一种改进的一维最大熵星图分割算法

在CCD天文测量技术中，星点质心坐标提取的精度直接影响野外天文测量的坐标精度，而星图分割算法是数字星图处理技术中最为关键的一环。一维最大熵星图分割算法具有良好的二值化效果，且能够充分保留星图图像信息，其可靠性与准确性均已得到了试验验证。本文基于一维最大熵星图分割算法，提出了一种改进的星点区域划分算法，可以在不影响精度和可靠性的前提下，大幅提升一维最大熵算法的运算效率，进一步提高野外天文测量作业的效率，在实际作业中，具有更好的可应用性。     

视频测量机器人在野外天文测量中的应用

测量自动化是未来天文作业的发展方向。针对现有的天文测量系统仍需人眼观测恒星的缺陷,基于视频测量机器人TS50i的工作模式,详细介绍了其相关参数和关键技术,提出了利用TS50i代替传统全站仪进行自动天文测量的方法。采用星图处理方法解算室内观测模拟数据,验证了基于其视频测量特点的星点提取算法的适用性,其室内模拟实验横纵方向的星点提取精度分别达到0.010和0.011像素。基于大量室外观测结果表明:以视频测量机器人为平台的自动天文测量具有可靠性和准确性,经纬度定位精度达到分别优于0.24″和0.22″,可以满足野外高精度的天文测量要求。     

背景预测与目标标记法结合的星图星点提取算法

姿态测量设备通常是以恒星作为观测基准的高精度姿态测量敏感器。针对高精度星点提取可以保证姿态解算精度及有效性的提高问题,该文针对星图影像特点,融合背景预测的思想,结合数学形态学目标标记的策略,提出了一种高精度星点提取算法。模拟和实际星图影像提取试验表明,该方法克服了传统阈值法的阈值设定困难,易受噪声影响的缺点,星点可实现高精度正确提取,算法稳定可靠、适用性强,具有工程实用价值。     

图像全站仪星点质心快速提取方法研究

提出了一种图像全站仪恒星图像快速星点质心提取方法。该方法首先推导了顾及高度角影响的度盘坐标与像素坐标严格转换模型,并利用其逆变换模型预测恒星概略成像位置;其次以概略成像位置为中心,以一定范围为半径,设定星图处理的范围;最后采用全局阈值分割算法滤除背景噪声,采用八连通域算法确定星点边界,采用灰度质心法计算星点质心坐标。通过对全站仪恒星图像的局部有效处理,与全局图像处理方法相比,将星点质心提取时间缩短到2.1%;质心提取的准确率由90.9%提高到100%,保证了质心提取精度,为实现快速天文测量提供了支撑。     

基于星敏感器的星图匹配方法的对比与分析

随着对地观察测绘卫星、深空探测卫星对姿态测量精度要求的提高,进一步提高星图匹配精度是当前面临的重要课题之一。星点提取和定位是星图识别的前提。本文简单探讨了新型Top-hat变换的星点提取方法,通过实验对比分析了三角形星图匹配算法和采用P向量的星图匹配算法优缺点。      

鱼眼星图中的水天线自动提取算法

鱼眼星图中水天线的检测是实现小型化舰载天文导航系统和海面目标侦测系统的关键技术,然而夜间拍摄的鱼眼星图背景复杂,整体灰度值较低,使用传统的边缘检测算法无法准确提取水天线.本文提出一种鱼眼星图水天线自动提取算法,分为预处理和水天线自动提取两部分.预处理策略中,针对背景复杂问题,设计了四边框分块法,简化图像中水天线所在区域的背景;针对噪声问题,引入了修正的阿尔法均值滤波器对分块之后的图像进行平滑处理.水天线自动提取中,针对水天线为单向弧段的特点,设计了特定的线状模板进行卷积以获得连续的水天线;针对水天线上舰船灯光等小目标的干扰,采用设定阈值的方式剔除异常特征点以获得准确的水天线.在此基础上,拟合估计出实测鱼眼星图中的水天线检测精度.基于多种复杂实验条件下的拟合结果表明,水天线的检测中误差平均值为0.77像素,能够满足舰船天文导航和海面目标侦测对水天线提取的精度需求.     

