一种基于网络学习的图像特征融合新方法

提出了一种图像特征融合新方法,应用于分析和挖掘图像中蕴含的丰富信息.基于神经网络学习功能构建图像特征与内涵之间的映射关系,达到挖掘图像内涵的目的.研究以文物图像为研究对象,选择了100幅古建筑图像,提取图像特征信息及其蕴含的语义信息,构建神经网络学习样本库,训练神经网络学习.实验选取了6幅测试样本,神经网络学习结果验证了本文方法的可行性和实用性.     

利用双通道卷积神经网络的图像超分辨率算法

目的 图像超分辨率算法在实际应用中有着较为广泛的需求和研究。然而传统基于样本的超分辨率算法均使用简单的图像梯度特征表征低分辨率图像块,这些特征难以有效地区分不同的低分辨率图像块。针对此问题,在传统基于样本超分辨率算法的基础上,提出双通道卷积神经网络学习低分辨率与高分辨率图像块相似度进行图像超分辨率的算法。方法 首先利用深度卷积神经网络学习得到有效的低分辨率与高分辨率图像块之间相似性度量,然后根据输入低分辨率图像块与高分辨率图像块字典基元的相似度重构出对应的高分辨率图像块。结果 本文算法在Set5和Set14数据集上放大3倍情况下分别取得了平均峰值信噪比(PSNR)为32.53 dB与29.17 dB的效果。结论 本文算法从低分辨率与高分辨率图像块相似度学习角度解决图像超分辨率问题,可以更好地保持结果图像中的边缘信息,减弱结果中的振铃现象。本文算法可以很好地适用于自然场景图像的超分辨率增强任务。     

基于多特征融合和CNN模型的树种图像识别研究

目的在树种图像识别时会存在类内差异、类间相似的现象,因此导致基于单一人工特征的传统识别方法难以达到理想的识别效果。针对这一问题,本文基于卷积神经网络,提出一种将图像深层特征和人工特征融合的树种图像深度学习识别方法。方法将6类常见树种（樟子松、山杨、白桦、落叶松、雪松和白皮松）图像作为研究对象。首先,通过裁剪、水平翻转、旋转等操作,对原始树种图像集进行数量扩增,并划分为训练集和测试集,建立本次树种识别实验的图像库;其次,将本文模型设计为3路并列网络,分别选取RGB图像、HSV图像、LBP-HOG图像,从图像像素、色彩、纹理和形状的角度出发,对上述树种图像进行识别。一方面构建适合本文实验的CNN深度学习模型,将训练集样本中RGB图像和相对应的HSV图像作为第1路和第2路CNN模型的输入,进行树种图像深层特征提取;另一方面,对训练集进行高斯滤波去噪和人工提取LBP-HOG特征来代表纹理、形状特征,作为第3路CNN模型的输入。然后,将3路模型各自得到的特征在最后一层全连接层进行汇总,作为softmax分类器的最终分类依据。最后,为检验本文方法的可行性,利用上述特征和训练集对SVM分类器、BP神经网络以及现有的深度学习LeNet-5模型、VGG-16模型进行训练,对测试集进行识别验证,来比较最终的识别效果。结果本文提出的多特征融合CNN模型,训练准确率为96.13%,平均验证识别准确率为91.70%。基于单路训练的CNN树种识别模型中,RGB图像作为训练输入值时,识别率最高,为75.21%,HSV特征识别率次之,LBP-HOG特征最差;多特征融合情况下,基于RGB + H通道 + LBP条件下,验证识别准确率最高,达到93.50%;RGB + HSV + LBP + HOG组合识别率不增反降,识别率为89.50%。同样的特征或特征组合条件下,SVM、BP神经网络、LeNet-5模型和VGG-16模型所获得的识别率均低于本文模型的识别率。结论基于RGB + H通道 + LBP特征融合条件下,运用3路并列CNN模型,对本文6类树种图像进行识别的识别率最高,克服了在单一特征情况下识别率低的问题,识别效果也非常理想,实现了从大量不同树种图像中自动识别出具体类别。      

基于卷积神经网络的农作物病理图像分类算法研究

快速有效检测农作物病理对于农业具有重大的意义,不仅能提高自动化识别病理效率,还可以提高农作物产量.以土豆、番茄等农作物作为病理研究对象,提出一种基于卷积神经网络的农作物病理分类模型MFCPNet.首先构建深度卷积神经网络模型,分别通过卷积层、激活层、池化层全连接层进行组建,然后将提取到的图像病理特征进行多特征融合,从而...     

