移动队列规则耦合角度约束的医学图像匹配

当前医学图像的特征匹配主要依靠像素灰度来完成,但是像素灰度对空间信息不敏感,当匹配图像之间存在灰度信息不均衡以及噪声干扰时,将导致误匹配率较高,对此,本文提出了一种基于移动队列规则耦合角度约束的医学图像匹配算法.首先,利用高斯金字塔模型对源图像进行滤波预处理,以减少源图像中存在的噪声等干扰;再利用Harris算子对预处理后的源图像进行特征检测,获取图像的特征点;然后,利用SURF(Speed Up Robust Feature)特征描述子,获取特征点对应的特征描述子.并通过尺度空间理论获取特征点集,通过将特征点集进行排序来形成队列,从而设计移动队列规则,完成特征点的匹配;最后,通过求取匹配特征点间的夹角,形成角度约束模型,对匹配特征点进行提纯,剔除伪匹配特征点,使得匹配准确度得以提升.从仿真实验结果与分析可见,在对医学图像进行匹配时,本文所提出的方法具有匹配精度高、鲁棒性能好等特点.     

一种块匹配的图像修复算法

在研究Criminisi算法的基础上,提出了一种新的图像修复算法。根据图像待修复点梯度的大小,在源区域中确定其匹配区域的范围,减少搜索次数;以到待修复点距离从小到大的方式搜索匹配块,应用最近最优匹配块对图像进行修复;提出新的置信度更新方法,使更新后的置信度与累积误差成反比。实验表明,本文提出的图像修复算法具有较好的图象修复效果,并且计算复杂度低,效率高。     

THT机制耦合高斯模糊的图像融合方案

为了提高当前红外(IR)与可见光(VI)图像的融合质量,保持良好的可视化细节和突出IR目标,有效减少模糊,降低信息冗余,通过改进THT(Top-Hat Transform)机制,设计了一种新的红外-可见光图像融合算法.首先,为了有效地提取源图像的特征和细节,在传统的高帽变换(Top-Hat Transform,THT)中引入了多尺度计算,分别在不同尺度上提取红外和可见光图像的不同亮(暗)特征区域;其次,通过多判别对比融合规则来综合两个图像中的同一尺度的特征区域,将所有尺度上的特征进行累加,获取特征图像;然后,通过最大尺度结构元素的开、闭运算得到源图像的平滑明亮、暗图像,在平滑图像上利用Gaussian模糊逻辑融合规则获取基础图像;最后,将提取的亮与暗特征图像导入基础图像中形成新图像,输出图像融合.实验表明:与当前流行的融合方法相比,本文方法具有更好的视觉质量和定量分析结果.     

基于PRP公式修正的有效共轭梯度算法

给出一种非负且带有调比因子的修正PRP共轭梯度法参数公式.基于该共轭参数公式,采用SWP线搜索的对应共轭梯度算法满足充分下降性,采用WWP线搜索的对应谱共轭梯度算法保持下降性.在常规假设条件下,证明了算法的全局收敛性,数值实验结果表明算法是有效的.     

基于跟踪—关联模块的多目标跟踪方法研究

多目标跟踪面临的最大挑战是身份转换问题,其由目标物体间的相互遮挡造成.针对该问题,提出一种基于跟踪模型和关联模型的多目标跟踪方法.首先在跟踪模块针对每一个跟踪个体采用粒子滤波器还原其各自轨迹片段,并计算可信因子评估遮挡程度;然后在关联模块,将人体分割为头部、躯干和腿三部分,将人的面貌分为前侧和背侧两种,利用HSV颜色直方图方法提取各部分特征描述符,利用K最近邻方法探测个体之间的匹配程度,进行再次识别以实现轨迹片段的融合.实验结果表明,同传统的方法相比,提出的算法可有效避免由于遮挡引起的身份转换问题,且目标检测准确率有较大提高,检测准确率达到90.5%.     

