医学图像灰度归一化显示技术研究

本文介绍了对肝脏图像进行均衡化处理、维纳滤波处理、中值滤波处理,并按灰度直方图分析的取值对均衡化后灰度图像、维纳滤波处理后的灰度图像、中值滤波处理后的灰度图像进行灰度调整。图像放在一起分析比较图像质量并进行讨论。本论文提出的基于直方图分析的中值滤波灰度调整的图像处理创新技术使肝脏图像处理后图像细腻、组织结构清晰、兴趣区层次感加强,对临床诊断具有积极意义,不通过调节窗宽窗位,达到图像灰度归一化显示,易于计算机自动识别。     

基于局部方差的安全玻璃碎片自动检测算法

针对安全玻璃质量检验中碎片状态试验结果的判定问题,在分析了自然光线下获取的安全玻璃碎片图像特点后,提出了一种安全玻璃碎片自动检测与识别算法。首先,用基于局部方差的直方图均衡化算法进行目标增强;然后,用固定阈值进行图像分割,对缝隙线和碎片内部的噪声分别去除;最后用分水岭变换进行碎片识别。该算法能够准确刻画碎片的缝隙线,得到碎片的块数,并能够为安全玻璃碎片状态试验结果判定提供依据。     

利用双灭点估计的车道线检测

车道线检测是自动驾驶汽车或高级驾驶辅助系统的重要组成部分,利用安装在车辆前方的单目相机以实时成像的方式获取车辆在当前车道的横向偏移,从而为车辆的车道保持、超车换道等横向控制策略提供参考。本文提出了一种基于双灭点估计的实时、稳健的车道检测方法。首先利用尺度自适应的局部对称算子对车道线点特征进行提取;其次对左右车道线分别估计灭点,以灭点为导向,构建特征点的统计直方图;然后选择穿过大多数特征点的直线且通过特征点和所选线之间的重叠度对灭点进行估计更新,重复上一步骤以获得稳定的灭点;最后基于稳定的灭点验证并选择最佳的车道线。本文在公共数据集对提出的方法进行了测试,试验结果表明,本文方法在满足实时性的前提下,能有效提高算法整体的稳健性。     

交通监控视频图像语义分割及其拼接方法

视频拼接是图像拼接的外延,在场景监控、目标识别等应用中发挥着重要作用。传统视频拼接算法多要求视频间具有较大重叠区域且特征点匹配过程中只顾及图像几何特征,当处理交通监控视频时,会因不同摄像头之间重叠区域极小或主光轴之间夹角较大而导致无法拼接或图像变形较大。为此,本文提出一种交通监控视频图像语义分割及其拼接方法。首先,利用边缘角度二阶差分直方图算法自动识别多视频交汇区域的正射影像,并将其作为拼接背景图像;然后,基于全卷积神经网络对正射影像和视频图像进行语义分割,提取图像中的交通专题语义;最后,以交通专题语义作为约束进行特征点匹配,将各个交通监控视频匹配至背景正射影像,实现监控区域视频拼接。采用山东省某市实际视频数据进行试验验证,结果表明对于重叠区域较小的监控视频,本文方法可获得较好地拼接图像,同时可有效提高特征点匹配的准确度。     

风云三号卫星被动微波反演海洋上空云液态水含量

云液态水含量是气候和水循环研究的重要云微物理参数，也是目前气候变化研究中的最不确定因素之一。通过极轨气象卫星被动微波观测的光谱和极化特征能够实现对云液态水含量的直接测量，本文介绍了一种基于风云三号卫星微波成像仪（MWRI）观测亮温的全天候云液态水含量反演算法，利用快速辐射传输模式、云模型和大气廓线库建立MWRI模拟亮温库并训练反演系数的宽气候态物理算法可以保证算法系数在不同季节和不同地区的适应性。同时提出了一种基于观测增量（O-B）筛选晴空像元并对算法系数及比例因子进行订正的方法。利用统计直方图方法和卫星间交叉比对方法对反演产品精度进行了检验，统计直方图方法检验结果表明，FY-3C云水反演误差为0.028 mm，FY-3D为0.025 mm，与国外同类产品的精度相当；与低轨卫星微波辐射计GMI云水产品的交叉比对结果表明，两者具有较高一致性，均方根误差为0.0325 mm。FY-3C/3D CLW产品目前已经投入业务应用，上下午星组网能够一天内基本覆盖全球，实现全球云水分布监测。     

MODIS和AVHRR植被指数关系的研究

对同一区域不同时次的MODIS和AVHRR的归一化植被指数 (NDVI),从直方图和特征空间分布方面进行了分析比较。     

基于遗传算法的影像分级决策融合

在传统的影像单级融合技术基础上提出了基于遗传算法的分级影像决策融合方法，该方法适用于影像之间的冗余度、互补程度和融合顺序均未知的情况。算法采用模糊逻辑和遗传算法确定了影像间的冗余度和互补程度，并由此得出了近似的影像最优分级决策融合方式，最后通过实验比较了分级融合、单级融合以及源影像的目视效果和数学统计结果。     

基于图像融合和改进阈值的管道机器人探测图像增强方法

管道机器人探测能快速、准确和直观地识别管道结构性和功能性隐患,受管道内环境限制,探测的图像存在光照不均、对比度低和细节模糊等问题。为此,提出了一种管道机器人探测图像的增强技术。首先采用限制对比度自适应直方图均化（Contrast Limited Adaptive Histogram Equali-zation,CLAHE）和同态滤波（Homomorphic Filtering,HF）处理光照不均匀和对比度低的问题,并将2种方法结果进行融合。而后将融合的图像进行非下采样轮廓波变换（Nonsubsampled Contourlet Transform,NSCT）,并采用改进的Bayes-Shrink阈值对高频系数进行噪声去除。最后采用非线性映射函数对细节进行增强,并进行NSCT逆变换得到最终增强图像。选取5幅典型管道机器人探测图像进行增强处理,并与4种常见的图像增强技术进行对比。结果表明,基于图像融合和改进阈值的管道机器人探测图像增强技术可有效提高图像的整体和局部对比度,并有效增强图像的细节,能有效解决管道机器人探测图像存在的主要问题。     

The Use of Rank Histograms and MVL Diagrams to Characterize Ensemble Evolution in Weather Forecasting

Rank Histograms are suitable tools to assess the quality of ensembles within an ensembleprediction system or framework. By counting the rank of a given variable in the ensemble, we arebasically making a sample analysis, which does not allow us to distinguish if the origin of itsvariability is external noise or comes from chaotic sources. The recently introduced Mean to VarianceLogarithmic (MVL) Diagram accounts for the spatial variability, being very sensitive to the spatiallocalization produced by infinitesimal perturbations of spatiotemporal chaotic systems. By using asa benchmark a simple model subject to noise, we show the distinct information given by Rank Histogramsand MVL Diagrams. Hence, the main effects of the external noise can be visualized in a graphic. Fromthe MVL diagram we clearly observe a reduction of the amplitude growth rate and of the spatial localization(chaos suppression), while from the Rank Histogram we observe changes in the reliability of the ensemble.We conclude that in a complex framework including spatiotemporal chaos and noise, both provide a morecomplete forecasting picture.     

House change detection based on DSM of aerial image in urban area

The change of house often brings on the change of DSM in an area over different periods. If we can apply information of the height of houses to reinforce the house change detection, the reliability and efficiency of detection methods will be improved greatly.From this viewpoint, a new approach taking advantage of both height data from an image pair and image data is proposed to detect the house change in urban area and is called "data fusion technology".