基于病斑特征融合的烟草病害图像检索方法

针对目前烟草病害诊断专家系统依靠肉眼获取病害特征,致使病害诊断存在不确定性、误判等现象,提出了一种基于病斑特征融合的烟草病害图像检索方法以诊断病害。通过图像处理技术分割病害图像病斑,提取病斑的颜色、纹理、形状特征,依据双编码遗传算法和支持向量机识别病害模型对病斑特征降维,以获取表征病害的有效特征及权重。将有效特征归一化处理后与病害图像数据库系统中的病斑特征进行图像相似度距离计算,按距离大小返回一批相似图像,依据相似图像获取病害描述及防治措施。以烟草7种常见病害进行试验表明,融合病斑的颜色、纹理、形状特征检索病害图像,查准率和查全率明显比用单个特征检索的高。用这种方式诊断烟草病害,不但有较高的病害识别率,还能使诊断结果可视化,将其用于烟草病害诊断专家系统,将提高系统的鲁棒性,为实现病害的远程在线诊断提供条件。     

基于地物特征的遥感图像融合效果

以ETM多谱段和全色影像为数据源,在最佳波段组合分析的基础上,采用主成分变换、乘积变换、小波变换、小波+IHS混合变换和小波+主成分混合变换等方法对图像进行融合.以均值、标准差、信息熵为评价指标,比较分析了不同地物特征的图像融合效果.结果表明:采用小波+IHS混合方法有利于耕地信息的提取;采用小波+主成分融合方法有利于居民地、林地、牧草地、水域、未利用地和园地等信息的提取.     

基于卷积特征融合的篮球比赛视频遮挡运动员检测方法

为了提高遮挡篮球运动员检测性能和检测效果,提出了基于卷积特征融合的篮球比赛视频遮挡运动员检测方法。利用卷积特征融合网络的扩展结构,得到篮球比赛视频中遮挡运动员的图像信息,基于卷积特征融合网络核函数,提取出篮球比赛视频遮挡运动员的轮廓信息,根据运动员图像的像素点坐标,构建了图像区域内的目标模型,获取到运动员在篮球比赛视频中的遮挡区域,结合篮球比赛视频中连续2帧运动员图像之间的像素灰度差分关联系数,完成篮球比赛视频遮挡运动员的定位,通过训练卷积特征融合网络,输出篮球比赛视频遮挡运动员检测结果。实验结果表明,所提方法在提高检测性能的同时,具有良好的检测效果。     

基于多分辨率特征融合的葡萄尺寸检测

针对葡萄特征提取不够充分且果粒排列密集相互遮挡难以准确检测的问题,以陕西省鄠邑区户太8号葡萄为研究对象,提出一种基于特征金字塔网络(FPN)特征融合的Faster R-CNN卷积神经网络模型完成复杂背景情况下葡萄果粒的检测与识别.以ResNet50为主干网络,引入金字塔结构,增强网络模型对葡萄果粒不同分辨率特征的提取能...     

基于特征融合Transformer的EfficientNet v2网络对马铃薯叶片病害的识别

马铃薯叶片病害是影响马铃薯质量和产量的主要因素,为了能够快速准确地识别马铃薯叶片病害并采取对应的防控和救治措施,本研究提出一种新型马铃薯叶片病害识别方法。该方法利用EfficientNet v2网络提取图像特征,通过4个不同尺度的网络层进行金字塔融合,从而捕捉不同尺度下的图像细节和上下文信息,并在金字塔融合中的每个下采样环节都添加1个CBAM注意力机制模块,且每个CBAM模块后都加入Vision Transformer的Encoder模块进行特征增强,帮助提升所提取特征的丰富性和抽象能力,最后使用softmax进行分类。研究提出的模型识别准确率达到98.26%,相比改进之前提升3.47百分点,且其loss收敛更快,宏平均值与加权平均值都有明显提升。消融试验表明,该模型在各项指标上的表现最优,超过基线模型和融合模型,大幅提高图像分类识别任务模型的性能表现。该方法可有效提高病害区域的识别能力和检测准确率,且能在强干扰的环境下做到高精度识别,具有良好的鲁棒性和适应性,同时能解决病害识别中泛化能力弱、精度低、计算效率低等问题。     

融合枣果与叶片信息的枣品种识别方法研究

针对自然环境下枣品种分类问题,提出了1种基于特征融合的枣品种快速识别方法。该方法考虑了枣果特征与枣叶片形状、纹理特征,构建了三分支并行卷积神经网络结构,其中3个分支均在ResNet-18网络的基础上进行训练并提取相应的特征,然后将枣叶片的两类特征相加,再将其和枣果特征进行拼接融合,最后通过全连接层实现枣品种的分类。实验结果表明,三分支卷积神经网络模型与单、双分支网络模型相比,分类准确率提高到了91.68%。本文提出的识别模型能有效避免相似枣果形状干扰而导致识别错误的问题,可提高自然环境下枣品种的识别准确率。     

基于多特征融合的图像语义标注

采用了新的颜色特征提取方法,融合图像的颜色和纹理特征作为图像的特征向量,用支持向量机实现图像语义信息的标注.实验结果表明,多特征图像检索要比单一特征检索效果好,在颜色特征的基础上引入纹理特征和形状特征后可有效提高检索效率,而且采用支持向量机融合多特征可成功用于图像语义的标注.     

