1 北京空间机电研究所，北京 100094
2 先进光学遥感技术北京市重点实验室，北京 100094
3 中国人民解放军63768部队，西安 710000
特征点提取与匹配是遥感图像处理中关键的一环，目前成熟的算法大多面向对地成像类型的遥感图像，对于空间目标的遥感图像，没有考虑成像条件与探测平台的影响因素，特征点匹配质量较差。针对空间目标的匹配精度不高这一问题，文章提出了一种基于聚类的特征点匹配算法。首先，根据空间目标的重复弱纹理进行特征点提取与描述，再利用特征点的空间位置进行聚类，并对特征点簇进行匹配；之后将特征点的主方向减去目标整体方向，利用特征点主方向对每一个点簇进行再分组，并完成特征点匹配；最后利用最近邻次近邻比率方法和随机样本一致算法（RANSAC）剔除外点。采用该特征点匹配方法进行的模拟成像数据实验结果表明，对于空间目标图像，基于聚类的特征点匹配较直接匹配，匹配数量的提升最高可达50%，重投影误差优于1/4个像元。文章提出的这一方法使用目前通用的各种特征描述子，能够大幅度提高空间目标图像特征点匹配的数量与精度。
特征点匹配 聚类 结构张量 重复纹理 空间目标 feature point matching clustering structural tensors repeated texture spatial object
南昌航空大学信息工程学院, 江西南昌 330063
针对复杂云层背景下红外小目标检测的虚警现象和实时性要求, 提出一种基于结构张量筛选和局部对比度分析的新算法。结合目标区域结构张量最大特征值大于其他背景区域结构张量最大特征值的特点, 滤除大部分非目标区域, 保留少量可疑区域, 再对可疑区域进行局部对比度计算, 能够增强目标、抑制残留背景, 并有效减少计算量。算法步骤如下: 首先, 在滑动窗口捕获的局部图像区域内构建结构张量矩阵, 将最大特征值大于特定阈值的区域标记为可疑区域; 然后, 对可疑区域进行比差联合型局部对比度计算, 生成显著度图; 最后, 利用自适应阈值分割实现小目标的分离。实验结果表明: 该算法在复杂云层背景下具有更高的检测率、更低的虚警率以及更少的运行时间。
红外小目标检测 可疑区域筛选 结构张量 局部对比度 infrared small target detection, suspicious area s
昆明理工大学国土资源工程学院，云南 昆明 650031
为解决现有多尺度变换方法在融合红外与可见光图像时出现对比度低和边缘轮廓不清晰问题，提出一种基于对比度和结构提取的方法。首先对可见光图像进行自适应增强，对红外图像进行线性归一化处理；然后分别利用稠密SIFT描述符和局部梯度能量算子提取图像的局部对比度和显著结构，结合局部对比度和显著结构的权重得到权重图，通过快速引导滤波器消除权重图的不连续性和噪声；最后利用金字塔分解方法对细化后的权重图和经过增强和线性归一化的源图像进行融合。在公共数据集上进行大量实验，使用6种评价指标对实验结果进行定量分析，并对所提方法与10种主流的图像融合算法进行定性对比。实验结果表明，所提方法可以有效保留源图像的对比度、边缘轮廓和细节信息，并在视觉感知和定量指标上取得更优的融合效果。
图像融合 稠密SIFT 结构张量 红外图像 可见光图像 激光与光电子学进展
2023, 60(14): 1410005
西安工程大学电子信息学院, 陕西 西安 710048
针对各向异性高斯方向导数滤波器运算量大、耗时长的问题,利用盒式滤波器拟合出各向异性高斯方向导数滤波模板,并结合积分图像,提出一种性能优良的快速角点检测算法。利用盒式滤波器设计了6个方向的导数滤波模板,并结合积分图像,快速计算输入图像在各个方向上的导数响应;基于角点的稀疏特性,提出一种候选点粗筛选机制,快速筛选出候选角点区域像素以减少后续运算所涉及的像素数量;针对每一个候选像素,利用各个方向的导数响应构建多方向结构张量积,生成角点测度。将提出的算法与9种经典的检测器在仿射变换、高斯噪声干扰等条件下进行性能评估,在尺寸不同的测试图集上进行耗时对比。实验结果表明,新提出的算法具有优良的检测性能,耗时少,满足实时处理的需求。
机器视觉 角点检测 各向异性高斯方向导数滤波器 多方向结构张量积 盒式滤波器 积分图像 激光与光电子学进展
2021, 58(20): 2015005
长春理工大学电子信息工程学院, 吉林 长春 130022
