1 常州工学院计算机信息工程学院, 江苏 常州 213000
2 大庆师范学院机电工程学院, 黑龙江 大庆 163000
3 哈尔滨工程大学信息与通信工程学院, 哈尔滨 150000
异常目标检测是当前高光谱图像处理中的一个研究热点。针对当前异常目标检测算法存在的问题, 从解决高光谱图像中含有的背景、异常目标和噪声等相关量出发, 利用高光谱图像的空间谱和光谱特性, 提出了联合低秩张量分解和稀疏表示的新的高光谱图像异常目标检测算法。该算法首先利用低秩张量分解模型对高光谱进行图像恢复, 使图像质量得到提升, 从而使得异常目标变得突出, 易于进行目标检测; 然后, 再利用稀疏差异指数进行异常目标检测, 得到需要的异常检测结果; 最后, 利用真实的高光谱图像进行仿真实验, 结果表明, 新的异常目标检测算法具有检测精度高、虚警率低和鲁棒性好的特点。
高光谱图像 异常目标检测 张量分解 稀疏表示 hyperspectral imagery anomaly target detection tensor decomposition sparse representation
1 哈尔滨工程大学信息与通信工程学院, 哈尔滨 150001
2 中国科学院海岸带环境过程与生态修复重点实验室, 中国科学院烟台海岸带研究所, 烟台 264003
3 鲁东大学信息与电气工程学院, 烟台 264025
绿潮是我国近海常见的一种海洋生态灾害。为利用无人机(UAV)RGB光学相机准确高效地监测绿潮, 建立高分辨率RGB光学影像中绿藻快速提取算法, 本文提出了一种新的指数用于增强漂浮绿藻的信号, 即以绿色和红色波段形成一个虚拟基线, 此基线以下蓝波段信号的线高即为红绿波段虚拟基线漂浮绿藻指数(RG-FAH)。此外, 利用不同条件的无人机影像与其他植被指数对比进行验证。试验结果表明, RG-FAH在不同条件下的准确率、kappa等指标都在0.91以上。在正常与过曝光的条件下及提取大面积绿藻斑块时, RG-FAH与绿波段和蓝波段的差值(GB)相当, 但在太阳耀光耐受性和小斑块提取方面比GB及其他指数表现更好。该RG-FAH指数在绿藻及类似的水体漂浮绿色植物的监测方面有应用潜力, 能为绿潮的监测、管理提供有效的信息支持。
绿藻监测 光学影像 植被指数 虚拟基线 green tide UAV UAV optical images vegetation indices virtual baseline
1 中国科学院西安光学精密机械研究所,西安709
2 中国科学院大学,北京100049
3 北京控制工程研究所,北京100190
4 中国科学院青年创新促进会,北京100037
5 北京航空航天大学,北京100191
为解决现有的共孔径双波段相机成像质量差、结构复杂、体积庞大的问题,提出了一种可见/长波红外双色光学系统设计。在两个波段共用前端反射结构、主镜背部加分色镜,实现了可见光与长波红外同时成像,保证了系统结构的紧凑性。分析了分色镜对红外波段成像的影响,以及分色镜偏离竖直方向不同角度的影响。对红外波段的校正系统及像面进行了-2.39 mm的偏心处理,使红外波段像质得到了极大提高,并通过外场试验成像验证了分析结果的正确性。该系统具有较强的容差特性,结构简单、光学元件少,具备易加工、装调的优点,工程可实现性强,能够有效提升相机的目标探测与识别能力。
可见光 长波红外 共口径 双波段 光学设计 Visible light Long-wave infrared Common aperture Dual-band Optical design
1 大庆师范学院机电工程学院, 黑龙江 大庆 163712
2 哈尔滨工程大学信息与通信工程学院,哈尔滨 150001
高光谱图像在****和民用领域都有大量的应用, 特别是异常目标检测不需要任何先验信息, 使其成为高光谱图像处理和信息提取的关键技术和研究热点之一。通过系统的梳理、分析和研究, 对现有的异常目标检测算法进行了深入的归纳和总结, 并对高光谱图像异常目标检测涉及到的关键问题、未来的技术发展方向(如稀疏表示、张量分解和深度学习等)以及算法存在的问题进行了分析评价, 提出了一些具有创新性的观点并预测了未来的研究趋势。