基于无人机多光谱影像特征融合的小麦倒伏监测

【目的】小麦倒伏严重影响小麦光合及成熟进程,进而造成小麦减产及品质下降。为快速精确获取倒伏信息,评估无人机遥感监测小麦倒伏的能力,构建小麦倒伏监测模式,为灾情评估、保险理赔及灾后补救提供技术支持。【方法】利用近地无人机获取包含红、绿、蓝、红边和近红外5个多光谱波段图像,经过预处理飞行高度50 m的小麦冠层图像,得到分辨率为1.85(cm/像素)的数字正射影像图（DOM）和数字表面模型（DSM）,从中提取光谱特征、高度特征和光谱纹理共3类特征信息;采用支持向量机（SVM）和随机森林（RF）2种分类器对6种不同特征集组合进行倒伏分类比较,使用准确率（Acc）、精确率（Pre）、召回率（Re）和调和平均数（F1）以确定较优的特征组合和分类器;同时使用3种不同的特征集筛选方法（套索算法Lasso、随机森林递归算法RF-RFE和Boruta算法）对优化的特征子集进行综合评价,确立适宜的倒伏分类评价方法。【结果】单一特征的光谱和纹理及其组合对小麦倒伏的分类评价结果较差,“椒盐现象”严重,在此基础上融合DSM信息的分类精度显著提高。采用随机森林分类器对光谱特征、纹理特征和高度特征进行特征集组合,小麦...     

基于Titan Image软件的QuickBird影像融合

基于北京东方泰坦科技股份有限公司研发具有完全自主知识产权的Titan Image7.0遥感图像处理软件平台,对QuickBird标准组合(全色0.61 m+多光谱2.44m)影像进行像素级融合,探讨Titan Image7.0遥感图像处理平台在影像融合及评价方面的应用.结果表明:该软件以友好的全中文界面,在同一平台上以简单的操作过程即可完成影像的融合过程与质量评价指标的求算,不仅有效的避免了跨平台、语言差异等因素带来的操作不便与信息损失,而且丰富的融合算法和质量评价指标,可以完成多种影像数据的融合和质量评价;从QuickBird影像融合与质量评价结果来看,参与融合的4种算法中以Pansharp融合算法最好,其次为小波变换算法,IHS算法、PCA算法融合效果最差,这与前人的研究结果基本一致.因此,可以认为Titan Image7.0软件是一种非常好的遥感影像融合平台.     

基于ETM遥感影像的荒漠公益林融合方法研究

随着遥感影像融合技术的发展,提高了光谱分辨率较高而空间分辨率较低影像的应用前景,这对于森林资源调查具有重要意义.本文利用ETM影像,通过主成分、比值、乘积和IHS变换等4种融合方法对研究区影像进行了融合,并对融合后的影像进行了效果评价.结果表明,所有融合后图像的标准差和信息熵都大于原始影像,融合后图像的信息量大大增加,其中基于IHS变换的融合方法效果较其它3种融合方法好.     

半色调图像纹理特征提取方法

提出基于局部二值化模式和像素相关算子的半色调图像纹理特征提取方法,以实现误差分散类半色调图像的分类。该方法是将误差分散类图像先进行局部二值化模式变换,再以任一像素点为中心,取适当的距离提取八个方向的像素相关值作为图像的特征向量,最后将提取的特征通过BP神经网络进行分类。实验结果表明,提出的算法适用于二值图像的特征提取,能够降低局部二值模式的特征维数,提高时间效率和空间利用率;相对灰度共生矩阵算法提出的算法在计算复杂度、识别精度等性能方面都有所改善。     

Super-Resolution Reconstruction of Image Sequence Using Multiple Motion Estimation Fusion

Super-resolution reconstruction algorithm produces a high-resolution image from a low-resolution image sequence. The accuracy and the stability of the motion estimation (ME) are essential for the whole restoration. In this paper, a new super-resolution reconstruction algorithm is developed using a robust ME method, which fuses multiple estimated motion vectors within the sequence. The new algorithm has two major improvements compared with the previous research. First, instead of only two frames, the whole sequence is used to obtain a more accurate and stable estimation of the motion vector of each frame; second, the reliability of the ME is quantitatively measured and introduced into the cost function of the reconstruction algorithm. The algorithm is applied to both synthetic and real sequences, and the results are presented in the paper.     

基于滤波器分解的图像融合算法研究

研究了一种空域中的图像分解技术,进而利用改种分解方法,探讨了图像融合算法。主要思想是利用类型确定的滤波器(如低通)对原始图像滤波,将图像分解为高频和低频2部分,再对分解得到的低频或高频成分进行同样的处理,继续这一过程,图像便可分解成不同频率分量的图层之和。进而在各个图层上进行相应的融合处理,最后利用逆变换得到最终的结果。     

中华绒螯蟹数量和规格的计算机识别

利用数字图像处理知识和计算机视觉技术,对中华绒螯蟹的图像进行分析,编制了相应的计算程序,提取了重要特征,对其表面水珠等进行了去噪处理,并对其数量和规格进行统计和分析。所得结论为其数量和发育状况的识别提供了客观的依据,对进一步研究中华绒螯蟹的生长、发育和健康状况以及性早熟等问题具有一定的指导意义。