基于改进果蝇优化算法的ECT图像重建方法

电容层析成像(ECT)的反问题具有严重的不适定性,因此经典算法的重建结果往往精度不足,并伴有很多伪影。为了提升重建图像质量,考虑将果蝇优化算法(Fruit Fly Optimization Algorithm,FOA)应用在ECT图像重建上。FOA作为群智能搜索算法,具有原理简单、参数设置少、容易实现等优点,但是容易陷入局部最优。针对该问题,作者提出一种改进果蝇优化算法,通过与Tikhonov正则化算法相结合求解ECT图像重建问题。为了验证新算法的有效性,选择五种流型作为重建目标,并将LBP算法、Tikhonov正则化算法以及Landweber算法的重建结果作为对照组。仿真实验结果表明,本文算法可以有效提高图像重建精度,重建图像在相对误差和相关系数方面均有所提升,验证了该算法的有效性。     

基于Python的热图像处理技术研究

文章介绍了如何基于Python编程语言开发一个能自动将多张子图像拼接成一张全景图的图像处理工具.该工具能够依次实现多余信息去除、关键点采集、特征匹配、透视变换等功能,最终将局部热图像整合在一起,进而提高用户工作效率与图像准确度.     

基于密集连接自逆生成对抗网络的MR图像生成方法

随着医学成像技术的快速发展,医学图像在临床检测及科研领域得到了广泛的应用。针对临床图像数据集不完备的情况,本文提出了基于密集连接的自逆生成对抗网络用于实现核磁共振T1加权图像和T2加权图像相互生成的模型。该模型在自逆循环对抗生成网络的生成器模块中引入密集连接块结构,并采用U-net的多尺度融合框架,实现了T1与T2加权图像的互相生成。实验采用BraTS 2018数据集进行验证,生成图像的峰值信噪比与结构相似度最高分别可以达到22.78和0.8。基于密集连接块的生成器与基于U-net及ResNet的生成器模型的对比实验结果表明,基于密集连接块的生成模型性能更优。本文提出的基于密集连接自逆生成对抗网络的MR图像生成方法可以较好地改善T1或T2加权像缺失的问题,为临床论断提供更多的信息。     

基于多通道分离整合的多尺度单幅图像去雨算法

由于密度不同的雨对图像造成的遮挡不同,图像去雨一直都是一项极具挑战性的任务。目前,基于深度学习的图像去雨算法已经成为主流。然而,多数深度学习的架构都是通过堆叠卷积层来设计的,执行去雨任务后图像仍存在着大小不一的雨痕,这些方法并不能很好地关注训练中雨图的局部信息和上下文信息。为了解决上述问题,本文设计一种基于多通道分离整合的卷积神经网络用于图像去雨。第一步通过通道分离,再利用卷积层间的层级连接,构成多尺度模块,最终将不同通道的输出进行整合。该模块可以增大感受野,探索特征图之间的空间信息,更好地提取特征。第二步利用渐进网络来反复计算挖掘上下文信息,能够很好关联到全局特征。整体模型易于实施,可以端对端训练。在常用的数据集以及自建的自动驾驶雨天数据集上的大量实验表明,本文方法比现有方法取得了明显的改进。     

基于复合混沌的鲁棒型医学图像加密算法

当前单一混沌图像加密算法的图像置乱程度低,导致加密结果易受到已知明文攻击,存在安全性低的问题。本文提出基于复合混沌的鲁棒型医学图像加密算法。设置图像密文反馈机制作为算法实现的理论支持,并读取鲁棒型医学原始图像。根据混沌模型的建立条件,构建复合混沌模型。选择Logistics混沌映射,生成复合混沌序列并进行多次迭代后,置乱加密鲁棒型医学初始图像像素值并进行替换与扩散,生成对应的密钥,从而实现鲁棒型医学图像的加密。通过与传统加密算法的对比,本文方法的置乱位数增加了886位,即置乱程度提升了8.7%,且明密文序列相关性较低、抗明文攻击能力较强,实验结果表明该鲁棒型医学图像加密算法的安全性较高。     

