图像分割和图像配准是图像处理领域中的两个关键技术.事实上,图像分割和图像配准之间是相互依赖、彼此互惠的.本文以图割理论为基础,结合马尔科夫随机场(Markov Random Field,MRF)模型,提出了一种基于MRF和图割的多尺度图像分割和配准同步方法,该方法通过将分割信息和配准信息耦合在一起,利用两者的相互促进作用,以得到更准确的分割和配准结果,并通过实验证明了该方法的有效性.
针对水下目标检测过程中由于水下成像模糊、目标物与背景对比度低等原因导致的水下图像特征提取与目标理解困难的问题,本文提出了一种基于频域注意力的水下目标检测算法。该方法首先将训练集图像变换到频域,并使用低频特征引导组件(low frequency feature guiding suite,LFGS)计算频率分量,然后该分量将作为参数被应用到低频特征提取模块(low frequency feature extraction model,LFM)来更好地提取图像的低频特征,融合了图像低频信息的特征经过进一步特征提取生成高层特征,最后将高层特征输入到检测头中进行检测。在URPC2021数据集上进行验证,平均精度均值达到了83.35%,验证了本文方法的有效性。
特征提取是合成孔径雷达(synthetic aperture radar,SAR)图像自动识别与分类中的重要环节.由于SAR图像有相干斑噪声及几何畸变等特性,一般网络模型难以提取到有判别性的特征.为增强特征提取能力,提高分类准确率,提出将注意力机制与胶囊网络结合的一种注意力胶囊网络模型.注意力机制可聚焦寻找具有重要局部信息的特征,在图像识别过程中抑制干扰特征,定位重要特征.胶囊网络可捕捉图像中目标的位置与空间关系,使提取到的SAR图像特征含有更多便于分类的重要信息.结果表明:文中方法对SAR图像分类数据集中运动和静止目标的获取与识别(moving and stationary target acquisition and recognition,MSTAR)有显著效果.
