从声呐反射信号判断海底沉积物类型

根据水下超声波传播及反射的基本原理，导出了海底不同类型沉积物对单波束声波脉冲反射产生不同形状回波的模型。根据这一模型所作的计算机计算结果与实验记录数据进行了对比，两者之间有较好的一致性，基于这一模型对大面积水域的海试记录数据进行了处理，其结果与多波束声呐试验数据经图象处理的结果非常一致。     

基于视觉单词共生矩阵的图像分类方法

针对传统的视觉词袋（bagofvisualwords,BoVW）模型忽略了视觉单词的空间位置信息的问题,文章提出一种基于视觉单词共生矩阵的图像分类方法。首先对整幅图像进行空间金字塔分解,得到一系列图像块;然后针对每一图像块中的SIFT点,在其空间邻域范围内构建视觉单词共生矩阵（visual words co—oeeurrenee matrix,VWCM）单元,并得到该图像块对应的视觉单词共生矩阵;最后设计出一种新的空间金字塔共生矩阵核（spatial pyramideo—occurrence matrixkernel,SPCMK）,并将其用于图像分类。该方法能够有效地刻画视觉单词的绝对和相对位置信息,极大地增强了图像表达的完整度与准确度。实验结果表明,文章方法确实能够大幅度提高图像分类的准确率。     

侧扫声呐图像反演海底地形的一种线性算法

为弥补现有测深方法在获取海底微地形方面的不足,基于侧扫声呐高分辨率成像特点,提出一种侧扫声呐图像反演三维海底绝对地形的线性化算法.首先,根据侧扫声呐成像原理给出声波入射方向的估算模型,基于海底表面漫反射模型推导出一种线性化反演模型,并以同区域初始地形作为约束建立反演地形的约束模型,实现了反演地形向绝对地形的转变;在此基础上,给出完整的侧扫声呐图像反演三维海底绝对地形的流程以及精度评定方法;最后,借助实验对该方法进行了检验和验证.实验结果表明,该方法可以获得均方根误差优于15 cm、分辨率为初始地形170倍的海底地形.     

侧扫声呐在海底管道路由调查中的应用

在复杂的海洋环境中,海底管道局部悬空和周围土层的冲刷是影响管道安全的重要因素。本文针对某海域海底输油管道的安全状态问题,利用侧扫声呐对管道在役状态及管道区海底地形、地貌特征开展了探测工作;结合管道区水动力条件和海底沉积物工程性质,分析了未冲刷海底、局部冲刷海底、塌陷凹坑和管道局部裸露悬空时的侧扫声呐图像特征。结果表明,声强度对各种异常海底都有明显的反映,当海底未冲刷时,声波强度很弱,图像中呈现出亮色区域;当声波强度增强时,为局部冲刷海底,图像表现为深暗色调;当出现塌陷凹坑时,声波强度会突然很弱,甚至没有,图像中上部为深色调,下部为浅色调;而当管道局部裸露悬空时,声波强度很强,在图像中呈现黑色的深色调。同时也证实了侧扫声呐探测法在海底管道安全状态调查中是可行的、有效的。     

基于彩色子块共生矩阵的图像检索

提出了一种新型的共生矩阵描述子,它首先计算彩色图像的真彩色边缘,然后把彩色边缘图像量化为64种颜色,通过共生矩阵来描述两个彩色子块之间的空间相关性,并用于基于内容的图像检索。实验结果表明,彩色子块共生矩阵描述子能够有效地结合颜色和纹理特征,具有良好的检索性能。     

一种顾及辐射畸变的多波束与侧扫声呐通用海底底质分类方法

声学海底底质分类对于海底环境和生态系统的研究具有重要意义,而多波束与侧扫声呐是目前最常用于探测海底底质的声呐设备.然而,多波束与侧扫声呐都严重地受到辐射畸变的影响,导致声呐图像噪声较大且难以消除,进而造成对海底底质的误判,并且多波束与侧扫声呐通用底质分类方法目前仍然较为缺乏.为此,本文提出了一种顾及辐射畸变的多波束和侧扫声呐的通用海底底质分类方法.该方法包括了对声呐图像中辐射畸变的改正、针对两种声呐数据特点的不同角度数据归一化、分类数自适应的非监督底质分类以及形态学去除底质图像噪声的步骤,并给出了完整的多波束与侧扫声呐通用海底底质分类流程.将本文方法应用于福建沿海同水域下实测的多波束与侧扫声呐数据得到了该水域的底质分类图像.实验结果表明了同区域下的多波束与侧扫声呐数据通过本文方法得到的底质分类结果具有较高的一致性,证明了通用底质分类方法的有效性,同时通过相互验证也提高了底质分类结果的可靠性.     

