中北大学信息与通信工程学院, 山西 太原 030000
针对现实场景中双模态红外图像融合对异类差异特征协同优化融合的需求, 且现有差异特征属性无法根据差异特征多个属性的变化针对性地调整融合算法进行有效驱动, 导致融合效果差的问题, 提出了面向双模态红外图像融合算法选取的联合可能性落影构造方法。首先计算双模态红外图像多融合算法下不同差异特征的融合有效度、统计差异特征分布特性; 再构造差异特征融合有效度的可能性分布, 通过最小二乘估计法拟合可能性分布函数; 然后通过择优比较法对不同差异特征融合有效度的可能性分布进行对比分析, 确定差异特征可能性分布函数投影权重, 构造联合可能性落影函数; 最后分析联合可能性落影函数截集水平, 结合差异特征分布特性构建融合性能指标动态选取最优融合算法。实验结果表明, 本文方法所选出的最优融合算法在主客观综合分析上优于其他算法, 验证了本文将联合可能性落影运用于双模态红外图像最优融合算法选取中有效性和合理性。
双模态红外图像 融合算法选取 可能性合成 联合可能性落影 dual-mode infrared image, fusion algorithm selecti
中北大学信息与通信工程学院,山西 太原 030051
针对气缸盖内壁热场数据重复率高、冗余大导致的小采样率下影像难以重构的问题,利用多个单尺度重构影像的融合,提出一种适用于小样本的气缸盖内壁热疲劳损伤检测方法。该方法首先通过对不同尺度下内壁热场散斑图案与其外壁总辐射能的关联运算,来获得缸盖内壁的多个重构影像,然后利用图像融合技术对不同尺度下的内壁重构影像进行融合,获得缸盖内壁的融合影像。通过对不同采样率下内壁影像重构结果的对比分析,说明了所提方法在小采样率影像重构中的优势。同时,还讨论了不同融合权重系数对融合影像的影响。实验结果表明:所提方法可在较低采样率下实现对内壁热疲劳损伤区域的检测;当采样次数为500时,较传统关联方法,所提方法的峰值信噪比和对比度分别提升了9.62%和26.13%;此外,所提方法在延缓重构影像质量下降方面也有独特优势,有效打破实际工程中数据获取有限所导致的热疲劳损伤检测无法实现的困局。
热疲劳检测 关联成像 影像融合 多尺度 激光与光电子学进展
2023, 60(6): 0612002
1 中北大学 信息与通信工程学院,太原 030051
2 伍伦贡大学 电气计算机与通信工程学院,澳大利亚伍伦贡 NSW2522
3 西安微电子技术研究所,西安 710054
针对手写字体特征提取难、识别效率低甚至错误的问题,提出一种结合鬼成像原理和分类网络的思想用于手写字体的识别。首先,使用激光器、数字微镜阵列、单像素探测器等搭建鬼成像探测系统,利用系列哈达玛散斑场分别实现对17 239幅手写字体的照射;其次,利用单像素探测器对手写字体透射的总光强值进行采集,并将其转换为一维向量作为网络训练的输入;最后基于卷积神经网络在图像分类的优势搭建网络架构且为解决训练过程中的网络退化问题加入残差块。实验结果表明:对于手写数字来说,全连接神经网络与卷积神经网络的精密度、召回率、F1值分别提高86.50%/97.25%、86.40%/98.03%、86.31%/97.60%;对于手写字母来说,卷积神经网络在全采样下的精密度、召回率、F1值分别为91.87%、90%、90.23%。该方法利用鬼成像原理,仅通过手写字体透射的总光强值而无需对手写字体的特征进行提取与识别便可进行快速分类,大幅提升了手写字体的识别效率。
鬼成像 手写字体识别 卷积神经网络 准确率 残差 Ghost imaging Handwriting recognition Convolutional neural network Accuracy rate Residual 光子学报
2022, 51(11): 1111001
1 中北大学信息与通信工程学院,山西 太原 030051
2 雷丁大学系统工程学院,英国 雷丁RG6 6AU
基于多源遥感数据的城市树木提取方法对城市资源调查、健康状况评价及科学化管理具有重要意义。为了进一步提升树木提取精度,结合了激光雷达数据和正射影像数据的优势,提出了一种基于特征自动分割的树木提取算法。该算法对阴影区域进行识别提取,结合直方图减法思想,利用归一化差异植被指数(NDVI)和数字表面模型(DSM)局部熵特征之间的相互关系降低背景提取阈值。最后应用ISPRS Vaihingen数据集对所提算法进行验证,实验结果表明,所提算法在多组数据上具有较高的树木提取精度,具有一定的鲁棒性,适用于复杂环境场合。
遥感 树木提取 激光雷达点云 正射影像 自适应阈值 激光与光电子学进展
2022, 59(4): 0428005
中北大学信息与通信工程学院,山西 太原 030051
针对激光雷达测量技术现有数据特征单一、地物辨识能力粗糙、类别划分区间模糊导致地物分类精度低的问题,提出了一种基于复合衍生特征和模糊Dempster-Shafer(DS)证据合成理论的地物分类方法。首先,确定 LiDAR数据分类特征对不同类型地物的可识别性,选择特征空间中关联性强且区分度大的源特征与衍生特征;然后,比较归一化差值植被指数与绿色归一化差值植被指数对地物反应属性的差异性,提出并构造具有高辨识能力的复合衍生特征复合归一化差值植被指数;最后,结合使用岭型信任分配函数进行模糊DS证据合成与决策,最终实现对地物的精确分类。实验结果表明,总分类精度由85.78%提高到了89.20%,证明了本文方法的有效性。
遥感 机载LiDAR数据 复合衍生特征 模糊Dempster-Shafer证据合成理论 地物分类 激光与光电子学进展
2021, 58(5): 0528001
1 中北大学 信息与通信工程学院,太原03005
2 伍伦贡大学 电气计算机与通信工程学院,澳大利亚伍伦贡 NSW5
利用多个散斑图组合的方式提出了一种新的鬼成像优化方法.利用桶探测器值的大小对照射到目标物体上的多个散斑图进行排序,使相邻散斑图间差异性减小;通过对相邻散斑图间的叠加以及对应桶探测器值的调制,有效降低待关联数据间冗余和数量,并利用不同的关联运算规则实现对目标物体的重构.数值仿真结果表明,对于目标图像,在总采样次数4 000次、4个相邻散斑图组合方式下,所提方法与未组合-调制下传统鬼成像、差分鬼成像和正负调制鬼成像相比,其峰值信噪比/对比度分别提升了21.7%/27.3%、8.3%/17.8%和14.7%/25.7%;通过对20幅目标图像的数值模拟与结果分析,发现峰值信噪比/对比度提升率在15%和30%以上的占比分别为90%/85%和50%/55%,说明该方法具有较好的普适性和推广价值.
鬼成像 多散斑图 组合-调制 优化 重构 Ghost imaging Multiple speckle patterns Combination-modulation Optimization reconsitution