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。     

基于暗原色先验的单幅雾天降质图像复原方法

恶劣的气象条件是制约遥感数据获取的重要因素之一。 首先引入“暗原色先验”作为约束条件用以获取场景深度和大气条件等参数,并基于雾天成像模型,设计单幅影像的去雾处理流程;然后针对其中大气透射率内插优化过程计算量巨大的实际问题,采用小波变换技术对原始影像进行预处理,将原来弥漫在整幅影像空间的低频薄雾信息集中到一个非常小的图像块内进行复原处理,大大降低了计算量,提高了处理效率;最后,利用多幅黄山地区的航空遥感影像进行试验,结果表明该方法能够快速、有效的去除薄雾影响。     

基于YOLOv3深度学习的海雾气象条件下海上船只实时检测

海雾气象条件下船只高精度检测识别面临较大困难,传统的目标识别、定位方法效果差强人意。作者围绕海雾气象条件下不同类型船只的实时检测问题,提出一种基于YOLOv3深度学习的实时海上船只检测新思路。首先构建清晰图片和模糊图片（海雾、雨）的判别方法,实现图片清晰度分类处理;其次为提高海雾气象条件下海上船只的实时检测精度,消除海雾遮挡对目标识别的影响,运用暗通道先验去雾方法对含有海雾的图像实行去雾;最后基于YOLOv3深度学习算法对精细处理后的图像进行船只实时检测。实验结果表明该方法能够在海雾气象条件下高效、准确地检测到船只,对海上复杂环境条件下的船只实时检测研究具有一定的理论指导意义。     

基于分层的FCM算法在医学图像分割中的应用

图像分割是医学图像处理的关键问题和核心技术,医学图像中部分容积效应(PVE)、强度不一致(IIH)等现象的存在使该问题更为困难。作为有效处理PVE现象的FCM算法,在运行效率上面临着很大挑战。本文提出了一种基于分层的FCM算法,其核心思想是假设医学组织器官的聚类中心仅仅取决于隶属该组织器官的像素,而与隶属于其他组织器官的像素无关。通过这样处理,不仅可以保证较好的分割效果,从一定程度上改善强度不一致现象,同时可以提高算法的运行效率。在不同医学图像上的分割结果验证了算法的有效性与可靠性。     

基于粗糙集理论的水下红外图像增强

图像增强是通过改变图像中某类像素的灰度值,以改变图像视觉效果或为有助于机器自动分割。水下红外图像对比度差,干扰强,为了便于人工判读,在保边去噪的基础上还要进行增强处理。将基于粗糙集理论的中值滤波和增强方法应用于水下红外图像处理中,给出了实验结果。结果表明这种方法具有可行性。     

基于粗集理论的声呐图像中值滤波

保边去噪是图像滤波中的主要问题。声呐图像像素少品质恶劣,保边去噪显得尤为重要。将基于粗集理论的中值滤波应用于声呐图像处理中,给出了实验结果。结果表明这种方法具有可行性。     

基于侧扫声呐的水下小目标检测技术研究

针对水下小目标探测与识别难的问题,开展基于侧扫声呐的声呐图像滤波、图像分割及目标提取方法研究。常规滤波方法难以有效清除图像中存在的噪声,从而造成图像质量下降。采用非局部均值滤波算法与GPU加速的方法,在获得声呐图像较好处理效果的同时,满足水下小目标检测实时性的要求;同时,采用膨胀算法与Canny边缘检测算法相结合的方式,实现了水下真假目标的有效区分。     

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.     

基于静态小波变换改进邻域系数法的遥感图像滤波

针对NeighShrink滤波算法存在的不足,提出了改进的阈值估计策略和系数收缩方案,并将改进算法与静态小波变换相结合进行图像滤波,取到了较好的滤波效果.实验验证了改进算法的有效性,以峰值信噪比PSNR作为客观评价指标,通过与经典方法的比较,对该算法的滤波性能做出了客观评价.     

基于MRF与引导滤波的声纳图像去噪方法

声纳具有对大范围水下场景探测的能力,一直以来都是水下设备感知外界环境的重要手段,但由于声纳图像分辨率低,海洋环境噪声干扰较为复杂,所以在诸多方面的应用都受到了限制。文中提出了一种基于马尔可夫随机场和引导滤波的声纳图像去噪与增强方法,使用马尔可夫随机场对声纳图像进行预分割,然后采用中值滤波方法对原始图像进行简单滤波处理,最后将该图像作为引导图像对马尔可夫随机场(Markov Random Field,MRF)分割后的图像进行引导滤波实现了对声纳图像的去噪与增强。该方法有效地去除了背景和影子内的噪声,对目标区域内部噪声起到了很好的抑制作用,消除了MRF分割产生的伪轮廓效应,具有较好的边界保持和增强效果。     