侧扫声呐图像分割的中性集合与量子粒子群算法

针对现有的侧扫声呐图像分割方法存在分割准确率不高和效率偏低的问题,提出了一种基于中性集合和量子粒子群算法的侧扫声呐图像阈值分割方法。通过基于中性集合计算图像灰度共生矩阵,实现了侧扫声呐图像精细纹理的表达,提高了分割精度;基于二维最大熵理论,采用量子粒子群算法计算二维最优分割阈值向量,实现了分割阈值向量的快速准确获取,提高了分割效率和精度。最终实现了高噪声侧扫声呐图像目标的准确、高效分割。通过对含有不同目标的侧扫声呐图像的分割试验,验证了该算法的有效性。     

星光导航星点目标区域提取算法改进

星图中星点目标区域的提取关乎星点中心提取的精度,对后续星光导航定位计算至关重要。本文针对现有边界搜索算法实时性差、个别星点边界搜索计算失效的不足,以及视框提取算法单个视框内有多颗星点时无法识别处理的缺陷,提出了一种适用于大视场星图多星点目标区域提取的改进算法。基本思路是：首先采用视框提取算法初步提取目标区域;然后利用本文提出的对角线判定算法,筛选出单星点目标区域和可能含有多星点的目标区域;最后对可能的多星点目标区域采用边界搜索算法,提取每颗星点的目标区域,实现多颗星点目标区域的识别处理。实测星图处理结果表明,本文算法提取单星点目标区域的效率比边界搜索算法提高48%;视框大小为16～60个像素时,提取多星点目标区域的准确率优于98%,可消除视框提取算法由于多星点无法识别引起的近10像素的星点中心坐标误差,使星图中所有星点中心坐标的总体提取精度提高3.78倍,达到0.038像素。     

二维Renyi灰度熵和模糊聚类在图像分割中的应用

针对传统二维Renyi熵阈值算法计算复杂度高的问题,提出一种改进的二维Renyi图像分割算法。该算法利用两个一维Renyi熵算法的阈值来代替传统二维Renyi法的阈值,使得计算复杂度大大降低;同时为了改善图像分割效果,综合使用了FCM算法。实验结果表明,改进的算法充分发挥了二者的优势,不仅提高了运算速度,且分割效果更好。     

基于图像全站仪的天文大地垂线偏差测量及其精度分析EI北大核心CSCD

高精度天文大地垂线偏差在地球重力场模型精化、区域大地水准面模型验证等领域具有重要的应用。目前,数字天顶仪是最为常用的天文大地垂线测量仪器,但存在结构复杂、体积庞大、设备笨重、价格昂贵、运输不便等缺点。本文提出了一种利用图像全站仪实现高精度、全自动垂线偏差测量的方法。简要介绍了垂线偏差测量的基本原理和数据处理方法,并利用Leica公司生产的TS60图像全站仪,在河南郑州和陕西泾阳进行了为期1 a共计23个夜间的野外试验。结果表明,观测时间为12 min时,垂线偏差的内符合测量精度达到0.18″~0.23″;观测时间增加到96 min时,内符合精度提升至0.13″~0.19″,外符合精度优于0.2″。与数字天顶仪相比,图像全站仪兼具了测量精度和效率,甚至具备单人观测的条件,因此具有广阔的推广应用前景。     

改进分数阶达尔文粒子群的多Renyi熵图像分割算法

针对智能优化图像分割算法易陷入局部最优、分割精度不高等问题，本文融合改进的分数阶达尔文粒子群算法和二维Renyi熵多阈值，提出了一种新的多阈值遥感图像分割算法。算法利用粒子自身进化信息来定义进化因子，结合进化因子并利用高斯图函数调整分数阶次α系数以实现精确计算和快速收敛；根据局部最优概率因子对局部最优位置进行Levy飞行随机扰动以提高算法跳出局部最优的能力；同时将二维Renyi熵单阈值扩展到多阈值分割上，并结合改进的分数阶达尔文粒子群算法，将二维Renyi熵多阈值应用于遥感图像分割中。仿真结果表明，与其他2种智能优化分割算法相比，本文分割算法在细节处理和分割精度上均有明显优势，在PRI上至少提升7.27%、VOI至少降低6.5%、GCE至少降低10.4%。     

数字天顶摄像仪中CCD星象亚像素定位的改进二维矩方法

在利用数字天顶摄像仪通过天文测量确定天文垂线偏差的工作中,要求对CCD数字图像中星象中心进行亚像素定位。本文利用MATLAB实现对FITS格式CCD天文图像的正常读取,并与FV读取结果比较分析。在已有亚像素定位的修正矩方法基础上,提出一种利用迭代法寻求合适门限对二维修正矩方法进行改善。利用MATLAB实现对实测图像数据的处理与分析,探讨门限的取值对不同星等恒星定位精度的影响,给出门限的最佳取值。通过与已有修正矩算法处理结果比较分析,在以往修正矩方法计算基础上改进计算区域后再用迭代法计算,暗星定位精度有了很大提高。     