基于改进的NSCT红外可见光图像融合算法

针对在红外可见光图像融合过程中目标细节信息容易丢失的问题,提出一种使用非下采样轮廓波变换（NSCT）和主成分分析法（PCA）相结合的图像融合算法。首先应用NSCT将源图像分解分别得到低频和高频的子带图像。在低频子带系数中,由于PCA能够突出图像的主要信息,所以选用主成分分析法融合规则。高频子带中,相对来说较高层次系数表达的是源图像中最为细节的信息,可选用绝对最大值法融合规则,而相比之下低层次系数代表了较为粗糙的信息,可选用绝对最大值与区域标准差融合规则。从实验结果可以得出,在红外可见光图像目标信息和细节信息融合效果上该算法优于其他算法,有更好的图像视觉效果。     

雷达成像仿真研究综述

用于军事飞行模拟器训练的雷达成像,具有不受时间和空间的限制、可控、保密等特点,在模拟训练中起着重要的作用。本文概述机载火控雷达采用的RBM、DBS、AR这3种主要对地测绘方法,国内外战斗机雷达型号及其成像系统;总结国外雷达成像模拟软件及国内雷达仿真器研发的现状,对已有产品的优缺点、适用范围、所用技术做详细说明;介绍雷达成像模拟的主要方法及实现过程,将目前的雷达成像模拟方法划分为3大类：回波信号模拟、传递函数和雷达图像特征的融合;并预测雷达模拟仿真将向建立通用数据库、扩大成像范围、提高实时性和逼真度的方向发展。     

一种基于模板和DCT变换的柔性电路板配准方法

针对柔性印刷电路板（FPC）生产检测过程中的效率、精度等要求,提出一种基于模板与离散余弦变换（DCT）描述子的配准方法。首先,为了解决配准的精度问题,由电路板文件工程图解析得到对应图像,为后续处理提供更好的模板图,再利用离散余弦描述子的频域能量聚集特点,在模板与被检测图像之间建立对应关系,从而计算出对齐参数。其次,使用mipmap技术处理模板,为配准阶段提供不同精度的模板图片,从而有助于精度及效率的提升。实验结果表明：该改进算法的最大误差和平均误差均比原方法小;对于电路板这种大分辨率的图像,在mipmap采样的模板条件下,可以获得较高的精度,且处理速度有较大的提升。     

主动迁移学习的海上任意方向船只目标检测

在基于深度学习的遥感图像目标检测任务中,船只目标通常呈现出任意方向排列的特性,而常见的水平框目标检测算法一般不能满足此类场景的应用需求。因此本文在单阶段Anchor-Free目标检测器CenterNet的基础上加入旋转角度预测分支,使其能输出旋转边界框,以用于海上船只目标的检测。同时针对海上船只遥感数据集仅有水平边界框标注,无法直接适用于旋转框目标检测,且人工手动标注旋转框标签成本较高的问题,提出一种主动迁移学习的旋转框标签生成方法。首先,提出一种水平框-旋转框约束筛选算法,通过水平真值边界框来对旋转预测框进行监督约束,筛选出检测精度较高的图像加入训练集,然后通过迭代这一过程筛选出更多的图像,最后通过标签类别匹配,完成对数据集的旋转框自动化标注工作。本文最终对海上船只遥感图像数据集BDCI中约65.59%的图片进行旋转框标注,并手动标注部分未标注的图片作为测试集,将本文方法标注的图片作为训练集进行验证,评估指标AP50达到90.41%,高于其他旋转框检测器,从而表明本文方法的有效性。     

改进U-Net型网络的遥感图像道路提取

目的 遥感图像道路提取在城市规划、交通管理、车辆导航和地图更新等领域中发挥了重要作用,但遥感图像受光照、噪声和遮挡等因素以及识别过程中大量相似的非道路目标干扰,导致提取高质量的遥感图像道路有很大难度。为此,提出一种结合上下文信息和注意力机制的U-Net型道路分割网络。方法 使用Resnet-34预训练网络作为编码器实现特征提取,通过上下文信息提取模块对图像的上下文信息进行整合,确保对道路的几何拓扑结构特征的提取;使用注意力机制对跳跃连接传递的特征进行权重调整,提升网络对于道路边缘区域的分割效果。结果 在公共数据集Deep Globe道路提取数据集上对模型进行测试,召回率和交并比指标分别达到0.847 2和0.691 5。与主流方法U-Net和CE-Net（context encoder network）等进行比较,实验结果表明本文方法在性能上表现良好,能有效提高道路分割的精确度。结论 本文针对遥感图像道路提取中道路结构不完整和道路边缘区域不清晰问题,提出一种结合上下文信息和注意力机制的遥感道路提取模型。实验结果表明该网络在遥感图像道路提取上达到良好效果,具有较高的研究和应用价值。