基于联合特征与中心方向信息的图像哈希算法

为了提高哈希技术对旋转操作的识别能力,提出了全局-局部联合特征耦合中心方向信息估计的图像哈希认证技术.首先,引入2D线性插值技术,对输入的图像进行预处理,使其对任意的缩放操作都具有固定尺寸的哈希序列;然后,将预处理图像转变为HSV彩色空间,借助二维离散小波变换(Discrete Wave Transform,DWT)处理V分量,利用其低频系数形成二次图像;再引入奇异值分解(Singular Value Decomposition,SVD)处理二次图像,提取其全局特征,将其作为第一个中间哈希序列;基于Fourier机制,借助残差方法,确定图像的显著区域,获取其位置与纹理的局部特征,作为第二个中间哈希序列;随后,引入Radon变换,通过计算图像的中心方向信息,将其与2个中间哈希序列组合,形成过渡哈希数组;借助Logistic映射,定义动态引擎参数,从而设计了分段异扩散技术,对过渡哈希数组进行加密,输出最终的哈希序列;最后,通过估算原始哈希序列与待检测哈希序列的Hamming距离,将其与用户阈值进行比较,完成图像认证.实验结果显示:与当前的图像哈希技术相比,所提算法具有更高的鲁棒性与安全性,对旋转攻击能力具有更好的识别能力.     

Navier-Stokes方程的回溯两水平有限元变分多尺度方法

基于两重网格离散和回溯两水平方法,提出了一种求解大雷诺数不可压缩流定常Navier-Stokes方程的回溯两水平有限元变分多尺度方法.其基本思想是:首先在一粗网格上求解带有亚格子模型稳定项的Navier-Stokes方程,然后在细网格上求解一个亚格子模型稳定化的线性Oseen问题,最后又回到粗网格上求解全线性化校正问题.通过适当的稳定化参数和粗细网格尺寸的选取,这些算法能取得最优渐近收敛阶.我们通过数值模拟,验证了其高效性.     

带度量误差的全林整体模型参数估计研究

该文以广西大青山马尾松全林整体模型为基础模型,进行模拟实验设计,并构造株数、直径、优势高、平均高和形高5个观测因子都有度量误差的模拟观测数据,用非线性度量误差联立方程组方法,对5个观测因子都有度量误差的全林整体模型进行估计.结果表明,与最小二乘估计方法一样,优势高、平均高和形高模型没有明显的系统偏差,与通常最小二乘估计方法不同的是断面积、直径和株数模型也没有出现明显的系统偏差.得出结论,在建立有度量误差的全林整体模型时,非线性度量误差联立方程组方法明显优于最小二乘法.      

基于 Fuzzy-IPA 的西南大学校园植物景观满意度测评研究

以西南大学校园植物景观为研究对象,运用三角模糊评价理论,采用三角模糊值表示被调查对象的感知表现,用连续性的变化更为客观地描述被调查对象感知值,并结合IPA分析法,构建基于Fuzzy-IPA分析法的满意度测评模型,不仅可筛选出影响西南大学校园植物景观的关键因子,而且可以找出相关因子的重要程度与表现程度.     

忆阻交叉阵列模糊 PID 控制器设计及仿真

随着实时控制、信息处理和图像处理等领域对运行速度要求的逐渐提高,需要开发出一种模糊硬件电路和模糊芯片来实现快速实时的模糊推理.基于忆阻器交叉阵列结构,设计了一种新型模糊神经推理系统,为模糊推理系统的硬件实现提供了设计方案.首先通过对复杂非线性函数建模,验证了所设计的模糊推理系统的准确性,该系统不仅具有处理大量输入输出数据的能力,而且推理过程中不需要繁琐的优化算法.然后将设计的推理系统应用于模糊PID控制器中,通过实验仿真,表明该系统在模糊控制方面有广阔的应用前景.     

The recognition of apple fruits in plastic bags based on block classification

The recognition of apple fruits in plastic bags is easy to be affected by reflected and refracted light. In order to weaken the influence of light, a method based on block classification is proposed. The method adopts watershed algorithm to segment original images into irregular blocks based on edge detection results of R–G grayscale images firstly. Compared with the watershed algorithm based on gradient images, the segmentation method can preserve fruits edge and reduce the number of blocks by 20.31%, because graying image method, R–G, filters most of leaves and edge detection operator insures that the edge of fruits are detected accurately. Next, these blocks are classified into fruit blocks and non-fruit blocks by support vector machine on the basis of the color and texture features extracted from blocks. Compared with the image recognition method based on pixel classification, the proposed method can restrain the interference of light caused by plastic bags effectively. The false negative rate (FNR) and false positive rate (FPR) of the method based on pixel classification are 21.71 and 14.53% respectively. The FNR and FPR of the proposed method are 4.65 and 3.50% respectively.     

