一种改进的FCM遥感图像变化检测方法

针对传统模糊C均值(Fuzzy C-Means,FCM)算法受初始聚类中心影响而陷入局部最优的问题,提出了一种基于遗传算法(Genetic Algorithm,GA)的改进模糊C均值聚类算法。主要通过差值法获得图像的差异图,利用主成分分析(Principal Component Analysis,PCA)法提取变化影像的主要特征信息,利用遗传算法(GA)群体搜索的优点对传统的模糊C均值算法进行改进。对遥感图像的变化检测实验表明,改进的聚类算法克服了传统算法的缺点,在保留图像细节特征的前提下能有效提高检测精度,相比其他几种常见的聚类算法更有优势。     

基于深度学习和空间分析的港口识别

针对港口难以自动识别的问题,在高分辨率可见光遥感影像上将深度学习和地理空间分析相结合,提出了船舶-码头-港口递进式识别模型.首先,对构建的码头样本数据集进行数据增强,并用增强后的数据集来训练YOLO v3算法.然后,在大幅遥感影像上利用滑动窗口进行多尺度识别,获取影像底层特征以计算出码头类别和像素坐标.最后,将码头点位转化为地理坐标,使用Getis-Ord Gi*统计方法进行热点分析.并利用经典的密度聚类方法,实现了对港口位置及范围的识别与提取.在实验区中的识别对比结果表明,在1000 m聚合阈值下,所提模型对港池识别的比例达到82.79％.     

基于路面约束的行人检测感兴趣区域提取

针对行人检测存在识别精度不高,实时性较差等问题进行相关研究.分析了基于多尺度滑动窗口法提取行人检测窗口的缺点,为解决行人检测中检测窗口数量过多的问题,提出在图像分割和路面提取的基础上实现对行人检测窗口的提取.先利用FCM聚类算法训练得到分割阈值,其次提取路面区域,根据路面区域筛选可能存在的行人位置,进而提取感兴趣区域,并对相应的感兴趣区域提取HOG特征进行进一步精确分类.实验结果表明,采用基于路面约束的图像分割方法来提取感兴趣区域,有效减少了遍历窗口的数量,从而提高了行人检测速度和检测精度.     

遥感图像扫描聚类分割算法

针对传统聚类分割算法对噪声和异常值敏感的问题,利用RGB特征空间对图像主体的表达能力及图像空间的邻域相关性,基于扫描聚类原理提出一种对噪声和异常值具有较强鲁棒性的遥感图像分割算法。算法以椭球形建模不同目标在RGB特征空间分布,以三个主成分方向逼近椭球三轴方向,通过逐渐调整椭球中心、主成分方向以及三轴长度使椭球对目标主体在RGB特征空间分布达到最优拟合效果,进而实现RGB特征空间不同目标主体的识别。RGB特征空间能够有效区分不同类型目标,但无法判定远离聚类主体像素的隶属性。为了充分利用图像空间相邻像素隶属于同一目标的可能性较大这一性质,利用相邻像素标号填补主体分割结果中的空洞区域,得到对噪声具有较强鲁棒性的完整分割结果。对合成遥感图像和真实遥感图像的分割实验表明,提出算法不但能够有效识别目标主体,还能极大程度地提高算法对噪声和异常值的鲁棒性。      

非线性脑区相关性分析及动态脑网络构建方法

针对静息态脑功能磁共振的血氧依赖水平信号中的非线性特征,在基于滑动窗口的动态数据分析技术的基础上,本文重点对构建全脑动态特征矩阵过程中的不同非线性相关分析方法展开了对比研究,并给出了构建脑网络中的阈值确定方法。脑网络降维和状态聚类实验结果显示,在阈值参数选择合理的前提下,采用三种非线性分析方法对BOLD信号进行的相关分析均可得到结构规模相似的脑网络,并且其状态转换结果均显现出相似的规律性,从而为下一步展开脑网络的动态特性分析和演化过程研究奠定了基础。      

基于最大熵阈值分割的SAR图像溢油检测

近年来,海上溢油事故频发,使用(合成孔径雷达)SAR遥感图像进行溢油检测有着十分重要的意义。本文提出了一种基于最大熵阈值分割的SAR图像溢油检测算法,算法运算简单,适用于星载平台,可实现高效准确的检测。由于SAR成像存在固有的相干斑噪声,首先需要进行滤波对噪声进行抑制。图像中存在的陆地区域会对溢油检测产生影响,通过先验知识利用经纬度信息对其进行掩模处理,之后采用滑动窗口的方法,在窗口内部基于最大熵选取最佳的分割阈值,最后对分割产生的小块区域进行滤除,并依据距离信息合并相邻的区域。算法使用GF-3卫星图像进行验证测试,并与其他算法对比表明,本算法可满足遥感图像检测实时性、准确性的要求。      

