曲波变换域的SAR图像相干斑去噪

合成孔径雷达(SAR)图像固有的相干斑噪声降低了图像的质量,使得图像的可视化和解译变得困难,影响了后续的目标检测、分类和识别等应用。为此提出了一种在快速曲波变换域的SAR图像去噪算法。先将SAR图像分成均质区域、非均质区域和边缘区域。使用均值滤波器对均质区域的像素滤波,对于非均质区域的像素使用曲波硬阈值滤波算法处理,边缘区域的像素直接保留。实验结果表明,此算法能有效的去除SAR图像的噪声并保持图像细节。     

基于立体视觉分析的显著性区域检测算法

针对传统单目视觉显著性模型存在细节丢失,不适用于复杂场景等问题,提出一种基于立体视觉分析的显著性区域检测算法。首先,采用基于图的分割方法将图像分割成不同区域,根据颜色和视差以及空间相干性计算颜色复杂度和视差复杂度。其次,对两者进行显著性聚合,计算像素对比度从而得到区域对比度。最后,引用视差信息计算局部对比度后,进行融合归一化,获得显著图。该算法适用于背景纹理复杂的立体图像显著性区域检测,检测的显著图细节突出,边缘锐利。实验结果表明,该算法优于其他显著性算法,符合人类视觉机制,在立体图像数据集上获得了75%正确率和88%召回率。     

一种基于双阈值区域分割的SAR图像目标提取方法

本文提出一种基于"双阈值"的区域生长算法。该方法首先对图像中感兴趣的区域进行分割,通过阈值的选取对已分割区域进行合并与剔除虚警来提取感兴趣的目标。采用国产机载SAR图像,以大中型建筑物为例进行了实验。实验结果表明该方法能够有效地提取目标特征,进行区域分割。     

基于超像素分割的快速移动阴影检测方法

针对快速移动车辆阴影检测问题,提出了一种基于超像素分割的移动车辆阴影检测方法。首先基于简单线性迭代聚类方法对原始图像进行同类质超像素分割处理,并将分割单元作为检测集合,在HSV色度空间内完成移动阴影的初步检测;接着,基于局部二值模式(LBP)纹理不变性消除误检像素,并采用区域生长方法实现边缘像素的修正,保证移动阴影干扰车辆的检测正确性和完整性。实验结果表明,在高速公路快速移动车辆的阴影检测中,具有较高的检测精度。     

基于边缘检测和种子自动区域生长算法的铝铸件图像分割

本文提出了一种基于边缘检测和种子自动区域生长的分割算法,由于被检测物件是圆形,故先采用susan算子进行边缘提取,得到边缘像素点,再利用灰度直方图选取种子点,采用迭代法选取阈值,最后实现种子的区域自动生长,分割出缺陷。实验结果表明,该算法几乎分割出全部缺陷,提高了分割效率。     

面向混凝土裂缝检测的级联神经网络算法研究

针对传统深度学习的裂缝检测方法在复杂环境下鲁棒性低、边缘区域识别精度差、损伤量化结果误差大的问题,本文提出一种复杂环境下基于级联神经网络的混凝土裂缝检测方法。该方法分为三步：第一步利用改进的语义分割模型对复杂环度参数获取算法计算裂缝宽度。试验结果表明,相较于传统裂缝识别方法,本文方法在精确率、召回率、准确率、F1分数和交并比五项评价指标上均有提升,且总体检测准确率在95%以上,能实现复杂环境下境下的裂缝进行初步识别,判断图像中裂缝的大致感兴趣区域;第二步采用本文所提基于金字塔池化的掩膜优化方法对粗分割图像进行优化,精确捕获裂缝边缘上下文信息;第三步采用二维码靶标的图像像素解析度和裂缝宽混凝土裂缝的检测与定量分析。     

基于像素概率模型的背景分割算法

背景分割的目的是提取出图像中感兴趣的前景区域,本文提出了一种基于像素概率模型的背景分割算法,该算法利用高斯混合模型描述每一被观察像素的近期色彩历史,根据分类原则确定当前帧中每一像素的类别,利用在线EM算法更新模型参数。实验结果表明,本文提出的算法可以鲁棒地分割出动态场景中的前景和背景。     

基于改进RHT的SAR图像机场区域提取算法

星载合成孑L径雷达(SAR)图像信噪比低,由于相干斑噪声和非检测目标的干扰,在其中进行机场目标检测及区域提取难度较大.针对上述问题,提出一种星载SAR图像机场目标检测提取算法.对原始SAR图像进行curvelet阈值去噪处理,抑制相干斑噪声并突出低灰度区域;根据灰度分布进行Otsu最大类间差分割,初步划分感兴趣区域(ROI);通过加入了最小二乘修正的随机Hough变换(RHT)检测机场跑道;最后基于跑道上选取的种子点区域生长得到完整的机场区域.实验结果表明,提出的算法解决了星载SAR在解译方面的难点,有效检测出机场目标并提取相关区域,具有较高准确率和鲁棒性.     

