基于改进粒子群优化算法和模糊熵水下图像分割

由于水下图像受到水下光照条件以及水质的一些特性影响,存在对比度低、灰度不均、目标边缘模糊等特点。传统基于最大熵原理的阈值法尽管能实现某些特定的分割任务,但是采用凸模糊集的隶属函数和穷举法存在计算复杂度高、时效性差等缺点。在传统模糊熵分割算法的基础上,重新定义了模糊熵,并根据最大熵原理,利用改进粒子群优化算法(PSO)来搜索分割阈值。通过水下图像处理试验证明,该算法对简单背景的图像分割是有效的;与传统分割方法相比,具有更强的自适应性和抗噪性。     

基于纹理特征的围填海SAR图像分水岭分割方法

本文提出了一种基于纹理特征的围填海SAR图像分水岭分割方法,首先对机载MiniSAR图像进行灰度共生矩阵纹理滤波,获得纹理特征图像,再对纹理特征图像进行分水岭算法分割,将获得的形态学重建图像进行门限阈值分割,得到最后的二值化分割结果。该方法一方面通过调整灰度共生矩阵纹理滤波的窗口大小,抑制了斑点噪声的影响;另一方面,利用分水岭算法对边缘模糊杂乱图像的优势,提高了围填海信息提取的准确性。实验结果表明,本方法对高分辨率SAR图像围填海监测图像的分割效果良好。     

基于模糊C均值聚类的高分辨率合成孔径雷达图像舰船目标检测

给出了一个基于模糊C均值聚类(FCM)的舰船目标检测算法。其中心思想是将SAR图像中的各像素点灰度值视为样本集,然后利用FCM算法对该样本集聚类,并利用聚类结果计算图像分割全局阈值。与目前流行的恒虚警率(CFAR)检测算法相比,所给检测算法具有参数少、计算量与图像大小成正比、舰船轮廓保持良好的特点,为高分辨率SAR图像舰船目标检测提供了一个新的选择。     

一种四阶P-Laplace图像盲复原方法

针对TV图像复原方法中产生的阶梯效应问题,结合传统的差值范数图像复原方法,提出一种四阶P-Laplace图像盲复原算法。该算法将四阶偏微分方程引入P-Laplace图像复原方法中,对图像的边缘和内部平滑区域做了分别处理以缓解TV复原方法中带来的阶梯效应,同时引入参数λ调节复原过程中的保真项,并对偏微分方程做单调灰度变化,进一步改善了图像复原效果,缓解了阶梯效应。实验结果证明,该算法对模糊图像有很好的复原效果,也适用于水下图像和雾天图像的图像复原。     

基于形状特征的XBT探头检测与识别研究

为改进国产投弃式温深仪(XBT)的下降速率公式,拟采用基于图像处理的方法测量其下落过程中的运动参数并分析,为此要实现XBT探头的自动提取。为实现视频图像中XBT探头的自动检测识别,提出了一种基于形状特征的目标检测识别算法。首先通过背景差分法去除背景噪声并阈值分割,采用连通区域的标记算子将二值图像标记为互不连通的待识别区域。然后提取连通区域的偏心率、致密性以及标记图构造描述目标的特征向量,通过计算各连通区域的特征评价函数,利用模糊综合评价方法识别XBT探头。最后对研究方法进行了物理实验验证。实验结果表明:用模糊综合评价方法能较好地在复杂背景下实现目标的识别,能够有效地在序列图像中准确的检测识别出XBT探头目标,为XBT运动参数的测量打下了基础。     

基于弱纹理块的噪声估计方法在侧扫声呐图像去噪中的应用

侧扫声呐图像受混响效应影响导致侧扫声呐图像斑点噪声强,边缘模糊,纹理较弱,严重时还会掩盖海底地貌。噪声方差是许多侧扫声呐图像变换域去噪算法的必要参数。指出了侧扫声呐图像在乘性噪声的影响下灰度值溢出的问题,并且以侧扫声呐图像中乘性噪声为背景,考虑灰度值范围对乘性噪声的抑制作用,提出了一种基于弱纹理块的噪声估计方法。算法主要根据噪声的散射模型,将侧扫声呐图像经过幂变换和对数变换,将服从瑞利分布的乘性斑点噪声变换为高斯白噪声,基于变换图像的梯度协方差矩阵和弱纹理块的动态选择,以迭代的方式确定噪声方差。实验结果表明:该算法能够去除灰度值溢出现象对噪声估计的影响,在高亮区域及背景区域的噪声估计结果稳定准确。     

