多特征融合的视频镜头分割

针对传统镜头分割算法特征单一、分割效果较差等问题，提出了一种多特征融合的视频镜头分割算法。首先，通过建立一种优化模型，融合空间差异度量和感知哈希度量两种重要特征，构造一种镜头边界区分能力更强的镜头边界检测特征，即像素差异度量；其次，结合直方图差异度量，形成有效的镜头边界检测策略，以便更加准确判断是否发生镜头切换。实验结果表明，与传统算法相比，所提算法取得了较好的分割效果，具有较高的查准率和查全率。     

基于逆注意力机制和像素相似度学习的图像分割

针对图像语义分割中目标边界容易混淆、定位不准以及边界不平滑问题，在Deeplab v2 Resnet-101网络的基础上引入提出的逆注意层与像素相似度学习层，构造了一种新的语义分割的网络结构，并设计了注意力层和像素相似度学习层的损失函数。首先，使用Deeplab v2 Resnet-101网络提取图像语义特征；然后，利用提出的逆注意力层修正预测网络的分割结果，同时，利用提出的像素相似度学习层解决边界不够平滑的问题；最后融合两者分割的结果，得到语义分割的结果。在PASCAL-Context上取得了像素准确度76.2%、像素平均准确度59.7%、平均IoU(Intersection over Union)准确度指标49.9%的结果，在PASCAL Person-Part、NYUDv2、MIT ADE20K数据集上分别取得了平均IoU准确度指标69.6%、42.1%、44.38%的结果，与已有的主流方法相比，所提算法能够提升语义分割的精确度，验证了算法的有效性。     

一种基于Levy-人工蜂群的三维Otsu阈值分割算法

针对图像分割过程中三维Otsu算法运算时间长、计算量大的问题,提出了一种基于Levy-人工蜂群算法的三维Otsu阈值分割算法。首先,以像素灰度值-邻域均值-邻域中值的三维类间方差作为人工蜂群算法的适应度函数;其次,采用Levy飞行模式评价像素的适应度,对其种群更新及邻域搜索过程进行优化,以增强其全局搜索能力;最后,利用改进后的算法得到的分割阈值对图像进行分割。仿真实验结果表明,与传统三维Otsu阈值分割算法相比,所提算法能够有效降低图像存储空间,处理时间降低了30.8%,具备更好的抗噪性能,分割效果也更为理想。     

运动目标检测中背景更新算法研究

针对视频动态目标检测中背景实时更新问题,在运动目标覆盖的平均时间小于不被运动目标覆盖时间的情况下,提出了一种结合近似中位数法和三帧差分法的背景建模算法。该算法首先运用近似中位数法获取更新背景,利用三帧差分法得到差分图像,将差分图像与背景减除法确定的运动目标区域相结合,从而得到可靠的运动区域。通过与三帧差分法、近似中位数法和混合高斯法实验对比,提出的算法准确率高、运行速度快、能满足实时检测的要求。     

双边滤波下局部强度与梯度融合的小目标检测

针对红外小目标在复杂背景下难以检测的问题，提出了一种利用局部强度和梯度融合来增强目标抑制背景杂波的算法。首先通过双边滤波技术得到去噪图像，然后利用目标区域与局部邻域的强度差异和梯度向量获得融合图像，最后采用自适应阈值分隔技术成功检测出小目标。理论分析和实验评估结果表明，该算法能够很好地抑制高斯噪声和背景边缘，相比于传统的检测算法，其检测性能显著提高，鲁棒性能较好。     

考虑空域分布多尺度信息熵的SAR图像模板匹配

图像的熵和多尺度熵仅考虑像素灰度分布而无视像素在空域分布的情况,基于此的图像匹配容易受噪声的影响而导致误配。为解决此问题,给出了一种空域分布多尺度信息熵（SDMSE）,将图像像素在空域的分布与灰度空间分布结合起来,对不同的行或列求多尺度信息熵。在合成孔径雷达（SAR）图像匹配时,对输入图像和基准子图（基准图中和输入图尺寸一样的子图）求SDMSE矩阵,并通过求两矩阵的相似性来度量匹配程度,相似性最大的位置对应匹配点。仿真结果表明,所提匹配算法相比基于熵和多尺度熵的SAR匹配算法有更优异的噪声适应性,匹配误差更小,但计算耗时较多。在如何减少计算时间方面也做了尝试,实验表明尺度个数减少可以大幅减少计算时间而抗噪声性能并没有明显降低。     