对称共生矩阵阈值法的比较研究

通过实验仿真的方法,根据分割性能评价准则,对已提出的七个对称共生矩阵阈值法进行对比研究,发现这些方法主要适用于简单图像的阈值选取,对复杂图像的分割效果较差,因此,有必要利用图像的统计信息,提出更好的阈值选取方法。     

基于灰度共生矩阵的木材纹理分类方法的研究

为了对木材进行表面纹理分类,首先确定纹理的灰度共生矩阵描述参数、灰度共生矩阵的生成像素间距和灰度级数;求取分析了200个木材样本的纹理参数并输入给竞争神经网络进行分类验证.实验表明:1)以“角二阶矩”、“对比度”、“相关”、“熵”、“方差”、“逆差矩”作为描述木材纹理的特征参数是合适的.2)在比例为1∶1的512×512木材图像情况下,生成灰度共生矩阵的最佳像素间距为4,最佳图像灰度级数为128.3)木材纹理图像灰度共生矩阵的"角二阶矩"、"相关"和"熵"值最大的方向为纹理方向.4)竞争神经网络的分类正确率为88%.研究结论:按上述规则生成的6个灰度共生矩阵参数对描述木材表面纹理特征是有效的,据此对木材表面纹理分类是可行的.     

基于双树复小波和灰度共生矩阵的纹理图像检索

传统的DWT小波变换在提取图像纹理特征时存在震荡、平移变化、混频和缺乏方向性四种缺陷。为了克服这些缺陷,本文采用双树复小波变换对图像检索中的查询图像和目标图像进行分解,提取6个方向上的纹理特征,为了弥补双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,又利用这两种图像的灰度共生矩阵提取4个统计量特征;最后用Canberra距离进行相似性度量并输出图像检索的结果。通过对Brodatz纹理图像库的各种纹理图像的检索实验表明,该方法对纹理图像有较好的检索效果。     

基于改进辨识矩阵的变精度邻域粗糙集属性约简

提出一种用于变精度邻域粗糙集,可以大幅减少时间复杂度的属性约简算法.该算法基于一种改进的辨识矩阵.首先用辨识矩阵同时记录决策一致和不一致的数据,然后用二进制位运算计算样本的邻域,最后获得可以保持下近似分布不变的属性约简.实验结果证明,本文算法不仅能够大幅减少属性约简时间,而且精度上总体优于NBRS算法和LDNRS算法.     

基于GLCM皮棉白色异性纤维识别算法

通过对皮棉与白色异性纤维图像的纹理特征分析,发现灰度共生矩阵的熵可用来有效判别皮棉中是否含有白色异性纤维.根据皮棉和白色异性纤维的灰度值特点,对灰度级进行不等距分段压缩,提出基于纹理特征的阀值分割法,采用熵阀值法分割皮棉中的白色异性纤维.实验结果表明,不等距压缩灰度级方法可有效减少计算时间,并能同时保证判别的精确度,此算法能有效提高皮棉中白色异性纤维识别的速度和精度.     

采用共生矩阵的纹理特征提取方法

共生矩阵是一种常用的纹理特征提取方法,针对其易受噪声和图像中实体方向变化的影响等问题,提出一种新型共生矩阵纹理特征提取方法.该方法将傅里叶变换应用于原始图像,利用频域信息确定显著方向集合,把共生矩阵方法应用于显著方向集合以提取纹理特征.在进行图像匹配时,先在显著方向集合间进行相似度计算,后在纹理特征向量间进行相似度计算,显著方向集合中元素的显著性作为权重被引入纹理特征向量间的计算.实验结果表明,与传统共生矩阵方法相比,该方法针对有向纹理和无向纹理均具有较好的性能.     

