基于不可分离小波框架变换的多聚焦图像融合算法

为解决多聚焦图像融合问题,提出了一种基于不可分离小波框架(NWF)变换的融合算法：首先,对各原图像进行NWF变换;然后,根据变换后系数计算图像的对比度量测,融合处理为基于对比度量测的系数选取过程,并对选取后的系数进行一致性校验;最后,对组合后的系数进行NWF逆变换,得到融合后的图像．实验结果表明,该算法能够较好地解决多聚焦图像融合问题．     

基于色彩空间和深度残差网络ResNet-50的复杂岩性油气藏岩石样本智能分类及识别

岩石样本的分类识别是油气和矿产资源勘探中的重要环节。目前,仍然以人工识别的实验方法作为主要方法,普遍存在主观性强、周期长、成本高等典型问题。机器学习的分类算法在图像分类领域已经得到广泛应用,然而由于岩石样本图像具有明显的差异性特征,甚至同类岩石样本图像也具有一定的色差,直接应用现成智能算法进行分类,验证集的准确度仅为85%左右。所以,基于色彩空间下岩石样本图像的颜色特征曲线,提出了一种基于颜色类别和深度残差网络ResNet-50的智能分类及识别方法。首先,以7种不同岩性的岩石图像为样本,提取样本的RGB颜色特征,应用无监督K-means聚类算法,按颜色分为3个大类,再通过有监督精细K-近邻(K-nearest neighbor, KNN)算法对颜色类别进行验证,平均分类精度为99%。然后,对于不同颜色类别下的岩石样本,利用深度残差网络ResNet-50进行分类识别。结果表明,不同颜色类别的岩石样本平均训练精度为93.15%,验证精度为88.21%,可以作为岩石样本分类的有效方法。     

基于微米CT技术的黄土岩孔隙保存机制及渗透率各向异性

与其他岩类不同,黄土岩遇水后有明显的湿陷特征,进而引发宏观的地质灾害现象,而这些现象的产生与黄土内部矿物、孔隙分布以及渗透率各向异性关系密切。因此,进一步深入研究黄土岩内部结构,对分析黄土湿陷性特征产生的原因具有重要的科学意义,并可为除黄土岩性外其他岩性提供一种探究矿物、孔隙、渗透率之间关系的研究思路。基于此,选取A地区黄土样品,采用微米CT(computed tomography)图像,综合分析黄土中矿物成分、矿物形状,模拟了黄土岩孔隙网络分布,并基于Navier-Stokes方程及达西渗流公式描述流体运动形式,分别确定了12个孔隙体绝对渗透率大小,对不同方向的渗透率大小进行分析。结果表明:(1)黄土岩中石英、长石、重矿物、云母等不同矿物之间形状差别大,矿物长轴长度与其磨圆度、体积组分之间有较好的对应关系;(2)各类矿物分布规律性不强,黄土岩中孔隙分布分散,孔隙喉道之间连接方式变化大,孔隙空间分布非均质性强。(3)相对石英、长石以及重矿物,云母由于其形状特性,极大的影响黄土岩中孔隙的形成及后期赋存,也间接对其渗透率各向异性的产生起着至关重要的作用。     

基于中心点和语义信息的多方向遥感舰船检测

在高分辨率遥感影像解译中, 舰船目标的检测一直是研究热点。针对遥感影像中近岸舰船排列密集、方向各异以及背景复杂等问题, 本文提出一种基于旋转中心点网络和语义信息(rotated CenterNet using semantic information, RSI-CenterNet)的多方向遥感舰船目标检测方法。首先, 基于关键点检测网络, 在检测阶段添加目标角度回归分支, 以预测目标方向; 其次, 添加语义分割分支, 并将其输出的特征与检测部分的输入特征进行融合以强化目标区域的特征信息; 最后, 引入注意力模块, 以强化目标显著区域与通道的特征, 提升检测精度。实验结果表明, 与其他多种先进方法相比, 本文方法具有更高的检测精度与检测速度, 在高分辨率船舶数据集(High Resolution Ship Collections 2016, HRSC2016)上的平均精度达到88.31%, 检测速度达到17.8 FPS。     

