结合多混沌映射和输出反馈的图像加密算法

提出了一种结合多个Logistic混沌映射和逐段正弦混沌映射的图像加密算法。通过m个Logistic混沌映射的多次迭代,分别产生m个分段正弦混沌映射的初值和参数值,由m个分段正弦混沌映射迭代产生图像加密密钥序列,并引入密文输出反馈机制,对图像像素值逐点进行2轮异或加密。实验表明,该算法使密文对明文和密钥都充分敏感,加密图像像素值具有类随机均匀分布特性,相邻像素具有零相关特性,而且算法具有密钥空间大、加密速度快的优越性。     

一种有效的高分辨率SAR目标特征提取与识别方法

提出了一种有效的高分辨率SAR目标特征提取与识别方法,根据SAR图像目标对多尺度Gabor滤波器组的不同响应,充分利用多尺度信息及尺度间的相依性提取新的多尺度特征,该特征综合考虑了SAR图像目标的宏观和微观固有的尺度特性,从而更能反映目标的本质特征;并利用Fisher核映射使得非线性变换比线性变换更能刻画实际中的复杂模式。实验给出了MSTAR数据库中三类目标特征的空间聚类及分类情况,结果表明了该多尺度特征的有效性。     

水母特攻队

<正>水母来了晨曦悄然撕开天边的黑暗,清澈的阳光洒在贝克海滩上。海滩边上的露营者钻出野营帐篷,迎着晨光深呼吸,感受太平洋上吹来的腥咸海风。正是退潮的时候,海水一波一波向大洋深处退却,露出大片大片细腻的海滩。这正是露营者追拿螃蟹、贝壳、小虾米的好机会。几个心急的孩子已经拿起渔网和水桶,光了脚丫,尖叫着,跳跃着冲上海滩。晨光更清亮了,海滩上的一切都明晰起来。孩子们欢快地奔跑了几步,忽然停下来,诧异地看着脚下。     

基于直线特征和谱图理论的光学与SAR图像配准

针对可见光与SAR图像配准问题,提出了基于直线特征和谱图理论的配准方法。通过提取图像的直线特征求交点,再利用特征点集构造Voronoi图,结合谱图理论寻找匹配的Voronoi多边形,从而获得配准参数,最后根据仿射变换模型得到配准结果。实验结果表明,与传统配准算法相比,本文配准方法普适性好、配准效率高。     

FY-3微波成像仪10.6 GHz通道超分辨率图像重建

为改善风云三号 (FY-3) 微波成像仪10.6 GHz通道空间分辨率,提出利用超分辨率图像重建算法进行图像重建。分析并指出FY-3微波成像仪10.6 GHz通道具有过采样特征,具备重建得到高于瞬时视场图像的潜力;基于超分辨率图像重建理论,根据FY-3气象卫星轨道、姿态,微波成像仪性能参数以及工作模式等物理约束,建立微波成像仪的超分辨率成像模型,并推导计算出超分辨率成像模型参数;采用POCS算法重建得到10.6 GHz通道的超分辨率图像,采用目视比较分析、图像统计分析对重建图像进行质量评价:重建图像像元平均梯度提高26.5%,功率谱分量和提高5.7%,重建图像具有更高的空间分辨率;台风亮温分析应用显示了从重建图像可发现更微小的景物细节目标。采用超分辨率图像重建算法对FY-3微波成像仪10.6 GHz通道进行重建处理,结果有效且正确,可为数据用户提供更多可用的遥感数据,对微波遥感数据应用具有提升作用。     

高维遥感图像的快速分类算法

为了实现对高维遥感图像的快速准确分类,提出了一种基于k均值二叉树支持向量机(SVM)的分类方法。该方法通过对选取的训练样本进行k均值聚类,生成支持向量机分类二叉树,作为确定最佳分类顺序的依据,以降低分类过程中的误差累积并提高整体分类精度,而且可缓解由样本数量不均衡导致的分类误差。该方法可在不进行降维处理的情况下,对高维遥感图像进行快速准确分类。测试结果表明,其分类速度和分类精度都优于传统的支持向量机分类结果。     

基于Web的雷州文化数字化展示传播平台关键技术研究

为解决雷州文化缺乏对外展示传播平台的困境,将三维激光扫描、物联网、多维图像展示、虚拟漫游等技术相结合,采用技术集成理念,详细设计平台架构、功能模块,构建雷州文化空间数据库、知识库,并运用三维图像处理、场景建模、360度全景漫游等技术对重点文物进行虚拟化展示,实现基于Web的雷州文化数字化展示传播平台,重点阐述全景漫游、基于文本和内容的图像检索、数据库快速访问等关键技术。     

基于岩石图像深度学习的岩性自动识别与分类方法

岩石岩性的识别与分类对于地质分析极为重要,采用机器学习的方法建立识别模型进行自动分类是一条新的途径。基于Inception-v3深度卷积神经网络模型,建立了岩石图像集分析的深度学习迁移模型,运用迁移学习方法实现了岩石岩性的自动识别与分类。采用此方法对所采集的173张花岗岩图像、152张千枚岩图像和246张角砾岩图像进行了学习和识别分类研究,通过训练学习建立岩石图像深度学习迁移模型,并分别采用训练集和测试集中的岩石图像对模型进行了检验分析。对于训练集中的岩石图像,每组岩石分别用3张图像测试,三种岩石的岩性分类均正确,且分类概率值均达到90%以上,显示了模型良好的鲁棒性;对于测试集中的岩石图像,每组岩石分别采用9张图像进行识别分析,三种岩石的岩性分类均正确,并且千枚岩组图像分类概率均高于90%,但是花岗岩组2张图像和角砾岩组的1张图像分类概率值不足70%,概率值较其他岩石图像低,推测其原因是训练集中相同模式的岩石图像较少,导致模型的泛化能力减小。为了提高识别精确度,对准确率较低的岩石图像进行截取,分别取其中的3张图像加入训练集进行再训练,增加与测试图像具有相同模式的训练样本;在新的模型中,对3张图像进行二次检验,测试概率值均达到85%以上,说明在数据足够的状况下模型具有良好的学习能力。与传统的机器学习方法相比,所提出的岩石图像深度学习方法具有以下优点:第一,模型通过搜索图像像素点提取物体特征,不需要手动提取待分类物体特征;第二,对于图像像素大小,成像距离及光照要求低;第三,采用适当的训练集可获得较好的识别分类效果,并具有良好鲁棒性和泛化能力。     

基于神经网络的页岩微纳米孔隙微结构分析的正则化和最优化方法

页岩气成藏机理与页岩内部孔隙结构紧密相关,对页岩孔隙结构的研究成为页岩气勘探开发技术中至关重要的一环。页岩内部不同结构体组分对X-射线的吸收能谱不一样,这样就导致观测数据是由不同页岩组分衰减不同波段的X-射线构成的。经过对CT图像分割,能够获得页岩微孔结构的图像,尤其是获得有机质中孔隙类别、形状、尺寸、空间分布、连通特性。本文利用同步辐射X射线扫描重构的页岩CT数据,研究并设计基于多能CT图像的神经网络图像分割技术和算法,以期得到页岩体三维结构特征及空间分布,可以为建立有机质种类和无机矿物组成与微纳孔隙特征的联系以及最终实现页岩气的资源储量评估和勘探开发提供技术支持。     

基于双波段图像的玉米长势自动观测技术研究

基于双波段图像的玉米长势自动观测方法研究