基于LOG算子的侧扫声呐图像水下小目标检测算法研究

针对侧扫声呐图像噪声干扰严重、分辨率低、目标轮廓模糊等特点，提出了一种基于LOG算子的侧扫声呐图像水下小目标检测算法。首先，根据侧扫声呐图像中水下小目标成像特点，对声呐图像进行滤波及聚类分割，大幅降低图像中噪声；然后，采用斑点检测思想，提取侧扫声呐图像中疑似目标区域；最后，基于自动阈值分割算法对声呐图像进行分割，获取目标区域二值图像，使用二阶矩估计目标尺度，剔除虚假目标，最终实现水下小目标准确检测。实验结果表明：该方法计算速度快、检测成功率高，对侧扫声呐图像中的水下小目标具有良好的检测效果。     

基于MRF场的侧扫声呐图像分割方法

为了利用侧扫声呐进行水下目标自动探测和识别,首先必须将声呐图像分为目标高亮区、海底混响区和目标阴影区.由于声呐图像有强背景噪声,传统的图像分割方法显得无能为力,故采用基于MRF场的图像分割方法来准确地分割.根据侧扫声呐目标的成像特点,建立了分割的约束条件;利用阴影与目标的灰度均值比很小这一特点进行初始分割,然后根据分割后目标与阴影的宽度差来剔除虚假目标,由初始分割的结果求得MRF模型初始参数,再采用迭代条件估计得到最终的模型参数和准确的分割结果.由于考虑了相邻像素间的依赖关系,具有抗噪性强、分割效果好的优点,从理论上说是合理的.实测数据分析也证明了这种算法的优越性.     

一种改进的扇形波束旋转扫描散射计海面风矢量反演算法

扇形波束旋转扫描散射计（RFSCAT）是约十年前才被提出来的一种新型星载微波散射计。与其它旋转扫描散射计类似,其星下点附近区域和刈幅边缘区域的风场反演误差相对较大。在本文设定的参数条件下,RFSCAT散射计刈幅边缘区域的风向反演精度相对于轨道中间区域降低了约9°。针对这一问题,本文为RFSCAT散射计提出了一种改进的风矢量反演算法。新算法的主要特征是,根据风向反演偏差直方图,在整个刈幅区域内,对模糊解风向取值区间进行自适应扩展,以获取并保留更多可能风向解。利用模拟的100条轨道的L2A数据,对新算法进行反演验证。实验结果证明,新算法能够有效改善RFSCAT散射计星下点附近区域和轨道刈幅边缘区域的风向反演精度。星下点和刈幅边缘上的风矢量单元的风向反演精度相对于标准的MLE算法分别提高了1.6°和9°。     

边缘保留自适应提升形态小波及其在甲藻特征提取中的应用

自适应提升形态小波将多分辨率分解和图像空域中目标的几何结构和局部特征相结合,可以满足特定图像处理任务的需要。本文针对甲藻类细胞显微图像边缘模糊、对比度低等不利于甲沟特征提取的困难,构造1种边缘保留自适应提升形态小波。该小波将图像的边缘作为重要的局部特征,更新提升根据是否是边缘像素选择保留、锐化滤波或平滑滤波,使得分解后的近似图像中,图像边缘得以保留,而灰度变化缓慢的区域得到了平滑。实验结果证明:甲藻细胞经边缘保留自适应提升形态小波分解后的近似图像,在一定程度上突出了目标边界,较之原始图像,更有利于甲沟特征的提取。     

边缘保留自适应提升形态小波及其在甲藻特征提取中的应用

自适应提升形态小波将多分辨率分解和图像空域中目标的几何结构和局部特征相结合,可以满足特定图像处理任务的需要.本文针对甲藻类细胞显微图像边缘模糊、对比度低等不利于甲沟特征提取的困难,构造1种边缘保留自适应提升形态小波.该小波将图像的边缘作为重要的局部特征,更新提升根据是否是边缘像素选择保留、锐化滤波或平滑滤波,使得分解后的近似图像中,图像边缘得以保留,而灰度变化缓慢的区域得到了平滑.实验结果证明:甲藻细胞经边缘保留自适应提升形态小波分解后的近似图像,在一定程度上突出了目标边界,较之原始图像,更有利于甲沟特征的提取.     

