结合向导滤波与复轮廓波变换的多聚焦图像融合算法

多聚焦融合在图像识别和分析中具有非常重要的地位。为了有效地保留源图像的细节,克服变换域算法由于空间不连续性产生的人造纹理和灰度不均衡。该文结合复轮廓波时频分离的优点和向导滤波的特点提出了一种基于向导滤波的复轮廓波域多聚焦图像融合算法。首先,对源图像进行复轮廓波分解,其次对分解的低频系数进行基于向导滤波的均值融合策略,然后对分解的高频系数进行基于向导滤波的改进拉普拉斯能量和模取大的融合策略,最后通过复轮廓波反变换得到融合后的图像。实验结果表明,该算法利用向导滤波显著的提升了变换域融合算法的空间连续性,不仅可以获得良好的视觉融合效果,而且其客观评价指标也得到了提升。      

基于NSST域的自适应区域和SCM相结合的多聚焦图像融合

为了提高多聚焦图像的融合效果,结合多源图像之间的共享相似性,提出了一种基于非下采样Shearlet变换(Nonsubsampled Shearlet Transform,NSST)域的自适应区域与脉冲发放皮层模型(Spiking Cortical Model,SCM)结合的新型图像融合算法。首先用NSST分解源图像,然后计算边缘能量(Energy Of Edge,EOE),在自适应区域用投票加权法融合低频系数,高频系数由边缘能量作为输入的SCM点火图融合,最后通过逆NSST获得该融合图像。该算法既可以很好地保持源图像的信息,又可以抑制在变换域因非线性运算产生的像素失真。实验结果表明,该方法优于最新的变换域和脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)融合方法。     

孪生网络模型在多人种人脸认证中的性能研究

深度学习网络在模式识别领域性能优异,但需要大量有标注样本对网络进行训练,而对于人脸认证情况下训练样本有限,且已有网络模型在不同人种间的性能差异大,往往会导致人脸认证失效.针对以上问题,本文首先在几种预训练深度网模型上构造孪生网络,并设计相似度度量网络;其次,选用多人种的人脸数据库(Racial Faces in-the-Wild, RFW)中不同人种构造正负样本对作为训练集,扩展数据分布,提高模型泛化能力,且在训练过程中采用循环训策略练提高模型的稳定性;最后,在测试集上采用ROC曲线及AUC值对不同模型性能进行评估,测试集与训练集样本无身份交叉,根据实验结果得出结论:VGG16作为主干网络的孪生网络模型更适合多人种人脸认证问题,PCANet提取的特征对African地区的人脸认证更有效.     

基于局部混合滤波的SAR图像边缘检测

该文结合基于非下采样方向滤波-双树复小波变换(NonSubsampled Direction Filter Bank-Dual-Tree Complex Wavelet Transform, NSDFB-DTCWT)的局部混合滤波算法和Dempster-Shafet (DS)证据理论提出一种基于局部混合滤波的 SAR 图像边缘检测算法.该算法首先对 SAR 图像进行局部混合滤波,然后对不同尺度滤波图像使用指数加权均值比(Ratio Of Exponentially Weighted Averages, ROEWA)算子检测边缘的强度,再使用Canny算子检测边缘的方向,从而得到SAR图像各尺度上的边缘,最后使用DS证据理论融合各尺度的边缘形成原始 SAR 图像的边缘.实验结果表明:该文所提出的算法具有很好的边缘检测效果,检测到的 SAR 图像的边缘定位准确和完整,且伪边缘较少.     

一种基于雷达图像处理的跑道异物检测方法

机场跑道异物检测对排除跑道隐患、保障飞行安全意义重大。提出了一种基于雷达图像处理的跑道异物检测方法,首先通过若干高斯模型的叠加来拟合噪声分布,进而大幅削弱系统噪声;接着使用改进的背景减法排除背景的干扰;然后对经过二值化和中值滤波后的雷达图像通过数学形态学中的闭运算进行处理;最后使用漫水填充算法检测和标注异物。该方法已在雷达系统中使用,实时性强,效果良好。     