基于区域颜色分割的交通标志检测和识别

现在的高端汽车市场上汽车驾驶辅助摄像系统是一大亮点,研究工作致力于提供一个软件算法来实现驾驶辅助系统中实时交通标志检测和识别的功能。算法的每一步设计都尽量不影响其实时性,基于HSI颜色空间,使用了新型的基于区域的快速颜色分割,结合分层技术和简单阈值处理,可以快速地按颜色分层得到采样图像中可能含有标志的感兴趣区域;再在此区域结合数学形态学的膨胀运算以便识别区域形状。最终基于最后输出的感兴趣区域掩模原图像的亮度分量,用边缘方法提取边缘方向的统计特征,进行基于内容的图像检索(CBIR)。初步实验结果,对感兴趣区域的检测准确率在90%以上。并且算法可以扩展到大部分目前标志数据图库中涉及的绝大部分标志使用形状。     

基于局部模糊推理的区域电力系统超短期负荷预算方法

为了解决传统超短期负荷预算方法误差较大的问题,提出一种基于局部模糊推理的区域电力系统超短期负荷预算方法。使用局部模糊推理定义利用的电力系统负荷历史数据,使用序偶法处理负荷数据的模糊集,计算数据的模糊度,得出时点负荷的偏离程度。规定特征时间尺度,依据特征时间尺度的数量关系,预测超短期随机电荷分量,计算电荷分量的均值,形成新的负荷序列,平滑处理得到最终的超短期负荷预算表达式,完成对区域电力系统超短期负荷的预算。实验表明:与传统基于BP神经网络的短期负荷预算方法相比,基于局部模糊推理的区域电力系统超短期负荷预算方法误差率只有0.07%,误差更小,更适合预算区域电力系统的超短期负荷。     

基于正则总体最小二乘的SAR系统运动误差估计方法

机载合成孔径雷达（SAR）平台在飞行过程中的航迹误差导致实际成像结果的分辨率下降,利用雷达回波数据提取运动误差是运动补偿的重要手段。通过对运动误差提取算法的研究,提出了一种基于正则总体最小二乘的估计方法。该方法综合考虑了各距离门相位估计误差的异方差性、空变误差模型的系数误差以及模型自身存在的病态性几方面因素,在运动误差估计过程中结合误差加权、正则总体最小二乘处理思路消除偏差异方差性,减小系数误差和病态的影响,并在正则处理过程中引入L‐曲线法实现正则参数的自动选取。实验结果验证了该方法对运动误差估计的准确性和有效性。     

基于GPU的机载高分SAR运动补偿和自聚焦

对于高分辨率宽测绘带机载SAR,载机平台运动误差导致的相位误差具有严重的距离向空变性,因此在距离向采用了分段相位梯度自聚焦(PGA)算法来提高聚焦性能。然而传统的基于CPU的处理平台已经不能完全满足大量回波数据和复杂算法的快速处理。论文中针对机载高分SAR,提出适用于机载高分SAR的改进的距离向空变PGA算法。基于CPU+GPU的协同架构,改进的自聚焦算法和惯导运动补偿都得到了最大的并行优化。实验结果显示,该改进方法在并行平台上能够达到48倍的加速比的提升。     

室内实测数据太赫兹合成孔径雷达成像研究

合成孔径雷达实现高分辨率成像要求平台作理想匀速直线运动,相对传统微波SAR而言,太赫兹波的波长更短,SAR平台高频微小振动对常规微波频段 SAR影响几乎可以忽略,对太赫兹合成孔径雷达（Terahertz synthetic aperture radar ,T Hz‐SAR）的影响必须精细处理,研究适用于 T Hz‐SAR的成像补偿算法是必要的。本文建立 T Hz‐SAR非理想情况下的回波模型,分别从时域和频域详细分析运动误差对回波的影响。提出了一种基于回波数据的T Hz‐SAR成像运动补偿算法,采用中心频率0．3 T Hz的SAR系统进行实验,使用RD算法对目标进行二维高分辨成像,得到3个角反射器的二维SAR图像。实验结果验证了系统的可行性和所给处理算法的有效性,为外场车载或机载的T Hz‐SAR成像奠定了基础。     

聚束式合成孔径雷达回波数据分块模拟方法

本文提出了一种将聚束模式合成孔径雷达(SAR)回波数据在方位向分成若干子数据,然后将子数据采用条带模式SAR回波模拟算法生成的方法.该方法得到的每个子回波数据的方位向带宽小于条带模式SAR的方位向采样频率,利用它们多普勒频率之间的关系在频域进行插值、移位后可以合成完整的聚束式SAR回波数据;也可以对每个子回波数据使用标准的条带模式聚焦技术进行处理后合成完整的聚束式SAR图像.另外,该方法也说明对聚束式SAR回波数据可以采用方位向分割的方法进行条带式处理,这也可以作为聚束式SAR成像处理器的一个研究方向.仿真结果证明了该方法的有效性.     