为了解决在低照度条件下,可见光成像设备采集的图像亮度低、细节不清晰等问题,提出一种基于亮度通道细节增强的低照度图像处理算法。首先,将图像从RGB转换到Lab颜色模型,将Lab模型中的亮度通道通过指数派生函数校正构造为光照分量,再经过Retinex增强得到初步增强图像。然后,采用结构张量和多尺度引导滤波分别对初步增强图像进行细节提取,并将两种方法提取的细节信息进行了融合。最后,将细节图像和初步增强图像融合得到了目标图像。实验结果主观上得到了亮度合适、细节清晰的增强图像,客观上在亮度失真、信息熵和能量梯度上均有良好且稳定的表现,表明该算法能够有效提高图像的亮度和细节信息,并保持自然的色彩和光照效果。
图像处理 图像增强 光照估计 细节增强 多尺度引导滤波 结构张量 激光与光电子学进展
2021, 58(4): 0410001
1 重庆大学工业CT无损检测教育部工程研究中心, 重庆 400044
2 重庆大学光电工程学院, 重庆 400044
传统非局部均值(NLM)算法在滤波过程中采用固定滤波系数,从而导致图像细节过度平滑。为解决此问题,引入结构张量(ST)的迹作为图像特征区域的判别准则,设计了一种自适应滤波系数的权值函数(ST-NLM)。此外,针对传统算法计算耗时的问题,采用积分图像对算法进行加速。测试结果表明:经ST-NLM方法去噪后,图像整体平滑度和细节保留程度均较好;与NLM相比,ST-NLM方法的峰值信噪比提高了3 dB,结构相似度提高5%,运行速度提高约2倍。
图像处理 CT图像 结构张量 自适应滤波系数 积分图像加速
针对复杂场景图像由于背景边缘干扰和噪声导致弱小目标检测困难的问题, 提出了一种基于结构张量分析的弱小目标单帧检测方法.利用结构张量对不同局部结构的表示特性, 通过计算结构张量特征值矩阵和均值滤波得到点状和矩形状目标的结构张量响应图; 采用高斯差分带通滤波器计算灰度差分图; 通过归一化融合处理得到最终响应图; 采用自适应阈值分割得到目标位置.采用该方法对天空、海面等多种场景的红外图像和可见光图像进行实验, 并与典型方法对比, 结果表明该方法能够有效地抑制背景干扰和噪声、快速且准确地检测目标.
机器视觉 目标检测 单帧检测 结构张量 弱小目标 Machine vision Target detection Single-frame detection Structure tensor Dim small target
重庆三峡学院信息与信号处理重点实验室, 重庆 404000
针对大角度斜光照和极度暗光照不均环境下的人脸图像,提出了基于各向异性Retinex的人脸图像光照补偿方法。首先,根据人脸图像的统计特性分析光源的方向,利用Prewitt算子检测出人脸边缘,结合人脸纹理的几何特性,引入曲率、斜率、对称性等实现对人脸边缘与光照不均,从而区分人脸伪边缘;然后,以Weickert结构张量为基础,基于不同类型边缘提出了改进各向异性扩散模型,将该模型与Retinex算法相结合,从而实现人脸图像光照补偿。实验结果表明,改进的各向异性扩散方法能够提升图像亮度,突出纹理细节,消除大部分光照阴影的同时增强人脸边缘。
图像处理 人脸伪边缘 结构张量 各向异性 光照补偿 激光与光电子学进展
2018, 55(12): 121007
1 南京理工大学电子工程与光电技术学院，江苏 南京 210094
2 北方夜视科技集团有限公司南京研发中心，江苏 南京 211106
受到云层飘移、树木晃动、背景噪声杂波等因素的影响，红外弱小目标在地空背景下无法被精确检测。针对这个问题，本文提出了一种融合时空结构张量的背景差分检测算法。首先，通过当前图像与背景模型的比对确定出运动变化的全部像素，再用前景点计数的方法消除噪声等因素造成的孤立点错误检测；然后，时空结构张量模块利用连续帧图像的时间空间信息检测出运动块；最后，对前景目标像素和前景目标块进行融合操作，并将目标区别于背景二值化显示。与其它算法对比的实验结果表明，本文提出的算法具有稳定的检测率，且虚警率有明显降低，是地空背景下红外弱小运动目标检测的有效方法。
目标检测 红外弱小目标 背景差分 时空结构张量 target detection small infrared target background subtraction temporal-spatial structure tensor
