1 西安工业大学 光电工程学院，陕西 西安 710021
2 西安工业大学 计算机科学与工程学院，陕西 西安 710021
为了解决单色视频和彩色视频的全自动高精度配准问题，设计了针对视频配准的首帧及后续帧配准方法，在保证配准速度的同时提高了配准精度。对于首帧，首先在尺度不变特征变换（SIFT）基础上，基于双摄像头的特点进行了改进，进而对单色视频和彩色视频进行了粗配准，增加了粗配准矩阵的获取稳定性和精确性；随后根据粗配准矩阵系数，使用尺度金字塔模式对单色视频和彩色视频的配准矩阵进行了配准修正。对于视频中的后续帧，采用具有步长金字塔的平移修正方法，对首帧中得到的修正配准矩阵进行再利用，并通过平移修正方法弥补了由不确定时差波动和相机摆动带来的平移误差，最终提高了单色视频和彩色视频的配准效率和配准精确度。实验结果表明，对于640×480大小的单色视频和彩色视频，本文算法相比传统SIFT算法将首帧配准均方根误差减少了0.79%，首帧标记点误差由约为1像素缩小到不可察，且连续视频帧的平均配准时间为0.357 s，同时仍然保持标记点误差不可察，较好地满足了单色视频和彩色视频配准的全自动、精度高、速度快、鲁棒性强等要求。
计算机视觉 视频配准 时空相似性 高精度修正 computer vision video alignment spatio-temporal similarity high-precision correction
1 北京跟踪与通信技术研究所，北京00094
2 西安工业大学，陕西西安71001
3 中国科学院 西安光学精密机械研究所，陕西西安710119
高光谱目标检测中背景信息的统计往往受到目标信息的干扰，而高光谱图像中存在的大量混合像元会进一步加深这一干扰。为了准确统计背景信息、显著降低目标像元对背景统计信息的干扰，提出了一种利用光谱解混合的目标检测算法，通过光谱解混合和目标相似性判断，获取目标端元对应丰度系数，并与光谱夹角系数相结合生成合理的背景加权系数，进行加权约束最小能量算子（CEM）目标检测，从而有效提高混合像元的背景信息统计准确度；利用目标端元对应丰度系数和光谱夹角系数生成初步的目标检测结果，与加权CEM目标检测结果相融合进行进一步优化，有效提高算法稳定性，同时再次提高目标检测精度。实验结果表明：对于模拟高光谱图像和真实高光谱图像，本文算法均得到了较好的目标检测效果，算法稳定性较强，且有效提高了目标检测精度，相比传统CEM算法、基于光谱角的加权CEM算法、归一化丰度系数作为目标结果，AUC值分别平均提高了0.071 2，0.031 2和0.015 0，在高光谱应用中具有较强的实用性。
高光谱图像 目标检测 光谱解混合 丰度 光谱角 hyperspectral image target detection hyperspectral unmixing abundance spectral angle 光学 精密工程
2023, 31(21): 3156
红外与激光工程
2022, 51(7): 20210756
1 西安工业大学 光电工程学院, 陕西 西安 710021
2 中国科学院 光谱成像技术重点实验室, 陕西 西安 710029
混合像元的存在是制约高光谱遥感应用精度的主要原因, 因此必须进行高光谱解混合。端元提取作为高光谱解混合的关键, 往往易受噪声和异常点的干扰。为了提高端元提取精度, 针对高光谱端元提取提出了一种空谱联合的预处理方法。首先, 定义了新概念光谱纯度指数, 主要用于预估高光谱图像中每个像元的光谱纯度; 其次, 给出了基于光谱纯度指数的空间去冗余方法, 利用真实地物的空间分布连续性, 判断和移除高光谱图像中冗余像元, 最终形成精简的候选端元集。实验结果表明: 采用提出的预处理方法后, 对于模拟高光谱图像, 提取的端元与原始端元之间夹角平均减少了9022 3°, 候选端元数量少于原始像元数量的10%。该预处理方法不仅有效消除了噪声和异常点的干扰, 提高了端元提取精度, 且大幅降低了时间复杂度。
高光谱 解混合 端元提取 预处理 光谱纯度指数 hyperspectral unmixing endmember extraction preprocessing spectral purity index
中国科学院 西安光学精密机械研究所，陕西 西安 710119