一种考虑边缘检测的自适应窗口相干斑抑制

本文针对传统SAR图像相干斑空域滤波使用固定窗口所带来的问题,提出一种采用边缘检测和自适应滑动窗口技术联合降噪的相干斑抑制算法。该算法先把初始窗口的所有像素作为样本并统计样本局域方差系数,然后与初始阈值作比较:如果小于初始阈值,则采用方形窗口自适应滑动窗口算法进行滤波,否则采用利用边缘检测确定的变形窗口自适应滑动窗口算法进行滤波。仿真图像和真实雷达图像降噪实验结果表明,该算法在边缘保持和去噪方面具有更好的滤波性能。     

红外图像显著目标检测算法

提出一种简单快速的红外图像显著目标检测算法,算法可以分为三步:首先,对原始红外图像进行预处理以增强目标与背景的对比度;然后,在log频谱中提取预处理后图像的频谱残差,通过相应的反变换及简单的阈值分割,可以得到显著目标的大致区域;最后,采用一个滑动窗口在目标候选区域内进行搜索确定显著目标的准确位置,这个过程采用由目标及其周围区域在原始图像中的灰度分布得到的半局部特征对比度的概率表达得到每个像素点的显著性值,进行阈值分割得到显著目标,改变滑动窗口的大小可以检测出不同尺度的目标。采用大量的红外图像对算法进行测试,实验结果表明该算法具有高效性和鲁棒性。     

结合多元信息聚类与空间约束的遥感图像分割方法

为了解决传统聚类算法对聚类表征特征量的依赖性以及定义的不完备性,结合遥感图像的数据的空间位置关系提出了一种结合多元信息聚类与空间约束的遥感图像分割方法。针对某一聚类数据,以若干数据点(多元)组合的方式遍历其所有数据点,并定义多元组合的互信息,以表征该聚类的类内相似性;通过计算类外像素对类内多元组合的互信息,刻画类间的非相似性。在此基础上建立类内相似性和类间差异性,然后结合两者之间的平衡关系建立目标函数,并将Potts模型扩展到目标函数以加入空间约束,最后通过最大化目标函数实现图像分割。对模拟及真实全色遥感影像分割结果的定性、定量分析表明:结合多元信息聚类与空间约束的遥感影像分割方法可以避免聚类表征特征量的定义,从根本上消除其对图像分割的影响,并充分考虑遥感数据的空间位置关系。      

角点与边缘信息相结合的遥感图像飞机检测新方法

利用遥感图像中飞机目标的边缘特征和角点特征,提出边缘与角点信息相结合的遥感图像飞机检测新方法.首先,进行Canny边缘检测,提取遥感图像中飞机目标边缘信息,并利用OTSU算法二值化处理图像;然后,进行Harris角点检测,找出满足飞机角点分布特征的区域,去除伪目标;最后,进行区域生长式聚类,通过求取类心最终确定飞机位置.对60幅高分辨率遥感图像进行飞机检测测试,正确检测出238架飞机中的220架,漏检18架,48个虚警.实验表明,该方法可以有效解决复杂背景下飞机检测问题,具有良好的检测性能.     

Monte Carlo cluster refinement for noise robust image segmentation

This paper explores a stochastic approach to refining clustering results for data with spatial-feature context such as images under the presence of noise. We formulate the clustering problem as a maximum a posteriori (MAP) problem, and refine clustering results using importance-weighted Monte Carlo posterior estimates based on between-neighborhood error statistics to account for local spatial-feature context within a global framework. This cluster refinement approach is non-iterative and can be integrated with existing clustering methods to achieve improved clustering performance for image segmentation under high noise scenarios. Experiments on synthetic gray-level images, real-world natural images, and real-world satellite synthetic aperture radar imagery illustrate the proposed method’s potential for improving clustering performance of existing clustering algorithms for image segmentation under high noise situations.     

Classification of hyperspectral data from urban areas based on extended morphological profiles

Classification of hyperspectral data with high spatial resolution from urban areas is investigated. A method based on mathematical morphology for preprocessing of the hyperspectral data is proposed. In this approach, opening and closing morphological transforms are used in order to isolate bright (opening) and dark (closing) structures in images, where bright/dark means brighter/darker than the surrounding features in the images. A morphological profile is constructed based on the repeated use of openings and closings with a structuring element of increasing size, starting with one original image. In order to apply the morphological approach to hyperspectral data, principal components of the hyperspectral imagery are computed. The most significant principal components are used as base images for an extended morphological profile, i.e., a profile based on more than one original image. In experiments, two hyperspectral urban datasets are classified. The proposed method is used as a preprocessing method for a neural network classifier and compared to more conventional classification methods with different types of statistical computations and feature extraction.     