基于非锐化掩模引导滤波的水下图像细节增强算法研究

针对水下图像对比度偏低,细节模糊的问题,本文提出基于非锐化掩模引导滤波的细节增强方法。首先由原始图像做引导图进行滤波得到细节层图像,并对细节层使用噪声检测的中值滤波去除斑点噪声;然后对原始图像进行基于均值滤波的非锐化掩模,得到锐化图像,并将锐化图像作为引导图对原始图像进行引导滤波,获取基础层图像;最后将滤波后的细节层进行增益后与引导滤波获取的基础层进行叠加,达到增强水下图像细节的目的。并通过信息熵、局部对比度和平均梯度3种客观评价指标对图像处理结果进行了对比分析,主观和客观测试结果表明,本文采用的算法能够有效提高图像对比度以及增强细节信息,有利于提高水下图像资料解释的准确性。     

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。     

基于分区自适应阈值的声呐障碍物检测算法研究

针对UUV避碰声呐探测障碍物过程中自主选择分割阈值进行障碍物检测的问题,提出了基于分区自适应阈值的障碍物检测算法。首先将避碰声呐图像均匀分为相同大小的图像块,对每个图像块基于最大类间方差算法确定该区域障碍物图像分割的高低阈值,然后对检测到的障碍物进行形态学处理去除孤立噪声点,对目标区域进行连通性分析及内部空洞处理,最终得到完整的障碍物轮廓信息。通过湖试数据验证表明了该方法对声呐障碍物检测的有效性。     

一种自动分类的加权模糊C均值图像分割算法

加权模糊C均值算法(WFCM)是1种有效的图像分割算法,该算法的分类数需要人工确定。为了提高算法的自动化程度,本文提出了先采用基于直方图平滑的峰点检测方法自动确定图像的分类数,再利用WFCM分割图像的算法。大量实验结果显示,此算法能够正确地对图像分类,并且合理地分割图像。     

基于L0梯度平滑与图像分块聚类的海天线检测

海天线检测在海洋工程安防活动中具有重要的意义，真实海洋环境中的海天线检测易受云朵、海浪、光照变化、目标遮挡物、边界模糊等外界干扰。为了实现对真实海洋环境中海天线的检测，本研究提出一种基于L0梯度平滑和图像分块聚类的海天线检测算法。首先，对图像进行L0梯度平滑滤波，以增强海天线边缘，弱化非海天线因素干扰；接着，将图像沿着竖直方向分割成若干等宽图像块，以降低整体环境干扰，加强局部海天线检测效果；然后，通过Canny算子和霍夫变换提取每个分割图像块中的直线段；最后，采取K means聚类算法提取每个图像块中的海天线段，拟合生成完整海天线。实验结果表明，在真实的海天线数据集中，本研究方法获取的矩形框重叠率平均精度为93.22%，角度差平均精度为7.66%，均高于文中选取的近年典型对比算法。满足实际海天线检测抗干扰强、准确率高、适应性广等要求。     

导航雷达近海回波图像丢帧内插技术研究

研究了在连续的X波段导航雷达图像序列中丢失一帧图像状态下的一种快速修复算法.该算法主要采用基于运动估计与运动补偿的视频序列修复技术进行插帧修复.具体步骤是根据雷达图像中像素点的运动特点,采用改进的三步搜索算法并结合双向运动估计进行搜索,然后对矢量场进行后续处理,最后内插出重建帧.为了提高图像修复的精度,还引入了亚像素运...     

基于改进U-Net的海岸线提取方法

遥感影像海陆分割对于海岸线提取及其动态监测具有重要意义。传统的基于光谱特征和图像处理的海岸线识别和提取方法,在面对高分辨率遥感图像复杂的纹理和空间分布时,只能生成具有局限性的图像特征结果,且分割结果准确率不高。本文将深度卷积神经网络应用于高分遥感图像的海陆分割问题,并在经典编码器-解码器结构的基础上进行了创新。首先,为了降低调参难度引入批归一化层,降低了网络对参数的尺度和初始值的敏感度;其次,采用转置卷积代替传统卷积,在模型训练过程中通过梯度递减算法,不断更新参数权值,显著提高语义分割的精度。利用研究区域高分一号遥感图像数据对于人工岸线及自然岸线的分割实验结果显示:相较于经典U-Net与SegNet,改进U-Net网络,对于各种自然岸线和人工岸线具有更低的边界模糊度和更准确的分割结果,对于自然岸线的提取结果,漏检、错检现象较少;对于人工岸线的提取具有更大的感受野,能够提取岸线的空间结构信息,避免误分类。面对日益丰富的高分辨率的遥感影像数据源,基于改进U-Net的海岸线提取,能更好地保留边界信息且具备更优的语义分割效果,可以更为准确地挖掘高分遥感影像的空间分布特征、纹理特征以及光谱特征,...     

PIV亚像素匹配精度及粒子大小和浓度的影响

利用计算机仿真粒子图像精确控制仿真粒子亚像素位移,讨论不同窗口下二次多项式曲面拟合法与基于梯度亚像素位移算法的匹配精度.针对粒子均匀移动的理想情况,发现二次多项式曲面拟合法的匹配精度随匹配窗口的增大而提高,而基于梯度亚像素位移算法的匹配精度几乎不随匹配窗口的增大而改变,两种算法匹配精度均在0.1个像素内.分析存在理想涡...