针对面向对象的高光谱分类方法中分割参数设置问题，提出了一种基于区域增长技术的自适应高光谱分类算法。首先提出了带约束的区域增长方法，利用已知训练样本的空间信息，提供有效约束，从而降低区域增长过程中区域标记的错误传播率，以提高分类性能；其次，提出了自适应阈值计算方法，通过分析已知训练样本光谱的分布规律，自适应地计算出合理的区域划分阈值，从而代替经验阈值，提高算法的鲁棒性；最后，采用K近邻算法(KNN)，对划分后各区域中心进行分类。实验结果表明：对于不同图像，提出的算法计算出的自适应阈值均与其经验值相符合，且其分类效果优于其他算法，来自AVIRIS传感器的高光谱数据Indian Pines在10％的已知训练样本下总体分类精度达92.94％、kappa系数达0.919 5，来自ROSIS传感器的高光谱数据Pavia University在5％的已知训练样本下总体分类精度达95.78%、kappa系数达0.944 0。该算法不仅增强了算法的鲁棒性，同时有效提高了分类性能，在高光谱应用中具有较强的实用性。
高光谱 分类 面向对象 区域增长 自适应 hyperspectral classification object-oriented region-growing adaptive
1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100039
以视频压缩标准H.264联合开发模型(JM)中的运动估计算法UMHexagonS为基础, 提出了一个新的快速整像素运动估计算法来改进压缩编码性能。在起始搜索点预测部分, 提出了新的预测运动矢量(MV)检测顺序, 以提高起始搜索点的准确度; 在全局搜索部分提出了自适应全局搜索方法, 根据准确度最高的两个预测MV之间的关系, 适当跳过非对称十字型模板搜索和非均匀多重六边形模板搜索, 并通过对不同序列的测试, 验证了判断准则的可行性与准确性。根据实际序列中最佳MV相对起始点的分布, 提出了改进5×5搜索。另外, 增加了针对子宏块的提前终止策略, 在不增加额外运算量的前提下, 进一步减少了运动估计开销。实验结果表明, 相对UMHexagonS算法, 提出的改进算法使搜索点总数平均减小了83.80%, 信噪比平均下降了0.021 dB, 或输出码率等效增加了0.46%。该算法有效降低了运动估计的运算量, 而只带来了很小的编码性能下降, 且对不同运动强度的视频序列具有均匀的算法效果。
视频编码 快速整像素运动估计 自适应全局搜索 提前终止 video coding fast integer pixel motion estimation UMHexagonS UMHexagonS adaptive global searching early termination
1 中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
为了提高编码速度, 针对H.264/AVC中运算量较大的P帧模式选择部分, 提出了一种新的快速选择算法。该算法依次通过Jmode值单调性检测、基于子块运动向量(MV)的水平与垂直方向选择, 这两个步骤逐步缩小候选帧间模式检测范围, 同时提出了基于最佳帧间模式的帧内模式选择方法, 选择性地检测帧内模式, 从而有效避免不必要的模式检测过程。实验结果表明, 相对JM中模式全搜索算法, 改进算法平均减小了约63.80%的编码时间, 而只带来了微小的编码性能损失。
视频编码 P帧模式选择 Jmode值单调性 子块MV video coding H.264/AVC H.264/AVC P-frame mode decision monotonicity of Jmode sub-block′s MV
1 中国科学院 长春光学精密机械与物理研究所，吉林 长春130033
2 中国科学院 研究生院，北京100039
SPIHT和无链表SPIHT(Not List SPIHT)是高效的图像压缩算法，但是抗误码性差、压缩速度慢等缺点限制了其在航天领域的应用。文章针对上述两个缺点对算法进行了改进，采用Le Gall5/3小波对遥感图像进行小波分解，将小波域系数分家族块进行索引、扫描和码率分配，按照比特平面或运算进行重要性预测，实现了N个位平面同时编码。改进算法与SPIHT相比易于硬件编程实现，仿真结果显示，解压后图像峰值信噪比(PSNR)提高了0.2～0.6 db，压缩速度提高了4～6倍。用硬件实现时如果采用并行和流水线操作,速度还可以进一步提高。
航天应用 高速SPIHT 抗误码性 比特平面并行 aerial applications high-speed SPIHT error resistance bit-plane parallel