高分辨率SAR 图像道路交叉口检测与识别新方法

道路交叉口是道路网的重要组成部分,对GIS 数据更新、影像匹配、目标检测等具有重要作用。由于受各种干扰以及道路与周围地物对比度不明显等影响,传统道路交叉口检测方法很难应用于高分辨率SAR 图像。该文提出一种直接检测识别道路交叉口的新方法。该方法先根据交叉口的灰度特征,利用形态学变换,全局搜索交叉口候选区域中心点位置|然后以此为局部窗口中心,采用多阈值Otsu分割出各个局部窗口内道路目标|接着根据交叉口的几何特征,通过矩形旋转得到角度均值图,获取与交叉口相连的道路个数,最终识别出交叉口的类型。使用1 m 机载高分辨率SAR 图像进行实验,结果证明该方法可有效提取出各种干扰下的交叉口目标。      

A Tabu Search Algorithm for Cluster Building in Wireless Sensor Networks

The main challenge in wireless sensor network deployment pertains to optimizing energy consumption when collecting data from sensor nodes. This paper proposes a new centralized clustering method for a data collection mechanism in wireless sensor networks, which is based on network energy maps and Quality-of-Service (QoS) requirements. The clustering problem is modeled as a hypergraph partitioning and its resolution is based on a tabu search heuristic. Our approach defines moves using largest size cliques in a feasibility cluster graph. Compared to other methods (CPLEX-based method, distributed method, simulated annealing-based method), the results show that our tabu search-based approach returns high-quality solutions in terms of cluster cost and execution time. As a result, this approach is suitable for handling network extensibility in a satisfactory manner.     

由统计特性分析激光主动成像系统图像的噪声性质

激光主动成像系统具有分辨率高、抗干扰能力强、能成三维像等一系列优点，因而应用越来越广泛，但它的图像同时受到散斑噪声和其他一些高斯噪声的影响。散斑噪声为一种乘性噪声，高斯噪声则为一种加性噪声，这两种噪声哪种占据主要地位对于图像噪声抑制噪声模型的建立具有重要的意义，分析了受到散斑噪声和高斯噪声污染图像的概率曲线及灰度均值方差比等统计特性，找出在两种噪声分别作用下的不同统计特性，以此为判别标准，对激光主动成像系统图像进行分析，得出了此图像所受噪声的主要成分为散斑噪声的结论。同时，算出了此图像的散斑噪声方差。     

基于耦合映象格子的图像分割方法

为了实现图像的自适应多级分割,利用混沌动力学系统对初值的敏感性和全局耦合映象混沌同步的特点,提出了一种基于耦合映象格子的图像分割方法.方法对每个灰度等级构建全局耦合映象,建立灰度等级间关系矩阵和灰度等级更新模型,通过全局耦合映象混沌同步过程完成灰度等级的自适应聚类.实验结果表明方法对中间类灰度等级聚类具有很好的鲁棒性,分割过程不需要人工干预,并且具有较强的灵活性,优于阈值分割和边缘检测的图像分割方法.     

一种基于IPC的多区域网络视频监控系统设计

针对多区域网络监控的应用需求,设计了一套基于IPC的网络化视频监控系统。该系统采用基于视频分析的运动目标侦测,基于双码流的图片、视频传输与存储,以及优先级和多通道的IPC与图片服务器交互等关键技术。由此,实现了多区域全时段的标清视频监控,实时运动检测报警与连续高清图片抓拍取证功能。该系统设计兼容现有的软硬件系统平台,并具有较高性价比。     

A novel approach for space debris recognition based on the full information vectors of star points

The recognition and detection of space debris has become one of significant research fields recently. Compared with natural images, effective information are very few contained in star images. In the past years, the gray values of star points and the continuity of sequential star images are utilized by numerous algorithms to carry out the recognition and detection through fusion of consecutive star images, which have been achieved good performance. However, with the rapid increase of star image data, those algorithms seem to be inadequate in recognition ability. In this paper, we propose one novel approach based on the full information vectors of star points to recognize moving targets with the machine learning method which is never utilized in space debris recognition field. Besides gray values, we further deeply excavate the characteristics of each star point in a single frame by the equal probability density curve of Gaussian distribution. The elliptical pattern characteristic vectors of star points can be input into the machine learning method for classification of static stars and moving targets in a single frame. Finally, trajectories of moving targets can be determined within 3 frames by the full information vectors. Therefore, traditional processing methods are abandoned and the proposed brand new approach redefines the recognition technical route of space debris. The experimental results demonstrate that moving targets can be successfully recognized in a single frame and the coverage rate of moving targets can reach 100%. Compared with other traditional methods, the proposed approach has better performance and more robustness.     

复杂背景下运动目标跟踪技术

运动目标分割技术是计算机视觉研究的热点。介绍了一种常用的K im目标分割方法,并针对其不足,对K im方法进行了改进,将连续两帧的差分图像和背景差分图像直接相乘得到灰度图像,然后对该灰度图像进行阈值分割来获取目标区域模板,再基于灰度加权图像模板匹配法实现目标跟踪。实验结果表明,该方法能够准确地检测跟踪目标,具有较好的实用价值。     

基于Arnold变换的量子图像混沌加密方法

在确保量子图像密码算法安全的基础上,为进一步优化解密图像质量及计算复杂度,该文提出一种基于Arnold变换的量子图像混沌加密方案。方案使用量子细胞神经网络产生的混沌信号来控制量子Arnold变换、量子交换(SWAP)和量子控制非操作(CNOT),然后将这些操作作用于量子明文图像中以获得相应的密文图像。研究结果表明:所提量子灰度图像加密方法具有高安全性、高解密图像质量及低计算复杂度的特点。