高光谱图像 异常目标检测 稀疏表示 张量分解 hyperspectral imagery anomaly target detection sparse representation tensor decomposition
西北工业大学自动化学院信息融合技术教育部重点实验室, 陕西 西安 710129
对Grassberger熵进行改进,采用改进的Grassberger熵计算信息增益,选择分裂节点的最优分裂属性训练随机森林分类器,利用经过训练的随机森林分类器预测选择性搜索生成的子窗口是否包含目标。对每个训练样本及子窗口提取1个归一化梯度幅值、3个LUV颜色通道和6个梯度方向直方图的特征。在SenseAndAvoid数据集上测试了所提方法的性能,取得了73.2%的平均检测准确率。结果表明:安全包络范围内的平均检测准确率高于98%。利用改进的Grassberger熵计算信息增益,能提高目标检测的准确率。
测量 目标检测 改进的Grassberger熵 随机森林分类器 信息增益
中国空间技术研究院北京控制工程研究所, 北京 100190
全天时天文导航图像是在大气层内白天的条件下拍摄,因此图像具有强背景,低信噪比等特点,传统星点提取算法对图像星点的提取效果较差。为提高星点识别率,提出一种较准确的全天时天文导航图像模拟方法,并基于模拟星图训练了一种可加入图像降采样结构的卷积神经网络,有效抑制了星图噪声,并提高了星点信噪比。实验结果表明:本文方法得到的峰值信噪比平均提高了11.28 dB;在效果相同的条件下,本文方法的平均处理时间仅为0.2 s,远少于传统神经网络方法的处理时间。利用真实星图对网络进行测试,发现本文方法对星点信噪比的提升效果较常用算法提升了88.9倍。
图像处理 卷积神经网络 全天时星敏感器 残差网络 降采样层 星图模拟 噪声抑制
1 西安交通大学机械学院, 陕西 西安 710049
2 西安交通大学第一附属医院检验科, 陕西 西安 710049
细胞定量相位测量与恢复方法采用免标记非干预式的检测手段,实现静态及动态生物样本空间形态的定量重构,为细胞动力学过程中复杂生物物理信息的可视化检测提供了实现条件。重点介绍同步相移式、数字全息式和流体聚焦式等新型动态生物细胞相位检测技术,同时简要综述同轴干涉与离轴干涉式的传统静态细胞相位检测技术的发展。对各种方法的采样速率、成像分辨率、细胞检测精度等关键参数进行比较,阐明不同测量方法适用的生物信息检测类型及应用领域,同时介绍动态与静态细胞相位检测中对应各类相位恢复方法的特点与发展。
医用光学 生物技术 细胞检测 定量相位测量 相位恢复
1 哈尔滨工程大学计算机科学与技术学院, 黑龙江 哈尔滨 150001
2 大庆师范学院机电工程学院, 黑龙江 大庆 163712
3 哈尔滨工程大学信息与通信工程学院, 黑龙江 哈尔滨 150001
针对利用稀疏表示进行高光谱图像异常目标检测效率不高的问题,基于高光谱图像成像原理和图像结构,充分利用高光谱图像的空间特性和光谱特性,并在它们之间建立协同处理机制,提出了联合空间预处理与谱聚类的协同稀疏高光谱图像异常目标检测算法。该算法首先对高光谱图像空间特性进行分析,并结合光谱特性进行空间预处理,使得处理后的高光谱图像更易于异常目标的检测;利用建立在谱图划分思想基础上的谱聚类方法进行波段子集划分,谱聚类方法具有收敛于全局最优解、聚类速度快的特点;利用提出的新的空间和光谱协同稀疏差异指数方法对每个子集进行异常目标检测,该协同稀疏方式充分考虑了高光谱图像的空间特性和光谱特性,通过对每个波段子集检测结果进行叠加,得到最终异常检测结果。利用真实的AVIRIS高光谱图像和合成的高光谱图像对算法进行仿真实验和结果分析,结果表明该算法具有稳健性,同时检测精度高,虚警率低。
遥感 高光谱图像 异常目标检测 空间预处理 谱聚类 协同稀疏