一种新的IHS图像多次融合的方法

章太炎对东方语言文字有着自己独到的认识，他将语言文字与国家存亡联系在一起，语言文字不仅是民族文化之根，代表着一国的“文化身份”，也是将亚洲各国团结一起抵制西方文化入侵的纽带工具。章太炎对东方语言的认识，以及其东方语言文化观的形成和建立，与近代日本政治文化背景有着复杂的关联。研究章太炎的近代东方语言文化观与日本之间的联系，这对全面认识章太炎的思想和此期复杂的东方时代格局，有着非常重要的意义。     

基于数学形态学和最大似然法的遥感图像分类研究

随着高空间分辨率遥感影像应用范围的不断扩大,传统基于灰度值的遥感图像分类方法很难满足实际需要.该文通过数学形态学方法,对高空间分辨率遥感全色图像进行处理,通过交互式选择训练区,构造包含形态学梯度、高帽变换和灰度均值的三维特征向量,利用Bayes最大似然分类器对高空间分辨率遥感图像不同土地利用类型进行自动识别,改善了分类精度.这种分类方法,可以用于指导森林资源监测、土地利用现状调查和国土荒漠化监测与评价的工程实践.     

基于国产GF-2遥感影像的大麻地块提取方法研究 ——以安徽省六安市苏埠镇为例

针对传统的基于像元的分类方法提取大麻地块结果存在较为破碎、精度较低的问题,以国产"高分二号"(GF-2)4m的多光谱遥感影像为数据源,在安徽省六安市苏埠镇选取了一个研究区,使用基于规则集的面向对象的方法实现了大麻地块的精确提取。首先,对研究区预处理过的GF-2遥感影像进行多尺度分割,在多尺度分割结果的基础上,确定提取大麻地块的最优分割尺度。其次,针对不同地物类型选取样本对象生成光谱曲线,分析大麻地块与其他地物类型的异同点,并基于光谱分析结果构建规则集最终实现大麻地块的提取。最后,将基于规则集的面向对象分类结果和基于像元分类(监督分类)的结果进行对比分析。结果表明,基于规则集的面向对象方法可以有效的提取出研究区内的大麻地块,精度可以达到91.09%,解决了传统基于像元分类方法提取大麻地块结果较为破碎的问题。     

Evaluating high resolution SPOT 5 satellite imagery for crop identification

High resolution satellite imagery offers new opportunities for crop monitoring and assessment. A SPOT 5 image acquired in May 2006 with four spectral bands (green, red, near-infrared, and short-wave infrared) and 10-m pixel size covering intensively cropped areas in south Texas was evaluated for crop identification. Two images with pixel sizes of 20 m and 30 m were also generated from the original image to simulate coarser resolution satellite imagery. Two subset images covering a variety of crops with different growth stages were extracted from the satellite image and five supervised classification techniques, including minimum distance, Mahalanobis distance, maximum likelihood, spectral angle mapper (SAM), and support vector machine (SVM), were applied to the 10-m subset images and the two coarser resolution images to identify crop types. The effects of the short-wave infrared band and pixel size on classification results were also examined. Kappa analysis showed that maximum likelihood and SVM performed better than the other three classifiers, though there were no statistical differences between the two best classifiers. Accuracy assessment showed that the 10-m, four-band images based on maximum likelihood resulted in the best overall accuracy values of 91% and 87% for the two respective sites. The inclusion of the short-wave infrared band statistically significantly increased the overall accuracy from 82% to 91% for site 1 and from 75% to 87% for site 2. The increase in pixel size from 10 m to 20 m or 30 m did not significantly affect the classification accuracy for crop identification. These results indicate that SPOT 5 multispectral imagery in conjunction with maximum likelihood and SVM classification techniques can be used for identifying crop types and estimating crop areas.     

