基于协同表示的高光谱和多光谱图像融合算法

为了增强高光谱图像的空间分辨率,该文提出一种基于传统Pan-sharpening技术的高光谱和多光谱融合框架,该融合框架将高光谱和多光谱(HS-MS)图像融合问题简化为若干个多波段和单波段(MB-IB)图像融合问题。在此基础上,对于每个多波段和单波段图像融合的问题提出一种基于局部自适应(LA)字典和协同表示(CR)的图像融合(LACRF)算法,得到高空间分辨率的多波段(HRMB)图像,并最终获到了高空间分辨率的高光谱图像(HHS)。通过实验可知,LACRF算法具有良好的融合效果。     

一种基于NSCT和自适应PCNN医学图像融合的改进算法

由于医学影像成像原理不同,不同模态图像的质量、空间和时间特性有较大区别,因此临床上需要将不同模态的图像融合进行综合分析。为了准确并全面地融合MRI和PET图像,提出了一种基于NSCT和自适应PCNN医学图像融合的改进算法。算法采用NSCT得到图像的低频和各方向子带信息,采用符合人类视觉系统的自适应PCNN选择融合图像系数,重构得到融合图像。采用颅脑MRI和PET医学图像进行了仿真实验。结果表明,基于NSCT自适应PCNN算法在提高空间纹理细节和减少颜色失真方面明显优于其它的融合算法。     

多光谱图像与全色图像融合

非下采样Contourlet 变换具有多尺度、多方向性、强大的稀疏表达能力,能够有效捕获图像中的纹理信息,文中提出了一种新的基于非下采样Contourlet变换和 HIS变换的遥感图像融合方法。对多光谱图像进行 H IS 变换,将得到的亮度分量和全色图像进行非下采样Contourlet变换,通过融合算法得到新的亮度分量,进行 HIS逆变换得到融合图像。实验结果表明,该方法在保留原图像的频谱信息的同时增强了融合图像的空间细节表现能力。     

基于多光谱图像融合技术的麦粒图像增强方法研究

部分麦粒在单一波段的光谱图像中,常规的形态学及纹理特征难以完全体现出来,这样对于后续的特征提取会造成信息的丢失,降低识别率,为此提出了一种基于多光谱图像融合技术的图像增强方法.首先,采集同一组麦粒的近红外、红色、绿色和全色图像,采用IR+R,IR-R,IR+G+R,IR/R,IR/G,G/R,r+ir,g+ir,g+r,ir-r,2g-r-ir,(IR-G)/(IR+G)等融合方式;然后将全色图像转换到HSI彩色空间,同时采用IR/I,R/H,G/S等7种融合方式对其处理;最后使用主成分分析,进行数据的分析.在试验中,进行了多种融合方式的对比研究,并与原始波段的光谱图像比较.结果表明,IR-R的融合方式效果最好.     

Landsat7卫星多光谱图像与全色图像的数据融合

随着遥感技术的发展，遥感图像的数据融合备受关注．本论述利用小波变换和IHS相结合的方法对Landsat7多光谱图像与全色图像进行数据融合．选取徐州市南郊铜山新区的图像进行试验，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法均优于颜色变换法．     

基于改进遗传算法的超光谱图像特征选择方法

提出的特征选择新方法充分利用遗传算法并行搜索、全局寻优的优点，并结合超光谱图像特征选择的具体应用，选择表征类别可分性的判别标准作为评价函数计算个体适应度，通过交叉和变异操作实现个体进化．为加快算法收敛速度，提高遗传算法性能，在遗传算法中引入了两代竞争机制，获取最佳的分类特征组合．利用一幅200波段的AVIRIS超光谱图像进行的仿真实验结果表明，所提出的方法用于特征选择具有分类精度高，计算耗时少的优点．     

Contourlet域的多极化SAR图像自适应融合方法

针对不同极化SAR图像的融合,提出了一种基于Contourlet变换的自适应窗口图像融合方法．首先对原始图像进行Contourlet变换,将图像分解为一个低频予带和多个不同方向的高频子带．对分解后的低频子带进行邻域能量加权融合,对各方向高频子带采用依据SAR图像斑点噪声特征的变化自适应地调整融合窗口的方法.通过对两极化SAR图像进行融合实验并与小波变换等融合结果比较,表明本文方法融合后的图像在视觉特性以及客观评价统计因子上取得了更好的效果,融合后的图像提供了比原始图像更丰富的信息．     

基于Contourlet尺度相关的SAR图像融合

针对不同波段全极化SAR图像的融合,提出了一种基于Contourlet变换域进行图像融合的方法.利用Contourlet变换将图像分解为一个低频子带和多个不同方向的高频子带,对分解后的低频子带进行邻域能量加权融合;对方向高频子带依据尺度间相关性定义一个边缘信息量测指标,选择量测指标大的系数作为融合系数.最后对两波段全极化SAR图像进行了融合实验.实验结果表明：与小波变换等融合方法相比,利用所提出方法融合后的图像能够明显抑制SAR斑点噪声影响,在视觉特性以及评价指标上效果更好.     