基于K-means聚类与数学形态学的侧扫声呐图像目标轮廓自动提取方法

针对侧扫声呐图像斑点噪声强、背景海底散射干扰严重,海底目标轮廓自动提取困难的问题,提出了一种基于K-means聚类与数学形态学相结合的海底目标轮廓自动提取算法。为克服噪声干扰,该算法首先利用中值滤波去除侧扫声呐图像中的强斑点噪声;然后采用K-means聚类算法对侧扫声呐灰度图像进行分割,并二值化,除去大部分海底背景噪声,初步提取出目标;接着利用数学形态学运算去除提取结果中的孤立噪点,并填充目标内部孔洞,得到连续化、圆滑的目标边缘;最后对处理后的侧扫声呐图像进行边缘检测,提取出目标轮廓。实验结果表明:该算法思想简单易行,具有很强的克服背景噪声的能力,自动提取的目标轮廓连续性较好,结果准确可靠。目前,在侧扫声呐图像目标轮廓提取过程中,主要采用人工方式,自动性较差,效率较低。本文算法可以实现目标轮廓的自动提取,提高效率,具有较强的实用价值。     

水下模糊图象维纳滤波和卡尔曼滤波恢复算法研究

该文将海水中图象传输特性的研究与用此传输特性进行水下模糊图象恢复结合起来 ,得到一套测量水体传递函数及进行水下图象处理的方法。采用维纳 (Wiener)滤波和卡尔曼 (Kalman)滤波算法 ,对模糊图象进了恢复。结果表明 ,利用计算机采用一定的算法对散射性质已知的水体造成的图象模糊可以进行有效的复原 ,且良好效果。     

基于多时相遥感数据的海岸线自动提取方法

海岸线是海洋的重要组成部分,对于海域管理具有重要意义。本文根据岸线位置确定原理,即将多时相瞬时水边线上边界近似作为海岸线,提出了一种基于多时相水边线的海岸线自动提取方法,该方法应用区域生长与边缘检测相结合的方法提取瞬时水边线,然后采用海岸线自动判别算法进行海岸线的提取。首先计算归一化水体指数（normalized difference water index,NDWI）图像,利用区域生长算法进行海陆分割,得到海陆分割二值图;然后利用Canny边缘检测对海陆分割结果进行边缘检测,得到瞬时水边线;最后利用海岸线自动判别算法得到多时相瞬时水边线上界作为海岸线。本文以马六甲海峡部分海岸作为研究区域,应用多期Landsat 8遥感影像进行了海岸线提取和分析。为验证海岸线提取精度,对获取时间接近高潮时的一景哨兵二号影像进行目视解译得到人工解译的海岸线,与本文提取海岸线进行对比。结果显示,本文算法得到的海岸线平均偏移量和均方根误差分别为21.01 m和21.96 m,能够满足30 m分辨率遥感图像的精度要求,相比采用单景影像提取海岸线,精度有明显提高。     

基于数学形态学的海岛水边线提取模型

针对遥感影像数据大面积覆盖的特性,利用数学形态学提出了一种多目标海岛水边线的同步提取模型,模型包括:利用K-means算法的海岛区域粗分割;基于灰度膨胀算法的海岛初始轮廓曲线确立;利用水平集算法的海岛水边线优化。以福州海域的多目标海岛水边线提取为例,将本文模型与K-means模型、二值化高斯滤波水平集模型(SBGFRLS)和基于改进水平集的海岛边界快速分割模型(ILSM-IBRS)进行了比较。结果表明,本文模型弥补了K-means模型的过分割现象,其计算耗时较SBGFRLS和ILSM-IBRS模型分别节省了96.16%和86.96%;其迭代次数分别减少了97.07%和90.59%。由此可见,本文模型解决了现有提取模型效率低、过分割等现象,实现了多目标海岛水边线的同步提取,为海岛普查等提供了一种快速提取方法。     

