量项，以期获得更好的鲁棒性。最后，对改进前后的Snakes方法进行了实验仿真与比较、对比研究。实验结果表明，改进后的Snakes方法具有良好的收敛性，并能准确收敛到人脸特征处。     

基于先验HMRF的MAP分块超分重建方法

针对高光谱图像应用最大后验概率（Maximum A Posteriori, MAP）超分重建后细节信息丢失严重问题,本文提出一种基于先验Huber马尔科夫随机场（Huber Markov Random Field, HMRF）模型的MAP分块超分辨率重建算法,以期提高图像超分重建质量。首先,利用主成分变换获取图像域的主要成分,在此基础上采用样条插值得到初始迭代图像;而后将初始图像域分为若干子块,在每个子块图像域上建立具有自适应阈值的HMRF模型,并结合子块图像域的保真项构建目标函数,采用梯度最快下降法求解此函数得到超分子块图像,将其重组,进而与插值后的次要成分图像相结合,最后应用主成分逆变换方法得到最终的高分辨率图像。为了验证本文算法的有效性与优越性,分别对模拟和真实图像采用本文方法和具有代表性的Tikhonov、总变分及传统HMRF模型超分重建方法进行实验对比,其中本文方法重建结果在峰值信噪比和结构相似性定量评价方面明显优于其他方法重建结果,在定性评价方面边缘结构及细节信息也更加明显,表明本文算法较为突出。     

基于功率谱获取海浪波长波向算法的改进

提出一种针对基于海浪图像功率谱获取海浪波长和波向的改进算法。算法首先假定海浪功率谱是一个密度不均匀的薄片平面,然后寻找其重心坐标,该坐标可等效为海浪主频位置,从而能够快速准确地得到海浪波长和波向。并经过大量的实验,验证该方法能够很好地解决基于二维傅里叶变换获取海浪图像波长、波向时主频不明显和大量频率分量没用上等缺点。     

基于优化合并的高分辨率遥感影像分割算法

高分辨率遥感影像的分割算法研究对遥感数据处理与应用具有重要意义。本文提出了一种优化合并的分割算法以提高运算效率,该算法包含局部最优合并和全局最优合并2个阶段。第1阶段采用凝聚层次聚类（Hierarchical Agglomerative Clustering,HAC）方法实现局部最优合并,并对其合并规则进行了优化,使优化后的合并规则先注重光谱特征,再考虑待合并区域的几何特征。第2阶段采用区域邻接图（Region Adjacency Graph,RAG）方法实现全局最优合并,其合并规则主要考虑了区域的光谱和边界信息,减少了区域尺度对合并规则函数产生的负面影响,并且该阶段利用了红黑树来实现全局最优合并,以提高对RAG的搜索效率。最后,利用OrbView3高分辨率遥感影像开展了分割实验,结果表明本文算法可以得到令人满意的分割精度。本文的成果为遥感影像分割及其相关研究提供了新思路。     

一种新的超声波心动图像分割算法

针对超声心动图像噪声大,边界模糊,灰度分布不均匀等特点,提出了一种新的图像分割算法.首先对超声图像进行滤波和边缘锐化等预处理,然后再使用GVFSnake模型对预处理后的图像进行分割,从而提取出心室的边界.经试验证明,这种新的超声心动图像分割算法,比传统的超声图像分割算法在图像分割精度上有显著的提高.     

基于改进RANSAC算法的复杂建筑物屋顶点云分割

屋顶模型重建影响到建筑物完整模型重建质量,屋顶面点云分割质量对屋顶模型重建具有重要意义。针对传统RANSAC算法在屋顶点云面片分割时易产生错分割、过分割等问题,本文顾及点云位置信息,提出一种对点云重新分配的改进RANSAC点云分割算法。算法暂时剔除非平面内点,选取平面内点集中3个点作为初始样本,平面拟合判定邻域是否有效,从有效邻域中选取标准差值最小的3个点为初始模型。利用RANSAC算法对屋顶点云进行分割。利用K近邻算法统计误分类点与面片的距离降低误分类,优化过分割面片并进行连通性分析,利用距离及法向量一致性检验的方法重分配非平面内点。为验证本文算法有效性,选取芬兰Helsinki地区的3栋相互独立的复杂建筑物屋顶以及上海某小区的6栋建筑物群屋顶作为实验数据。在2组数据中,本文提出的改进RANSAC算法分割屋顶面片的平均准确率分别为92.17%、87.82%,78%的建筑物屋顶不存在过分割。在第2组数据中,所有分割面片上的点与其对应的最佳拟合平面的距离的标准差的平均值为0.030 m。实验结果表明,本文算法分割建筑物屋顶面片的准确率较高,较好的抑制了过分割现象,且抗噪能力强。     

