1 井冈山大学电子与信息工程学院，江西 吉安 343009
2 江西省农作物生长物联网技术工程实验室，江西 吉安 343009
3 吉安市农业遥感重点实验室，江西 吉安 343009
针对不同时相卫星影像匹配效果差的问题，提出基于各向异性滤波的相位一致性的卫星影像匹配方法。首先，利用各向异性滤波建立图像非线性尺度空间，再利用相位一致性模型计算每个尺度下的最大矩图。其次，在每个尺度下的最大矩图上利用分块Shi-Tomasi算法提取特征点，再通过Log-Gabor滤波器建立多尺度多方向的幅值响应，并计算图像的最大幅值响应及其最大幅值的方向索引。然后，在极坐标系下，基于OpenMP并行计算实现特征描述符加速构建，再进行影像匹配与误匹配剔除。最后，利用6组不同时相、不同视角、辐射差异明显的卫星影像进行实验，实验结果表明，所提出的匹配方法明显优于传统的尺度不变特征变换（SIFT）算法和目前较为先进的辐射变化强度特征转换（RIFT）、绝对相位一致性梯度直方图（HAPCG）等算法。
遥感 各向异性滤波 非线性辐射差异 相位一致性 非线性尺度空间 影像匹配
1 宜宾学院智能制造学部, 四川宜宾 644000
2 广西科技大学广西土方机械协同创新中心, 广西柳州 545006
3 云南财经大学信息学院, 云南昆明 650221
4 中国科学院光电技术研究所, 四川成都 610209
为有效去除动态背景对弱小目标信号的干扰, 提出改进特征空间的红外弱小目标背景建模法来抑制背景。先采用改进的各向异性滤波算法从空域角度进行滤波以约束图像各个组分的差异, 紧接着取连续时间域上多帧滤波后的图像组成一个特征矩阵, 借助于主成分分析法进行特征分解, 最后将输入图像投影到特征空间上进行背景建模, 同时为了适应动态变化的背景, 在时域上以一定学习率来更新背景模型。实验结果表明, 提出的算法比传统的算法取得更好的背景估计效果, 结构相似性 SSIM、对比度增益 I和背景抑制因子 BIF分别大于 0.97、15.46和 5.25。
弱小目标 动态背景建模 各向异性滤波 主成分分析 dim and small target dynamic background modeling anisotropic filtering Principal Component Analysis 太赫兹科学与电子信息学报
2023, 21(9): 1109
1 宁夏大学,a.物理与电子电气工程学院
2 宁夏沙漠信息智能感知重点实验室, 银川 750021
3 宁夏大学,b.信息工程学院,银川 750021
针对遥感光学图像和SAR图像在配准过程中存在正确匹配点较少、配准精度低的问题, 提出一种结合P-M滤波及改进LSS的光学和SAR图像配准算法。首先, 利用各向异性方程扩散性滤除SAR图像的斑点噪声; 其次, 对于图像间显著的灰度差异, 利用提取的局部区域特征求取各个方向的自相似值, 确定主方向的特征方向, 结合特征梯度位置方向, 形成稳定局部自相似特征算子对图像进行配准。实验结果表明, 此算法在有效保留图像边缘信息的同时,对于光学图像和SAR图像之间的成像差异具有较好的鲁棒性,相较于同类配准算法, 配准精度提升近20%。
斑点噪声 灰度差异 各向异性滤波 自相似特征 配准 speckle noise gray difference anisotropic filtering self-similarity characteristics registration
1 西安财经大学 信息学院, 陕西 西安 710010
2 西北大学 信息科学与技术学院, 陕西 西安 710127
三维激光扫描设备获取的初始点云模型中含有较多的噪声点, 不利于后期的点云处理, 需要将其进行剔除。为了有效地保持点云的尖锐几何特征, 本文提出一种由粗到精的层次化点云去噪算法。首先构造点及其邻域点的张量投票矩阵, 通过计算该矩阵的特征值和特征向量构造扩散张量, 并基于该扩散张量利用各向异性扩散方程进行循环滤波, 从而实现点云初始粗去噪; 然后计算滤波后点云的曲率特征, 并根据曲率值进一步删除点云中的噪声点, 从而实现点云精确去噪; 最后通过计算点云熵值对去噪算法进行定量评价。实验结果表明, 本文提出的点云去噪算法具有较大的熵值、较小的去噪误差和较高的执行效率。因此说, 该层次化点云去噪算法在保持尖锐几何特征的同时, 可以快速精确剔除噪声点, 是一种有效的点云去噪算法。