改进对称共生矩阵的跳频信号盲提取方法

针对短波跳频信号盲检测中的去背景噪声和定频干扰问题,结合信号时频分析与共生矩阵阈值法,提出了一种基于噪声稀疏对称共生矩阵的跳频提取算法.首先对共生矩阵改进,定义了频率、时间方向上的噪声稀疏对称共生矩阵.然后根据频率稀疏共生矩阵估计背景噪声阈值,进而根据阈值从时间稀疏共生矩阵中提取跳频信号.仿真表明,该算法能实现低信噪比下跳频信号的盲提取,背景噪声阈值估计更为准确、稳定,跳频信号的提取效果好,且算法简单、运算量小,易于工程实现.     

一种基于DCT的图像灰度水印算法

针对二值水印信息量小的缺陷,提出一种基于DCT的图像灰度水印算法,通过修改DCT域中低频系数值来嵌入水印,易于实现。仿真实验证明本算法能够抵御剪切、噪声和JPEG压缩失真,具有良好的不可见性和鲁棒性。     

x-射线前散射图像物体真实灰度级的图像处理

为了准确提取物体的有效特征值,得到目标物体的真实灰度级,以前散射图像为例,建立了目标物体、背景物体及重叠区域灰度级之间的数学模型来描述物体间的重叠关系,把多个物体重叠问题简化为两个物体重叠问题.根据x-射线与物质相互作用关系、x-射线源类型、探测器通道数等对重叠关系模型进行转换、简化、推导,得到目标物体真实灰度级模型.将测得的80组灰度级代入目标物体真实灰度级模型中进行求解,结果表明,模型误差在10%以内,该模型算法有效可行.     

齿轮裂纹程度识别的有序分类算法

为识别齿轮裂纹的严重程度信息,提出一种基于有序分类的故障严重程度识别方法.将故障严重程度识别问题视为不同严重程度之间存在序结构,并且部分特征和故障严重程度之间存在单调依赖关系的有序分类问题,从有序分类出发,建立有序分类的故障严重程度识别模型.研究故障严重程度识别中的特征评价和特征选择问题,利用排序互信息指标区分原始特征集中的单调特征和非单调特征,提出单调特征和非单调特征混合存在情况下的有序分类特征选择算法.齿轮裂纹程度识别实验结果表明:提出的有序分类特征选择算法可以降低特征空间维数,能选择出分类能力强的故障特征子集,提高了故障严重程度识别的准确性.     

基于底层纹理特征的图像检索

讨论了统计法中的灰度共现矩阵法和频谱法中的小波变换法来提取图像底层纹理特征,并对此进行了比较和分析,实验表明,基于小波变换的纹理特征提取方法可以有效描述图像底层纹理并取得较好检索结果。     

纹理图像多尺度灰度共生矩阵步长参数的研究

将小波变换多尺度理论用于分析确定共生矩阵最佳步长参数值,利用小波变换对原始图像进行分解,根据具体纹理图像,选择合适小波子图像(近似图像或其细节子图像)进行纹理分析,通过计算分解图像的纹理特征参数(对比度)确定最佳步长参数.当步长参数为最优值时,计算所得纹理特征参数值将处于周期极值位置,其利于纹理分析.相对于原始图像,分...     

空间感知矩阵学习的极化SAR图像分类

为了解决最小二乘支撑矢量机无法高效地对大规模数据进行分类的问题,提出了一种空间感知矩阵学习的极化合成孔径雷达图像分类方法．感知矩阵由测量矩阵和字典的乘积构成,根据压缩感知理论,构造了空间感知矩阵．为了减小优化问题的规模,首先设计了与数据耦合的判别式测量矩阵;考虑到数据的极化信息和空间信息,构造了空间威沙特字典,减少了相干斑噪声对分类结果的影响;最后,提出了基于空间感知矩阵学习的分类器,获得了紧凑而又简洁的模型表示．真实极化合成孔径雷达数据的分类结果表明,这种分类器具有更高的分类准确率和更好的空间一致性．