基于光谱和形状的遥感图像分割质量评估方法

针对多尺度遥感图像的分割质量评估问题,提出了一种光谱和形状相结合的分割质量评估方法。首先,采用超像元方法对图像进行初始分割,将图像过分割为若干区域;其次,根据合并准则迭代合并相邻区域来生成各尺度图像,其中,使用尺度集结构来索引各尺度的区域,使用邻接图来记录各尺度下区域间关系;然后给出各尺度图像形状紧凑性和平滑性的计算公式,并结合各尺度图像光谱特征计算出各尺度图像的同质性和异质性;最后根据贝叶斯风险最小准则选择最优分割尺度。实验结果表明,该方法可以适应不同图像内对象特质,使得最优分割尺度的选择更合理,图像分割效果更佳。     

一个新的正规定则

证明了单位圆内亚纯函数族F,若不正规,则存在一个函数列在开平面上的任意紧子集上一致收敛于一个非常数的亚纯函数,并应用它得到一个新的正规定则:设F为区域D内的一亚纯函数族,若对每一f∈F,fnf′≠1(n≥2),则F在区域D内正规.     

基于雾的能见度黑体识别的研究

基于数字摄像技术直接摄取选定目标物及背景的图像,用图像处理的方法通过对所获取的图像进行分析处理,获取能见度的相关信息。黑体识别采用类间最大方差阈值分割的方法,对分割后的图像用形态学方法进行平滑滤波,得到最后分割的黑体。通过目标物与背景物的平均亮度计算可获得白天的气象能见度。研究使用CCD摄像头采集图像,使用相应DVT软件进行控制连续采集传输图像。     

基于云模型和FCM聚类的遥感图像分割方法

模糊C均值算法由于具有良好的聚类性能而被广泛应用于图像分割领域,但聚类中心的初始化问题一直影响着该算法的运行效率。好的初始聚类中心,可以使算法很快收敛于最优解,而不合适的初始聚类中心,不仅需要更多的迭代次数,而且还可能使算法最终收敛于局部最优解。文章结合云模型和FCM(模糊C均值)聚类算法,提出了一种遥感图像分割的新方法。利用云变换解决模糊C均值聚类算法的初始化中心选择问题,可以根据样本特性自动确定聚类中心值及个数,并以较少的迭代次数收敛到全局最优解,提高了模糊C均值遥感图像分割方法的效率,具有较好的稳定性和鲁棒性。文章选取三幅TM遥感图像作为样本,分别利用云模型的FCM方法和传统的FCM方法对样本进行分割实验,实验表明采用云模型的FCM方法不仅能够取得较好的分割效果,而且大大减少了使算法收敛的迭代次数,提高了分割的效率。     

一种激光损伤显微图像分割算法

针对那些具有多层次复杂区域且各区域过渡不明显的激光损伤图像,提出了一种小波分解与区域特征检测的区域生长算法,该算法解决了区域生长算法种子点自动选取和计算过大的问题,同时取得了较好的分割效果.     

基于改进的参数活动轮廓模型的图像分割方法

参数活动轮廓模型（SNAKE模型）被广泛应用于医学图像分割中。传统的SNAKE模型对初始轮廓非常敏感,必须给定在图像边缘附近,否则容易陷入局部极小而无法收敛到真实轮廓处。提出一种基于距离变换的距离势能模型作为自适应外力,能很好地引导SNAKE逼近真实边界而不依赖于特定的初始轮廓的位置。实验结果表明：该算法快速有效,能在更大的范围内捕捉图像特征,是一种有效的图像分割的算法。     

