简介:摘要:针对激光三维扫描图像中噪声干扰大,光条中心提取耗时等问题,根据激光三维图像的特征,提出了激光三维扫描图像处理改进算法。图像预处理过程中,结合不同特征采用不同的滤波方法,消除噪声干扰、增强图像特征。考虑到激光三维扫描的实时性,为了提高激光光条中心提取的效率,文中在steger光条中心提取算法的基础上,简化二维高斯卷积核,采用方向模板对图像进行卷积,计算图像中的各像素的各阶偏导数,进而构建hessian矩阵求得最小特征值和对应的方向向量,从而确定光条中心点,提高了光条中心提取的效率并保证了算法的鲁棒性。实验结果表明:改进算法能够有效去除激光三维扫描图像中的噪声,对不同类型的噪声具有良好的抗干扰能力,而且处理后的激光三维扫描图像质量较高,细节丰富、信息完整。此外,激光三维扫描图像处理的速度得到了优化提升。
简介:摘要:针对激光三维扫描图像中噪声干扰大,光条中心提取耗时等问题,根据激光三维图像的特征,提出了激光三维扫描图像处理改进算法。图像预处理过程中,结合不同特征采用不同的滤波方法,消除噪声干扰、增强图像特征。考虑到激光三维扫描的实时性,为了提高激光光条中心提取的效率,文中在steger光条中心提取算法的基础上,简化二维高斯卷积核,采用方向模板对图像进行卷积,计算图像中的各像素的各阶偏导数,进而构建hessian矩阵求得最小特征值和对应的方向向量,从而确定光条中心点,提高了光条中心提取的效率并保证了算法的鲁棒性。实验结果表明:改进算法能够有效去除激光三维扫描图像中的噪声,对不同类型的噪声具有良好的抗干扰能力,而且处理后的激光三维扫描图像质量较高,细节丰富、信息完整。此外,激光三维扫描图像处理的速度得到了优化提升。
简介:摘要: 遥感卫星图像识别技术是当今世界的热门话题。针对军事目标识别领域中图像识别易受到多种干扰导致精度和识别效率低下的问题,对尺度不变特征转换算法(Scale-Invariant Feature Transform, SIFT)进行改进。提出使用哈希与描述符二值化的方法,来提升SIFT 特征匹配效率,将SIFT 描述符二值化,在损失些许精确度的情况下,降低计算特征点间距离的复杂度。实验结果显示,虽然SIFT 的二值化和哈希都损失些许精确度,但是整体的匹配速度提升许多,所花费的时间约为传统SIFT识别方式的2500分之一,而且本研究的哈希也能够运用在其他SIFT 二值化描述的方法,其匹配速度也比传统SIFT 搜寻方式快约2500倍。该方法降低整体匹配时间,且适用于其他 SIFT 二值化描述方法。
简介:基于多小波变换方法,提出了一种针对多光谱图像和全色图像的像素级遥感图像模糊推理融合算法。该算法首先利用IHS变换对多光谱图像进行颜色空间转换,然后对1分量和灰度拉伸后的全色图像进行多小波分解分别得到高频部分和低频部分图像。针对高频图像抗噪能力差的问题,提出了一种基于模糊推理的加权融合规则。对融合后的图像进行多小波重构和IHS反变换得到融合后的目标遥感图像。这种融合算法既保留了多小波变换在图像融合中的优点,同时也克服了传统融合规则会引起的图像模糊、噪声敏感的问题。实验结果表明,该方法在增加图像信息、增强图像目标特性和提高图像清晰度等方面有较好的融合效果。
简介:摘要:遥感图像中舰船目标检测是海洋监管和国防建设中的重要基础工作,旨在分类和定位一幅遥感图像中的所有舰船.近年来,随着遥感卫星技术的快速发展,多源遥感数据不断扩增.光学遥感图像具有判读直观性强及数据翻译便捷等优点,引起了广大学者的重视和研究.但是光学图像容易受到云雾遮挡、强烈光照等气候的影响.相对地,合成孔径雷达(Synthetic Aperture Radar,SAR)凭借其不依赖光照条件且不受天气影响的优势,能够实现全天时、全天候大面积海域侦查工作.由于上述差异性,针对不同成像机理的遥感图像,需要设计专门的算法进行舰船目标检测。
简介:在当前基于粒子滤波的检测前跟踪(PF—TBD)算法中,通常是利用累积似然比去检测目标,由于能量累积的效果,无法快速检测到目标的消失。针对这个问题,提出了一种新的基于似然比的检测前跟踪方法。该方法运用单个时刻的似然比进行目标有无判别,并结合多个连续时刻的判别结果给出最终的目标检测结果。仿真结果表明,与传统的基于似然比的弱目标检测前跟踪方法相比,该方法能够减小目标出现时的检测延时,并且能够有效地检测到目标消失。
简介:在传统神经网络的基础上,引入小波函数而构成的小波神经网络具有极强的函数映射能力,在图像压缩领域有着较多应用.为了进一步提高图像的压缩质量,引入了遗传算法对传统小波神经网络算法进行改进,在对小波基平移和伸缩参数系数进行寻优时,将其作为种群初始化,经过选择、交叉和变异,获得最佳染色体,最后将最佳染色体转化成对应的权值、伸缩系数和平移系数从而进行小波神经网络映射.实验结果表明,改进后的小波神经网络图像压缩方法相较传统小波神经网络法,均方误差分别降低了14.8%和16.7%,图像信噪比分别提高了9.15%和7.11%,图像压缩质量有了较大提高.
简介:摘 要:皮肤癌是一种世界范围内比较常见的,也是最危险的癌症之一。传统的人工检测方法的费时费力,如今由于技术的进步,专家们可以依靠广泛的的计算机辅助应用诊断应用,但是还是有很多的困难需要克服。为了提高现有的精度,我们提出了一种基于DO-Conv卷积和高阶交互的框架来进行分类。我们将DO-Conv插入了ResNet中的Resblock中,将其中的3×3的卷积替换成了DO-Conv,提高了网络的性能。为了充分提取的特征引入了特征金字塔FPN,之后我们将FPN提取到特征使用高阶交互的方法进行进行融合,我们在数据集HAN10000上进行了一系列的实验,实验准确率达到了90.19%,特异度达到了97.20%。