一种基于BP神经网络的低分辨率图像复原方法

为了研究低分辨率图像的复原问题,文中选取线性和非线性插值法对多帧图像的公共信息矩阵进行插值,得到重构矩阵.通过对每帧图像公共信息同一位置像素差异的分析,确定还原效果最好的特征块.利用这些特征块和对应的原特征块,构筑并训练神经网络,再由该神经网络重新还原每一帧图像,从而缩小每一帧公共信息之间的细节差异,达到最好的还原效果.试验表明,该方法能够很大程度能够提高算法的运算速度和运算精度.     

大豆冠层多源图像特征点配准方法研究

针对具有颜色信息的大豆冠层三维结构形态的重建问题,采用PMD摄像机与彩色摄像机相结合的多源图像采集系统获取大豆冠层多源图像,对大豆冠层多源图像特征点配准方法进行研究。以彩色图像和强度图像为研究对象,利用仿射变换实现彩色图像坐标系到PMD图像坐标系的转换;利用Harris算法检测图像特征点,采用基于归一化互相关系数法(NCC)实现特征点粗匹配。为克服传统RANSAC算法抽样次数较多及和数据检验时间较长的弊端,提出在特征点匹配阶段,按照可信度将特征点对排序,从可信度高的点对开始抽取的方法来优化经典RANSAC算法,进而实现特征点精匹配,最终完成多源图像特征点配准。为验证本研究提出的图像配准算法的有效性,将该算法与传统图像配准算法相对比,结果表明:室外和室内环境下,样本组的平准正确配准率分别为83%和87%,均优于传统图像配准算法,并满足快速配准大豆冠层多源图像特征点的要求。     

基于间隙度的无人机林地航拍图像序列拼接方法

无人机林地航拍图像具有的分辨率高、数据量大、边缘丰富的特点,造成了特征点配准中误匹配率的增加,因此本文提出了一种新的无人机林地航拍图像序列拼接方法。分形中的间隙度可用于描述图像区域纹理的粗糙程度,本文首先利用间隙度特征选取图像中局部图像块作为候选区域查找特征点,减少了待配准的特征点数量,提高了特征点配准正确率;其次,采用全局拼接技术变换图像,减少传统拼接中矩阵连乘产生的误差的积累和传播。实验中选取了不同拍摄高度的两组图像序列,将本方法与传统的全局SURF特征方法和降采样图像拼接方法进行了对比,结果显示本方法可以有效拼接图像,同时不会损失原图像的精度信息,并从视觉效果和均方根误差两个角度证明了本文方法优于其他两种方法。      

前景判别的局部模型匹配目标跟踪

目的 在复杂背景下,传统模型匹配的跟踪方法只考虑了目标自身特征,没有充分考虑与其所处图像的关系,尤其是目标发生遮挡时,易发生跟踪漂移,甚至丢失目标。针对上述问题,提出一种前景判别的局部模型匹配(FDLM)跟踪算法。方法 首先选取图像帧序列前m帧进行跟踪训练,将每帧图像分割成若干超像素块。然后,将所有的超像素块组建向量簇,利用判别外观模型建立包含超像素块的目标模型。最后,将建立的目标模型作为匹配模板,采用期望最大化(EM)估计图像的前景信息,通过前景判别进行局部模型匹配,确定跟踪目标。结果 本文算法在前景判别和模型匹配等方面能准确有效地适应视频场景中目标状态的复杂变化,较好地解决各种不确定因素干扰下的跟踪漂移问题,和一些优秀的跟踪算法相比,可以达到相同甚至更高的跟踪精度,在Girl、Lemming、Liquor、Shop、Woman、Bolt、CarDark、David以及Basketball视频序列下的平均中心误差分别为9.76、28.65、19.41、5.22、8.26、7.69、8.13、11.36、7.66,跟踪重叠率分别为0.69、0.61、0.77、0.74、0.80、0.79、0.79、0.75、0.69。结论 实验结果表明,本文算法能够自适应地实时更新噪声模型参数并较准确估计图像的前景信息,排除背景信息干扰,在部分遮挡、目标形变、光照变化、复杂背景等条件下具有跟踪准确、适应性强的特点。