基于跨尺度PatchMatch的立体匹配算法

针对现有的PatchMatch（3D标签优化）立体匹配算法存在对图像中弱纹理、视差不连续区域匹配精度低的问题,提出了一种结合超像素分割和跨尺度PatchMatch的立体匹配算法。首先,通过高斯下采样获得多尺度图像并对各尺度图像超像素分割。其次,基于四色定理腐蚀超像素边界使3D标签在超像素上迭代传播具有子模性和独立性,生成的子模能量用图割（Graph Cut,GC）算法得到最优解。最后,提出跨尺度能量函数模型,约束不同尺度下同名像素3D标签能量一致,使3D标签迭代传播可在不同尺度进行GC优化,获得最优视差图。在Middlebury数据集上的实验结果表明,本文算法对21组弱纹理、复杂纹理图像的平均误匹配率为2.20%,相比其他改进的PatchMatch立体匹配算法误匹配率降低了10.1%,且视差图误匹配可视化显示,弱纹理、视差不连续区域匹配效果优于其他改进的PatchMatch立体匹配算法。     

基于DBF-SCORE的Ka SAR-GMTI信号处理方法研究*

在SAR信号处理中为增大接收增益,提高系统回波的信噪比,可利用数字波束形成(DBF)技术(扫描接收技术)生成灵活控制的高增益窄波用于多通道接收、处理回波信号。分析并推导了距离向多通道的回波信号,然后详细分析了基于偏置相位中心天线（DPCA）的SAR GMTI处理方法。在此基础上给出了一种使用DPCA杂波抑制技术处理基于时变加权DBF SCORE回波的Ka SAR GMTI处理方法,并给出了系统实现原理。与其他SAR GMTI处理方法相比较,使用DBF技术可以提升系统信噪比,有助于改善杂波抑制性能。通过仿真,验证了用DPCA技术处理基于DBF动目标回波的有效性。     

Deep learning for automatic segmentation of thigh and leg muscles

Objective

In this study we address the automatic segmentation of selected muscles of the thigh and leg through a supervised deep learning approach.

Material and methods

The application of quantitative imaging in neuromuscular diseases requires the availability of regions of interest (ROI) drawn on muscles to extract quantitative parameters. Up to now, manual drawing of ROIs has been considered the gold standard in clinical studies, with no clear and universally accepted standardized procedure for segmentation. Several automatic methods, based mainly on machine learning and deep learning algorithms, have recently been proposed to discriminate between skeletal muscle, bone, subcutaneous and intermuscular adipose tissue. We develop a supervised deep learning approach based on a unified framework for ROI segmentation.

Results

The proposed network generates segmentation maps with high accuracy, consisting in Dice Scores ranging from 0.89 to 0.95, with respect to “ground truth” manually segmented labelled images, also showing high average performance in both mild and severe cases of disease involvement (i.e. entity of fatty replacement).

Discussion

The presented results are promising and potentially translatable to different skeletal muscle groups and other MRI sequences with different contrast and resolution.

     

一种基于SAR图像视觉特征的改进像素掩蔽方法

像素掩蔽模型用于描述人眼视觉对图像噪声的敏感性与图像局部特征的关系,在图像压缩、数字水印嵌入、信息隐藏等领域中有重要应用.由于SAR图像反映目标及背景对微波的散射特性,其可视化特征与传统的光学遥感图像存在较大差异,导致基于光学图像的像素掩蔽模型不适用于SAR图像.提出一种基于SAR图像视觉特征的改进像素掩蔽方法,应用于对数变换后的SAR图像,在保持视觉质量的同时,可以显著的提高嵌入信息的强度.实验结果显示,该方法应用于基于小波变换的数字水印算法,可以极大的提升方法的鲁棒性和不可见性.     

基于新型阵列配置的机载MIMO-SAR下视三维成像性能研究

阵列天线机载MIMO-SAR三维成像技术是获得SAR三维高分辨率图像的重要方式之一。通过研究跨行向阵列天线收发单元的配置问题,提出了一种新型的机载MIMO-SAR阵列天线配置方法。分析了机载MIMO-SAR下视三维成像的成像几何、等效相位中心误差和三维SAR回波信号模型。通过等效后的天线方向图证明了该阵列配置方法可以获得良好的指向性,通过一种下视三维成像算法进行仿真,证明了该新型阵列配置的机载MIMO-SAR三维成像模型能够获得更好的成像性能。