日本政府激发企业创新活力的政策举措与启示建议

日本科技创新能力世界一流,拥有一批极具活力的创新型企业,离不开政府的大力支持。日本政府以《科学技术基本法》《科学技术基本计划》和《科学技术综合战略》为引领,以政府与企业、企业与外部单位、企业内部组织、企业与个人四个主体间关系为着眼点,实施了税收抵免优惠政策、“产学官”合作体制、中小企业扶持配套举措等。结合案例分析日本企业在国家政策指导下培育创新活力的一些做法,包括积极参与并主导产学研科技创新协作、创新企业合作模式、营造企业文化等。为激发我国企业创新活力,建议制定税收优惠政策时,在总量税收优惠的基础上考虑增量及合作购并等因素;建立健全新型举国体制,实现“政产学研用”协同创新体系;面向科技型、初创型中小企业,无偿支持原创性技术研发活动;在专精细分市场领域扶持中小企业联盟,激发自主创新活力。     

改进的鸡群优化算法及其在DTI-FA图像配准中的应用

鸡群优化算法(Chicken Swarm Optimization,CSO)是一个全新的群智能优化算法,简单且具有良好的扩展性。针对鸡群优化算法中因为母鸡的寻优能力差而使算法容易陷入局部极值的问题,提出了一种结合混沌思想的改进鸡群优化算法(Chaotic Improved Chicken Swarm Optimization Algorithm,CICSO)。该算法结合混沌思想的遍历性初始化鸡群位置,将母鸡的位置更新公式改为仅向全局适应度值最好的公鸡学习,并引入学习系数来避免陷入局部最优。最后将改进的鸡群优化算法(CICSO)应用于DTI-FA图像配准。仿真实验结果表明,在解决高维问题时,改进的鸡群优化算法避免了陷入局部极值,提高了收敛精度,在DTI-FA图像配准中提高了图像的配准精确度。     

结合视觉显著性的图像去噪优化算法

图像在采样、处理、传输及存储过程中受到噪声干扰,导致图像的视觉信息衰退,而人眼对图像中不同区域噪声的敏感程度不同,因此提出了结合视觉显著性的图像去噪优化算法。首先利用视觉显著性对噪声图像进行预处理,得到噪声图像中人眼感兴趣的区域;然后运用对图像纹理保护较好的BM3D算法对该区域进行去噪处理,对非感兴趣的区域采用运算速度较快的算术均值滤波算法实现去噪处理。结果表明,该方法不仅可以获得较高的主观图像质量评价,而且在客观上相比于单纯地使用BM3D算法去噪,运算时间明显缩短。     

基于有理数多项式先验模型的图像盲去模糊

图像盲去模糊问题是当今图像处理领域的热点问题之一.基于混合高斯先验模型的变分贝叶斯去模糊算法可以有效地复原模糊图像,成为一种重要的图像去模糊算法.虽然混合高斯先验模型可以很好地逼近自然图像的梯度分布,但是该模型在图像梯度值较大处往往会产生过拟合导致去模糊后的图像产生振铃效应,严重影响了图像可读性.利用有理数多项式先验模型代替混合高斯模型逼近自然图像的梯度分布,克服算法的上述缺点.有理数多项式函数的分母多项式强制函数在梯度值较大值时平滑,所以有效地避免了过拟合现象的发生,从而使得模糊核估计得更准确,减少振铃效应.实验结果表明了算法的可行性和有效性.     

基于NSST和高斯混合模型的医学图像融合算法

提出了一种基于非下采样剪切波变换（Non-subsampled shearlet transform, NSST）和高斯混合模型的医学彩色图像融合算法。首先将彩色图像转换到HSI颜色空间,提取其色度分量图像、饱和度分量图像和强度分量图像;然后对强度分量图像和MRI图像进行NSST变换,其中低频系数采用基于区域系数改进拉普拉斯能量和（Sum-modified-Laplacian,SML）加权的融合规则,高频系数采用高斯混合模型估计参数取大的融合规则;对融合后的系数进行NSST逆变换重构融合后的强度分量图像;最后将融合后的强度分量图像与色度分量图像、饱和度分量图像混合得到融合后的HSI图像,再将HSI图像转换到RGB颜色空间得到融合后的彩色图像。仿真实验表明,该算法在视觉效果和客观评价指标上具有更好的融合效果。