点云去噪 张量投票 各向异性滤波 曲率 熵值 point cloud denoising tensor voting anisotropic filtering curvature entropy
杭州电子科技大学 电子信息学院, 浙江 杭州 310018
提出了一种基于分层级各向异性滤波的图像景深渲染算法。基于光学薄透镜的景深成像模型, 分析得到了更为准确的景深弥散圈光强分布模型。对于输入的深度图, 构建了深度图金字塔, 修复了其中的不连续区域, 结合弥散斑分布模型, 确定了场景中各点的模糊半径参数。根据深度信息对深度图进行分层渲染, 每层的滤波核半径与弥散圈半径一致, 最终采用分离式的各向异性高斯滤波快速得到渲染结果。与典型的景深渲染算法进行了对比, 实验结果表明, 所提出的算法具有较高的运行效率, 图像渲染结果更接近真实景深效果。算法图像景深渲染视觉质量表现优异, 具有较好的适用范围和算法稳定性。
景深渲染 各向异性滤波 分层滤波 深度图 depth of field rendering anisotropic filtering layered filtering depth map
重庆邮电大学 重庆高校光纤通信技术重点实验室, 重庆 400065
为了改善在滤除微机电系统微结构图像的噪声时导致边缘模糊的问题, 提出了一种改进的各向异性SUSAN滤波算法。该方法用独立强度传播模型决定长短轴的方差, 由该点的梯度方向决定滤波器的长轴方向, 由局部图像的灰度值与核值的差构成的局部均值构成SUSAN滤波器的自适应阈值, 从而构建出各向异性SUSAN滤波器。该算法在平滑图像同时能保持图像的边缘特征。结果表明, 各向异性SUSAN滤波器能够很好地降噪并保持图像的边缘信息。
图像处理 模糊图像 各向异性滤波 SUSAN滤波 微机电系统 image processing fuzzy image anisotropic filtering SUSAN filtering micro electromechanical systems
中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033
在传统各向异性扩散滤波算法的基础上，提出了一种自适应梯度阈值各向异性滤波算法，用于有效地抑制红外复杂背景、滤除噪声，同时增强红外弱小目标。该算法根据图像的局部特性，利用其在不同方向上的梯度特点，判断某点像素是噪声还是图像以及其存在于图像的平滑区域还是边缘区域。 文中据此提出了自适应求取边缘函数中的梯度阈值(K值)的方法，解决了原各向异性滤波算法的边缘函数中K值固定单一的问题。实验证明: 与原各向异性滤波算法和其他背景抑制算法相比，提出的算法增加了去噪功能,对各种复杂背景抑制效果更好，增强后的图像信噪比提高了近2倍。
背景抑制 目标增强 自适应梯度阈值 各向异性滤波 background suppression target enhancement adaptive gradient threshold anisotropic filtering光学精密工程第22卷
为了解决SUSAN滤波算子不能自适应调整滤波系数的问题，采用Geusebroek提出的各向异性高斯滤波器替代SUSAN滤波算子中的高斯滤波部分。由局部图像的方差和像素的邻域平滑度决定长短轴的方差，由该点的梯度方向决定滤波器的长轴方向，由局部图像的灰度值与均值差的一阶范数确定SUSAN滤波器的阈值，从而构造出各向异性SUSAN滤波器。将其用于红外弱小目标检测中，实验结果表明：各向异性SUSAN滤波器能够很好地保留图像中的边缘信息，使残差图像中弱小目标的信噪比增益和信杂比增益极大地提高，目标大小得到较好的保留，虚警率下降。
SUSAN滤波器 各向异性滤波 背景建模 红外图像 弱小目标检测 SUSAN filter anisotropic filtering background modeling infrared image dim target detection