基于稀疏编码的鲁棒型人脸超分辨率重建

为了减少人脸超分图像的边缘伪影和图像噪点，利用基于稀疏编码的单幅图像超分辨率重建算法，在字典学习阶段，结合L1范数引入在线字典学习方法，使字典根据当前输入图像块和上次迭代生成的字典逐列更新，得到更加精确的超完备字典对，用于图像重建。实验中进行的仿真结果表明，改进算法超分结果的峰值信噪比（PSNR）和结构相似性（SSIM）比同类型的稀疏编码超分法（SCSR）和应用在线字典学习算法的超分方法（ODLSR）均有较大幅度提升，比后者平均提升0.72 dB和0.018 7。同时，视觉上有效地消除了边缘伪影，且在处理含噪人脸图像时，具备更强的去噪能力和更好的鲁棒性。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题，提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先，利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图，使得目标区域信息增强；其次，结合舰船目标先验信息（长短轴、面积等），利用多级阈值划分算法提取关注的显著区域，并确定原图中候选目标区域；最后，利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割，结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较，结果表明，相比直接进行全图目标搜索的方法，所提方法不仅准确率高、执行速度快，且检测目标的位置更加精确。     

全卷积神经网络应用于SAR目标检测

在合成孔径雷达（SAR）图像目标检测中,由于场景杂波的复杂多变,对背景杂波统计模型估计难度增加,从而导致多数检测器容易受到背景杂波的干扰。针对如何避免场景杂波对目标检测干扰的问题,提出了一种基于全卷积神经网络的SAR目标检测模型。该模型将目标检测任务转化为像素分类问题,利用卷积神经网络对数据集中目标像素特征和背景杂波像素的先验信息进行自主学习,有效减少了虚警目标的数量;通过对目标及其阴影区域的联合检测,提高了目标的检测概率。对多个不同场景图像进行测试,实验结果表明提出的检测模型具有良好的检测性能和鲁棒性能,与传统恒虚警检测算法相比,在无需考虑背景杂波统计模型前提下有效降低了虚警概率。     

一种多视角自适应的模板匹配目标检测方法

基于灰度的模板匹配方法难以解决航空图像多视角变换问题,而基于特征点的模板匹配方法难以解决低分辨率小目标模板图像匹配不稳定的问题。为此,提出了一种基于变换矩阵空间优化搜索的模板匹配方法。首先将多视角下的投影变换空间进行离散化建模,利用归一化灰度的模板与实时图像,以投影后模板图像与实时图像之间的绝对误差和（SAD）建立优化模型;然后通过优化搜索算法寻找到模板图像与实时图像之间的最优变换矩阵,检测出实时图像中的包含的模板目标;最后针对搜索的时间复杂度较高问题设计了基于分支界限法的加速算法。利用公开数据集和实际图像进行仿真实验,结果表明所提的模板匹配方法相比传统特征匹配方法对于高斯噪声、高斯模糊和图像有损压缩等图像退化具有更好的适应性,在大视角差异和低分辨率条件下具有更低的投影误差和更高的稳定性,并解决了单模板多目标的匹配检测问题。     

一种结合空谱聚类的高光谱图像快速压缩算法

对高光谱图像进行快速压缩已经成为了高光谱遥感领域的研究热点。针对现有的高光谱图像数据量大和压缩所需运算量大的问题，提出了一种基于频段聚类+主成分分析(PCA)与空间分类相结合的高光谱图像快速压缩算法。首先利用最大相关度频段聚类算法(MCBC)将频段聚类，接着将每一类频段用PCA压缩，然后将压缩后的图像利用聚类信号子空间投影(CSSP)算法进行图像分类，最后在每一类内利用LBG(Linde Buzo Gray)算法通过矢量量化快速完成高光谱图像的编码。在不同的压缩比下进行实验，结果表明提出的高光谱图像压缩算法能在保证良好的图像恢复质量的前提下，大幅度降低运算复杂度，实现高光谱图像的快速压缩。     

结合匈牙利指派和改进粒子滤波的多目标跟踪算法

使用汽车雷达进行多目标跟踪时，为了提高航迹关联效率并改善非线性场景跟踪效果，提出了结合匈牙利指派和卡尔曼重要性采样的粒子滤波(Particle Filter with Kalman Importance Sampling，PF-KIS)算法。首先，将航迹关联分解为聚类和指派，通过密度聚类筛选并整合有效目标，经过匈牙利指派得到目标和航迹的最佳匹配关系，避免产生多余联合事件，提高关联效率；其次，以卡尔曼滤波的结果作为粒子滤波的先验，使采样粒子分布更合理，提高估计精度，进而改善非线性跟踪能力。实验表明，算法平均航迹关联正确率约为95%；非线性场景误差约为卡尔曼滤波的1/2，有效地改善了非线性场景跟踪能力。     