基于随机森林的遥感影像变化检测

随机森林是一种新兴的、高度灵活的机器学习算法，在预测和分类方面有着良好的稳定性，且算法性能要优于许多单预测器。鉴于此，本文提出了随机森林的遥感影像变化检测算法，利用熵率法对遥感影像进行超像素分割，获取最优分割结果；构建了基于随机森林的遥感影像变化检测模型，以所提取的Gabor特征和光谱特征作为模型输入进行训练和预测，并将有决策树的投票作为最终的变化检测结果。试验结果表明，本文所构建的随机森林变化检测模型在漏检率和虚检率上明显低于其他算法，且总体正确率高，在算法时间上也明显优于其他算法。     

SAR图像不同油膜特征的最佳分割方法选择

SAR图像溢油分割是SAR溢油监测中一个重要环节。文中选取4种不同形状、尺寸和对比度的SAR油膜数据,分别采用双峰阈值分割法、最大熵分割法、区域生长法、分水岭算法、图割法、水平集方法等6种方法进行溢油信息提取,探讨适合于不同油膜特征的最佳提取方法。结合现有尺度分割标准,提出一种SAR图像溢油信息评价指数——有效分割指数(Effective Segmentation Index,ESI),对不同分割方法得到的溢油提取结果进行定量评价,得出了不同特征油膜所适合的最佳分割方法。     

高分辨率遥感影像快速去雾

针对含雾遥感影像在军事航空侦查、地物判读等方面使用率低、有效性差的问题,以及现有去雾算法中存在计算复杂耗时、色彩失真的弊端,结合遥感影像景深变化小、不含天空背景等特点,本文提出一种改进的暗原色先验去雾算法。首先,对影像中白色场景灰度值进行统计并设定阈值划分为失效区,分离水域与非水域减少蓝色波段在水域的占比,合成新的蓝色波段,以改进暗通道值的获取方法;其次,采用导向滤波替代软抠图法优化透射率提升处理时间;然后,对关键参数进行适应性改进试验并采用自动色阶恢复去雾后的影像色彩;最后,利用含雾的无人机影像和GF-2影像进行了试验,并进行了定量评价。试验结果表明,在同等试验条件下,本文方法处理单幅影像的时间比暗原色先验去雾算法的提升4倍以上,且去雾后影像的灰度均值、标准差、信息熵、平均梯度等指标比暗原色先验去雾算法得到的值均有提高,能有效提高有雾影像的清晰度,增强影像色彩和细节。     

Computationally Efficient Mean-Shift Parallel Segmentation Algorithm for High-Resolution Remote Sensing Images

In high-resolution remote sensing image processing, segmentation is a crucial step that extracts information within the object-based image analysis framework. Because of its robustness, mean-shift segmentation algorithms are widely used in the field of image segmentation. However, the traditional implementation of these methods cannot process large volumes of images rapidly under limited computing resources. Currently, parallel computing models are generally employed for segmentation tasks with massive remote sensing images. This paper presents a parallel implementation of the mean-shift segmentation algorithm based on an analysis of the principle and characteristics of this technique. To avoid the inconsistency on the boundaries of adjacent data chunks, we propose a novel buffer-zone-based data-partitioning strategy. Employing the proposed data-partitioning strategy, two intensively computation steps are performed in parallel on different data chunks. The experimental results show that the proposed algorithm effectively improves the computing efficiency of image segmentation in a parallel computing environment. Furthermore, they demonstrate the practicality of massive image segmentation when computer resources are limited.     

基于粒子群优化算法的最大类间方差多阈值图像分割

最大类间方差法是图像分割中一种常用的阈值分割方法,对于单阈值分割具有显著的效果,但是对于多阈值分割,计算复杂度大、耗时较多。本文将粒子群优化算法与最大类间方差法结合,提出了一种新的图像分割方法,该方法利用粒子群优化算法的寻优高效性,并由灰度图像的最大类间方差值作为适应值,搜索最优分割阈值,实现图像的多阈值分割。实验结果显示,新方法大大缩短了寻找最优阈值的时间,降低了运算复杂度,提高了图像分割速度,说明基于粒子群优化算法的图像分割算法是可行的、有效的。     

自动确定图像二值化最佳阈值的新方法

在详细分析二值化处理原理及当前技术的前提下，综合考虑图像的各种实际情况，提出了自动确定图像二值化阈值的增强大津法和边缘检测阈值法。多次实验表明，根据这两种方法确定的阈值对图像进行二值化处理，不仅可有效地解决图像灰度随地特征变化的图像处理问题，同时对于同一信号源的图像也有相当理想的处理效果，该方法可进一步应用于图像分割等。