基于遗传算法的图像多阀值自动分割方案

图像多阈值分割是图像处理的基本技术之一。遗传算法则是一种借鉴生物界自然选择和自然遗传机制的高度并行、随机、自适应的搜索算法。本文将遗传算法引入图像分割,提出一种新的图像多阈值分割方案,并加以改进。该方案能够快速正确的实现分割,且不需事先认为的确定分割类型。实验结果令人满意。     

基于遗传算法优化的稀疏表示图像融合算法

关于稀疏表示理论的图像融合主要是利用加权系数方法来确定稀疏系数的融合规则,通过遗传算法求解最优加权系数,实现全色图像和多光谱图像的融合.所提算法与Contourlet变换、主成分分析算法和高通滤波等遥感图像融合算法相比,在提高图像清晰度的同时,光谱保真度相对较高.     

基于NSCT变换和图像质量评价的拼接图像检测

基于NSCT的多分辨率、局域化、各向异性、平移不变性等特性,文章提出一种新的拼接图像检测方法,利用NSCT和图像质量评价提取出多维图像矩特征以捕获原始图像与伪造图像间的差异,最后利用SVM分类器对图像库进行训练和测试,得到了较好的试验结果。与同类方法相比文中运用了较少的特征向量维数达到了拼接检测目的。     

基于Curvelet变换与自适应PCNN的红外与可见光图像融合

根据红外与可见光图像的成像特点,提出一种基于Curvelet变换与自适应PCNN( Pulse Coupled Neural Networks)的图像融合新算法.首先对两幅原始图像进行快速离散Curvelet变换,得到不同尺度与方向下的子带系数;对低频系数采取加权平均融合规则,将高频系数作为PCNN的输入,选取区域能量测度为PCNN的连接强度,利用PCNN的全局耦合特性和脉冲同步特性选择高频系数;最后经Curvelet逆变换得到融合结果.实验结果表明,该方法得到的融合图像在边缘等细节上比传统方法具有更好的视觉效果,在熵、平均梯度、标准差等客观指标上都优于其它方法.     

基于模态分解的最小方差模态滤波器

针对浅海的复杂水声环境,提出了一种基于模态分解的最小方差无失真响应(MVDR)的自适应模态滤波器,利用接收阵列的声场数据和声速梯度数据,估计了各阶简正波复幅度系数。最小方差模态滤波器提取声场某阶模态时,可以抑制其它模态和噪声的影响,减弱模态滤波器对阵列长度的依赖性及对噪声的灵敏度。通过计算机仿真研究了最小方差模态滤波器的性能,并与其它线性模态滤波器进行了对比,结果表明:该自适应模态滤波器比其它线性模态滤波器能更精确地估计各阶简正波复幅度系数,并且具有良好的环境适用性特点。     

渐消自适应Unscented粒子滤波及其在组合导航中的应用

提出一种新的渐消自适应Unscented粒子滤波算法,通过Sigma点来获取状态估值和协方差阵,利用渐消因子自适应的调节权值大小,得到一种参数可调节的重要性密度函数。该重要性密度函数考虑了最新量测的影响,更合理地利用有效信息,保证了粒子多样性,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,与扩展Kalman滤波和渐消自适应扩展Kalman滤波比较,仿真结果表明,提出的滤波算法能提高导航解算的精度,其性能明显优于扩展Kalman滤波和渐消自适应扩展Kalman滤波。     

一种基于规则提取的自动化测试用例生成方法

软件测试过程中,缩小测试用例集的规模,通常需要根据经验进行分析,找出输入输出间的非映射关系,这往往要耗费过多的测试资源。而人工神经网络在此问题的处理上有其特有的优势。因此文章提出了一种改进的规则提取方法,用于生成测试用例。通过构建神经网络模型,建立输入/输出之间的非线性映射关系,接着根据连接的权值,裁剪网络,去除与特定输出无关的输入属性。然后,在规则提取阶段仅保留两个与该输出最为相关的输入,并由此提取出IF-THEN规则,生成测试用例。文章完成了改进后规则提取算法各阶段的自动化,显著降低了在测试用例设计环节上的开销。最后,通过程序验证了该方法的有效性。     

一种新的ICM模型参数设置方法

针对ICM模型用于目标识别参数需要人工设置的问题,提出一种新的ICM模型参数设置方法。该方法从提高目标识别率出发,提出利用相关系数确定ICM模型参数学习准则,使用梯度下降法对这一准则进行求解,达到根据输入图像的不同自适应确定ICM模型参数的目的。实验结果表明该方法可以很好解决传统ICM网络参数需要人工选取的劣势。