基于图像退化模型的天气现象识别

在不同的天气条件下,由于气溶胶对光波的散射作用,通过成像系统获得的图像都会有一定程度的退化。利用图像的退化模型可以获取与天气现象相关的参量,从而达到识别天气的目的。对不同天气条件下得到的同一场景图进行研究,运用多垂线检测法,检测出不同天气条件下直线模糊边缘上的灰度值,采用signloid函数拟合出刃边函数,进而求出线扩散函数。通过分析线扩散函数的变化规律,总结出其与天气现象之间的紧密联系。测试结果表明,应用该方法对于晴天、薄雾、雨、霾、沙尘暴等天气现象具有一定的判别效果。     

基于图像退化模型的天气现象识别

在不同的天气条件下,由于气溶胶对光波的散射作用,通过成像系统获得的图像都会有一定程度的退化。利用图像的退化模型可以获取与天气现象相关的参量,从而达到识别天气的目的。对不同天气条件下得到的同一场景图进行研究,运用多垂线检测法,检测出不同天气条件下直线模糊边缘上的灰度值,采用Sigmoid函数拟合出刃边函数,进而求出线扩散函数。通过分析线扩散函数的变化规律,总结出其与天气现象之间的紧密联系。测试结果表明,应用该方法对于晴天、薄雾、雨、霾、沙尘暴等天气现象具有一定的判别效果。     

基于不变矩理论的雷达回波图中超级单体识别

根据超级单体在反射率因子图中的强度信息、水平尺度、典型的钩状回波等特征,利用图像处理技术对多普勒天气雷达回波图中超级单体进行识别,从而更好地为天气预报服务.首先通过图像分割获取灰度图中超级单体的结构,然后结合轮廓跟踪法和贴标签的方法对目标进行区域分割,获取目标存在区域,最后基于不变矩具有对位移、尺度和旋转变换的不变性对目标进行识别.仿真结果表明该方案可行且具有良好的识别性能.     

结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取

利用遥感成像技术获取地面水体信息对水资源调查、自然灾害评估、流域规划和生态环境监测等具有重要意义,其中SAR成像作为大范围地面监测的可靠数据源,拥有全天时、全天候、广覆盖等光学遥感系统所不具有的优点,在水体提取中得到了广泛的应用。但由于受SAR图像相干斑噪声的影响,现有水体提取方法难以迅速、精确提取SAR图像中复杂精细的自然水体结构。为此,提出一种结合改进的降斑各向异性扩散和最大类间方差的SAR图像水体提取方法。首先,利用降斑各向异性扩散滤波SAR图像,在迭代滤波过程中通过计算图像间平均结构相似度自适应控制迭代过程,使其同时保持精细边缘和纹理结构;然后,以类间方差最大为准则,自适应确定阈值,实现滤波结果图像二值化分割。在二值化分割结果中,搜索具有相同像元值且位置相邻的前景像元点组成的连通区域,使每个单独的连通区域形成一个被标识的块,通过获取这些块的几何参数来消除图像的误分割,精确划定真实的水体区域,以实现SAR图像水体提取。为了验证提出方法的准确性,将本文方法提取的水体边界与人工绘制的水体边界叠加,结果表明二者可较好吻合。同时,从视觉、提取精度和运行时间对本文方法与目前常用3种SAR图像水体提取算法的结果进行比较分析,其中本文方法的运行时间满足实时应用的要求,提取结果的边界在2个像元评级区重叠度均达到80%,明显优于其他方法且本文方法提取结果在边界及细节信息等视觉方面也更加显著。对结果的定性及定量评价表明本文方法的优越性。     

基于区域特征分割的密集匹配点云渐进形态学滤波

随着计算机视觉和遥感技术的进步,基于遥感影像的密集匹配也成为目前获取高精度点云的重要手段之一。与LiDAR点云类似,点云数据处理的基础步骤就是点云滤波。在数据特征上,密集匹配生成的点云与LiDAR获取的点云既类似但又有区别。本文在渐进形态学滤波算法上添加了特征条件,将点云和图像结合成深度图像,并对深度图像按典型地物类型进行语义分割,从而对与图像平面坐标一致的点云进行标记和首次滤波;然后按几何特征将场景简单分类,按分类结果对应的参数滤波构建地面点三角网;最后综合初滤波结果和语义分割类型标记对特征相似的区域进行优化确认,得到最终的滤波结果,并与布料模拟滤波（CSF）算法进行了对比验证实验。结果表明,基于特征的渐进形态学滤波其I类误差在1.98%以内,Ⅱ类误差在2.33%以内,较适宜对精度要求较高的应用,尤其是混合地形的滤波。