基于最优尺度和随机森林算法的海岛土地利用遥感分类研究 ——以觉华岛及周边海岛为例

为了研究海岛土地利用分类,文章以辽宁省葫芦岛市觉华岛及周边海岛为例,利用北京二号卫星融合后的0.8 m高分辨率遥感数据,通过局部方差变化率曲线峰值确定了岛屿上各地类的最优分割尺度,顾及形状和紧致度参数。探讨了随机森林算法在提高海岛土地利用类型分类精度的可靠性。结果表明,当形状因子、紧致度因子和分割尺度3个参数组合为（0.5,0.6,180）时,在最优特征数为13,随机森林决策树为200时,整幅图分类精度表现最佳,总分类精度达到81.73%,总Kappa系数为0.798 0。各类别中：海岛植被常绿针叶林地最佳分割参数为（0.5,0.4,415）,Kappa系数为0.923 2。落叶阔叶林地最佳分割参数为（0.4,0.6,465）,Kappa系数为0.895 0。灌草地最佳分割参数为（0.5,0.4,230）,Kappa系数为0.889 0。海岛植被提取的生产者精度优于90.40%;海岸带中基岩海岸最佳分割参数为（0.5,0.6,520）,Kappa系数为0.909 2。粉砂淤泥质海岸最佳分割参数为（0.4,0.6,465）,Kappa系数为0.979 9。海岸带提取的生产者精度优于92.07%;耕地中有茬耕地和无茬耕地最佳分割参数为（0.5,0.6,180）,Kappa系数分别为0.858 7和0.915 3。耕地提取的生产者精度优于87.70%。由此可见,针对海岛每一种的土地利用类型,都会存在一个最优尺度与之相吻合,尚不存在单一的普适尺度满足所有地类。     

一种海洋遥感图像中尺度涡的自动检测方法

基于遥感图像涡区域检测边缘一般是由近似椭圆的分段圆弧曲线所构成的特点 ,提出一种“由粗到细”的海洋遥感图像中尺度涡计算机自动检测方法。首先对检测边缘利用曲线拟合和局部区域Hough变换的方法产生候选子区域 ,然后仅仅针对候选子区域利用局部区域图像灰度分割确定出涡的区域。实验结果表明所提出的方法可以完成处于成熟期、形态特征比较明显的中尺度涡自动检测     

结合显著性与GrabCut的无角毛类浮游植物显微图像分割

针对无角毛类浮游植物显微图像,结合显著区域检测和GrabCut算法,提出一种新颖的浮游植物细胞自动分割方法。首先,基于视觉注意机制的计算模型,检测输入图像的显著区域;然后,对生成的显著图进行预分割以获得浮游植物细胞的位置;再把细胞的位置信息用于初始化GrabCut算法,并迭代执行GrabCut;最后,应用去噪和平滑技术来输出细胞。实验表明该方法提取的前景目标形态完整、轮廓清晰、边缘规则。     

一种合成孔径雷达图像舰船假目标检测判别算法

由于合成孔径雷达(SAR)发射脉冲频率以及成像机理的影响,导致SAR图像在成像时存在方位模糊噪声,严重时会在图像上出现假目标,此时若采用传统的目标检测算法,将会把假目标误判为检测目标,降低目标检测的准确率,影响目标的分类识别。本文分析了假目标产生的原因,从理论上导出了假目标在SAR图像中出现的具体位置。从信号处理的角度,对SAR图像进行方位模糊抑制的仿真。然后采用双参数CFAR检测算法对SAR图像进行目标检测,依据真假目标区域连通面积大小不同,且假目标区域具有不连通、面积小等特点,在目标检测的同时,对真假目标进行判别。最后,采用10m×10m分辨率的SAR图像进行实验验证。实验结果证明该算法可以对由于方位向模糊产生的假目标进行有效检测。     

基于高斯混合模型的海冰图像非监督聚类分割研究

为了利用海冰图像识别技术获取海冰冰况信息, 探索了利用高斯混合模型进行海冰图像分割的技术途径, 描述了具体算法, 并利用高斯混合模型的最大期望值（EM）算法以及最小描述长度（MDL）准则对渤海海冰图像进行目标提取。研究结果表明, 该方法可以很好地实现海冰信息的有效提取和海冰图像的有效分割, 从而证明了建立在图像分割技术...