1 武汉铁路职业技术学院 经济管理学院,湖北 武汉430000
2 武汉纺织大学 管理学院,湖北 武汉 430073
为克服当前较多遥感图像融合方法存在间断以及吉布斯现象,本文利用像素点间灰度以及梯度信息,设计了一种采用非下采样Shearlet变换(NSST)耦合细节强化因子的图像融合方法。将多光谱(MS)图像经过强度-色调-饱和度(IHS)变换,分离出强度成分。随后,借助变换处理强度成分与全色(PAN)图像,获取对应的高频和低频系数。以强度成分对应的低频系数为依据,通过图像的空间频率特性计算加权系数,将PAN图像的低频系数植入到强度(I)成分对应的低频系数中,融合低频系数。采用像素点间灰度以及梯度信息,构造细节强化因子,融合高频系数。最后,采用IHS和NSST反变换重构这些融合系数,获取融合结果。实验结果显示:较当前融合技术,所提算法拥有更为理想的融合效果,具有更高的互信息值和更低的光谱偏差度值。
遥感图像融合 空间频率 NSST变换 梯度信息 细节强化因子 IHS变换 remote sensing image fusion spatial frequency Non Subsampled Shearlet Transform gradient information detail enhancement factor IHS transform 太赫兹科学与电子信息学报
2020, 18(6): 1073
辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛 125105
提出融合梯度幅值(GM)和梯度发生率(GO)的新方法,构建了两种具有高分辨能力的新描述符。抑制归一化描述符通过对GM进行分段归一化,抑制较小的GM以构建新描述符;GM-GO融合描述符是通过抑制部分GO(其对应的GM较小)、再将GM和GO进行融合的新描述符,可提高描述符的可分辨性。实验结果表明,在噪声和光照等环境的影响下,提出的两种方法都具有更高的匹配精度。
图像处理 图像匹配 梯度信息 特征描述符 可分辨性 激光与光电子学进展
2020, 57(14): 141022
合肥工业大学 计算机与信息学院, 安徽 合肥 230601
结合目标偏振信息和大气偏振信息的差异, 提出了一种利用目标和大气偏振信息的雾天图像重构方法。首先, 从光强图像中分离大气光图像和目标光图像, 分别解析大气光偏振信息和目标光偏振信息, 构建偏振去雾模型。然后, 采用融合图像梯度信息的高斯滤波方法估算大气光强和目标光强, 并分别计算大气光偏振度和目标光偏振度。采用3σ法则阈值分割方法, 在大气光图像空间内估算无穷远处大气光强。最后, 重构出目标图像。在不同天气环境下开展外场实验, 结果表明, 该方法在雾霾、雨、雪天气下能够较好地恢复出目标信息, 重构后图像的信息熵提升约40%, 灰度标准差提升了约90%, 平均梯度和边缘强度提高了3倍。
图像重构 偏振成像 梯度信息 高斯滤波 3σ法则 image reconstruction polarization imaging gradient information Gaussian filter rule 3σ
中国矿业大学信息与控制工程学院, 江苏 徐州 221008
目前, 基于卷积神经网络的超分辨率重建方法具有参数数量大, 时效性偏低, 边缘细节信息丢失的缺陷。针对该问题, 提出基于边缘修正的多尺度卷积神经网络超分辨率重建算法。首先在训练阶段, 利用低频信息的冗余性设置参数共享层, 将同一组滤波器应用到不同放大倍数的训练网络中, 构建多任务学习框架; 然后在重建阶段, 从样本训练库中学习可以高分辨率图像边缘修正系数, 采用邻域像素差值线性运算将边缘系数与重建的高分辨率图像进行融合, 矫正边缘信息的偏差, 弥补丢失细节; 最后根据随机梯度下降法和反向传播法, 利用梯度不断更新权重参数使网络达到最优化。实验结果表明, 该算法的重建效果较为显著, 边缘锐度较高, 消除了模糊和锯齿现象, 并且通过参数共享大幅减少参数量, 满足实时性的要求。
图像处理 超分辨率重建 边缘修正 多尺度 梯度信息 激光与光电子学进展
2018, 55(9): 091003
苏州大学 物理与光电·能源学部, 江苏 苏州 215006
数字化X射线图像(digital radiography, DR)与数字重建放射图像(digitally reconstructed radiography, DR)属于不同模态图像, 实现二者的高精度快速配准是一个技术难题。在实际应用中, 往往会同时获取物体的正侧面DR和DRR图像。提出一种基于互信息与梯度信息相结合的配准算法。首先, 对正侧面图像进行小波分解, 获得低分辨率子图像并配准, 使用粒子群优化(particle swarm optimization, PSO)算法进行全局寻优; 然后, 根据配准结果, 判断互信息与梯度信息配准结果是否正确, 如果配准错误, 则在下一阶段中不使用该结果作为配准依据; 最后, 以PSO算法寻优结果作为Powell算法的寻优初始点, 对原始正侧图像进行精确配准。实验结果显示, 本算法快速完成配准, 配准精度达到2 mm, 满足实际应用要求。
图像配准 互信息 梯度信息 粒子群优化算法 Powell算法 image registration mutual information gradient information particle swarm optimization (PSO) Powell digitally radiography (DR) DR digitally reconstructed radiography (DRR) DRR
1 河北大学 电子信息工程学院, 保定 071002
2 河北大学 河北省数字医疗工程重点实验室, 保定 071002
3 中国人民解放军 66165部队, 保定 071000
由于受成像原理的限制, 导致超声图像对比度低、边界模糊, 因此基于边界的水平集分割效果很不理想。为了提高超声图像的分割精度和分割效率, 提出了一种梯度信息与区域信息相结合的水平集分割算法。首先对基于边界的距离正则化水平集演化(DRLSE)模型进行改进, 将区域信息引入到边界指示函数中, 并用改进后的边界指示函数代替DRLSE模型中的边界指示函数, 最后, 得到一个梯度与区域信息相结合的水平集演化模型。结果表明, 本文中的模型能准确分割甲状腺肿瘤超声图像, 且在分割效率和分割精确度方面均比DRLSE模型有所提高。
图像处理 图像分割 距离正则化水平集演化模型 边界指示函数 梯度信息 区域信息 image processing image segmentation distance regularized level set evolution model boundary indicator function gradient information region information
目标检测是红外图像处理环节中的重要组成部分, 检测结果直接影响后续处理。在分析红外图像特点的基础上, 采用改进的Top-Hat算子对红外图像中的噪声点进行抑制, 同时基于传统K-means聚类思想, 提出基于二维梯度信息的K-means聚类目标检测算法。实验结果表明, 该方法抑制噪声作用明显, 能很好地检测出红外图像中的目标, 为后续图像处理工作打下较好的基础。
目标检测 红外图像 形态学 二维梯度信息 K-means聚类 target detection infrared image morphology two-dimensional gradient information K-means clustering