基于感知向量的光学遥感图像舰船检测

针对光学遥感图像中近岸舰船目标检测干扰大、虚警率高的问题, 在基于包围框边缘感知向量(box boundary-aware vectors, BBAVectors)检测网络的基础上提出了改进方法。首先在特征融合网络后加入一个有监督的注意力模块来增强目标区域信息, 削弱无关背景信息干扰; 然后利用边界感知向量间的几何关系设计了一个自监督损失函数, 用以加强向量间的耦合关系, 防止向量独立性导致包围框出现不规则形状。实验结果显示, 在HRSC2016数据集L₂级检测任务中, 改进模型检测结果的平均精度相较于原网络提高了6.91%, 有效抑制了背景噪声的干扰, 降低了近岸舰船目标检测的虚警率, 证明了改进方法的有效性。     

基于风格迁移不变特征的SAR与光学图像配准算法

针对异源遥感图像的匹配难题, 提出一种基于风格迁移不变特征的合成孔径雷达(synthetic aperture radar, SAR)图像与光学图像配准算法。首先, 训练SAR图像转换为光学图像的风格迁移网络。然后, 基于风格迁移网络生成人工光学图像及其与原SAR图像之间的差异图, 并利用小波多尺度特性增强人工光学图像和差异图的边缘区域, 二值分割后提取人工光学图像的边缘不变特征。同时, 提取光学基准图像的边缘特征。最后, 通过互相关性准则进行边缘特征匹配, 进而实现原始SAR图像与光学基准图像的精确配准。实验结果表明, 较同类算法, 即使在训练样本不足的条件下, 生成的人工光学图像也能与光学基准图像实现精确配准, 增强了算法的适应性。     

基于序列图像的深空小天体运动状态估计

近年来,随着空间技术的进步,大部分国家逐渐开始关注深空小天体探测,这属于典型空间非合作目标探测任务.与合作目标相比,空间非合作目标具有典型的特征,如无先验知识、无合作标识和无通信等.但是在附着之前,必须获取空间非合作目标的必要信息.如何通过非接触的方式获取目标的姿态、角速度和惯性参数是深空小天体探测的重要技术之一.研究工作提出了一种估计未知非合作目标姿态、运动与惯量特性的新方法,仿真证明了在不同目标特性与状态工况下的方法有效性.此外,主惯量参数比的准确率能够达到90%.在所有这些工况中,非常重要的环节是视觉算法必须保证良好且精确的目标特征点信息.总之,本文给出了一种有前景与有效的用于小天体附着前的运动与参数辨识方法,此方法非常高效且适合星上应用.     

基于 UCM 算法中直方图拉伸的水下图像增强研究

针对水下图像色彩失真,对比度低以及图像模糊不清等一系列问题,提出了一种基于色彩模型的水下图像增强算法,改进了现有的 UCM 算法的直方图线性拉伸,使用限制对比度自适应的方法对直方图进行非线性均衡化,使处理后的图片对比度增强效果更好,图像质量更高,更符合人类的视觉感知。 通过搭建的水下海参场景和模拟海底图像偏蓝绿色的实验环境,拍摄了 4 组海参在不同姿态、工况下的水下图片并对其进行定性、定量分析,得出改进后的 UCM 算法在 UIConM、UIQM、NIQE 指标下的数值分别平均为 0. 63、4. 30、3. 30,相比较其他 3 种算法,该算法处理后的图像质量评估指标均为最优,由此证明了研究的算法相对于其他的传统算法显示出更好的可行性和优越性,并且能够适应不同的水下工况,拥有良好的鲁棒性。     

融合物候及纹理特征的茉莉花种植区提取研究

为充分挖掘图像时序物候信息、几何空间、纹理特征在农作物监测提取研究上的优势，本研究通过构建物候参数与纹理特征的方法对广西横州市茉莉花（Jasminum sambac）种植区进行提取，该方法通过增强型时空自适应反射率融合模型（ESTARFM）融合年度内“高空间-低时间”“高时间-低空间”的遥感图像，重建生成年度中低尺度的卫星影像，获取研究区内不同植被的物候信息参数，并结合地物光谱信息提取地物纹理特征。选取物候参数、纹理特征作为茉莉花种植区分类提取信息，对不同的参数特征进行组合，开展分类对比和综合精度量化评价。结果表明，重建时序归一化植被指数（NDVI）数据结合物候参数及纹理特征的茉莉花种植区提取方法，总体分类精度达到88.36%，Kappa系数为0.863 3，在中低尺度多光谱影像遥感数据“时空信息”的缺失下对茉莉花种植区提取具有良好的效果。