一种基于最小错分概率的遥感影像变化检测算法

变化检测是研究自动实现目标变化信息提取的方法。为适应不同时期遥感影像成像环境和灰度的差异,提出一种基于最小错分概率的遥感影像变化检测方法,对待检测的遥感影像利用差影法提取出差值影像,利用最小错分概率的计算方式计算变化阈值,提取出重要的变化区域,最后采用去噪扫描和形态学的方式剔除噪声带来的虚假变化。实验结果表明,所提出的变化检测算法稳健、实时性强,具有较大的实用价值。     

多分类器融合的快速高维特征聚类图像分割

提出一种多分类器融合的快速高维特征聚类图像分割方法,将图像高维 特征数据的分类分解为基于灰度(颜色)特征的最佳模糊分类以及基于空域约束的统计分类等 多个低维特征数据的分类。通过多分类器融合的方法将不同分类器得到的分类结果进行优化 整合,得到最后的分类结果。实验证明：与其它图像分类算法相比,该方法拥有更好的分 割性能并大大提高了计算速度,最大限度地保证了分割算法计算的简单有效性。     

一种新的基于二尺度分解的图像和谐融合方法

介绍了一种新颖的图像融合算法。该方法首先将图像的亮度通道进行分解,然后对分 解后的层使用不同的方式进行处理。该方法使用均值插值法来解决图像融合问题。实验表明 ,该方法在外观不同的图像上能够获得比较满意的结果,融合结果和目标图像的细节纹理匹 配完好且无缝。此外,基于图形处理器（GPU）的并行实现提高了算法的效率。     

基于空谱特性的高光谱图像压缩感知重构

针对现有的高光谱图像压缩感知重构算法对图像的空谱特性利用不够充分,导致重构图像质量不够高的问题,提出了一种高光谱图像变投影率分块压缩感知结合优化谱间预测重构方案。编码端以频段聚类方式将高光谱图像的所有频段分成参考频段和普通频段,对不同频段单独采用不同精度分块压缩感知以获取高光谱数据。在解码端,参考频段直接采用稀疏度自适应匹配追踪(SAMP)算法重构,对于普通频段,则设计了一种优化谱间预测结合SAMP算法的新模型进行重构：首先通过重构的参考频段双向预测普通频段,并对其进行压缩投影,然后计算预测前后普通频段投影值的残差,最后利用SAMP算法重构该残差,以此修正预测值。实验表明,相比同类算法,该算法充分考虑了高光谱图像的空谱特性,有效改善了重构图像质量,且编码复杂度低,易于硬件实现。     

毫微微小区中一种基于分组的资源分配方法

为有效解决毫微微小区间（Femtocell）干扰,采用分布式方式对毫微微小区进行资源管理。首先,对毫微微接入点（FAPs）进行分组。基于Lingo数学建模的思想,提出了一种解决分组优化问题的算法。该算法在使用分支定界算法寻找最优解的同时,通过建立单纯形表剪去偏离最优解方向的分支;其次,每组选择一个簇头为本组内FAPs分配资源,为此,提出了新的子信道分配方法,该方法根据干扰指示矩阵修正子信道分配的情况。仿真结果表明：和其他算法相比,提出的算法不仅能找到分组优化问题的最优解,并且效率更高;另外,提出的资源分配算法不仅减小了用户间干扰,而且提高了户间速率公平。     

梯度域多曝光图像融合

为解决多曝光图像融合的问题，提出了一种新颖的直接将多曝光图像融合成适合显示的低动态范围图像的方法，并且具备消除运动伪影的能力。使用联合柱状图探究两幅图像之间像素值的对应关系，对每幅图像检测分别得到一幅伪影权值图，用来构造融合时的度量。在梯度域中进行融合，根据多维黎曼流形几何(Riemannian Geometry)，从多个输入图像的结构张量中推导得出融合的梯度域，然后使用均值滤波器在多尺度上进行梯度域的非线性修改，通过解泊松方程得到融合图像。最后，还提出了一种新颖的色彩复原算法，用以避免造成色彩偏差。实验表明，该方法能够有效融合含运动物体的多曝光图像，无论哪幅图像被选作参考图像，都能获得高质量的结果图像。该算法同时具有处理的有效性和时间的高效性。