1 武汉科技大学 信息科学与工程学院，湖北 武汉 430080
2 武汉科技大学 冶金自动化与检测技术教育部工程研究中心，湖北 武汉 430080
针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题，本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先，所提方法在SIFT算法的基础上，对构建的高斯金字塔进行了优化，通过减少金字塔层数来消除冗余特征点以提高检测效率，并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测，筛选出鲁棒性较强的特征点进行更准确的匹配；其次，采用高斯圆形窗口建立32维降维特征向量，提高算法运行效率；最后，根据匹配特征点对之间的几何一致性对特征点进行提纯，有效减少误匹配。实验结果表明，本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法，相比传统的SIFT算法，匹配精度提高了约10%，算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下，正确匹配率在93%以上。
SIFT算法 高斯金字塔 自适应阈值 特征描述符 图像匹配 SIFT algorithm Gaussian pyramid adaptive thresholds feature descriptor image matching
南京信息工程大学电子与信息工程学院，江苏 南京 210044
针对车底危险物图像拼接中存在特征点匹配精度低、匹配速度慢、拼接处存在裂缝以及拼接时间久的问题，提出一种车底危险物图像快速拼接算法。首先，利用角点检测（FAST）算法进行图像特征点提取，再用二进制鲁棒不变可扩展关键点（BRISK）算法对保留的特征点进行特征描述；其次，用快速最近邻搜索（FLANN）算法进行粗匹配；接着，使用渐进一致采样（PROSAC）算法进行特征点提纯；最后，利用拉普拉斯金字塔算法进行图像融合与拼接。实验结果表明：在车底危险物图像数据中，与SIFT、SURF、ORB算法相比，所提算法的图像特征匹配精度分别提高13.10百分点、8.59百分点、11.27百分点，匹配时间分别缩短76.26%、85.36%、10.27%，图像拼接时间分别缩短63.73%、64.21%、20.07%，拼接处不存在明显裂痕。因此，基于FAST、BRISK、PROSAC和拉普拉斯金字塔组合的图像拼接算法是一种优质的图像快速拼接算法。
图像处理 FAST算法 BRISK算法 PROSAC算法 拉普拉斯金字塔算法 图像融合 激光与光电子学进展
2024, 61(8): 0837011
1 苏州科技大学物理科学与技术学院，江苏 苏州 215009
2 中国科学院长春光学精密机械与物理研究所应用光学国家重点实验室，吉林 长春 130033
针对传统水接触角测量过程需要人工干预，导致测量结果精度低、可复现性差等问题，提出一种基于改进Faster RCNN的水接触角测量方法。首先，把Faster RCNN骨干网络VGG16替换为ResNet101，在其残差块末尾处添加注意力机制模型convolutional block attention module（CBAM），增强网络提取特征的能力；其次，融入特征金字塔网络（FPN），充分提取不同尺度下的特征信息，此外，引入Focal损失函数来解决正负类样本不均衡的问题；最后，对定位到的水滴进行边缘检测和角点提取，再利用迭代重加权最小二乘法（IRLS）拟合椭圆轮廓计算水接触角。实验结果表明，改进后的Faster RCNN目标检测算法与原算法相比，平均精度均值提高10.794%，速度提升11 frame/s，水接触角测量结果平均标准偏差为0.109°。
图像处理 水接触角 特征金字塔网络 注意力机制 Faster RCNN 激光与光电子学进展
2024, 61(8): 0812002
苏州科技大学电子与信息工程学院，江苏 苏州 215009
为进一步提升高动态范围图像在普通显示器上的呈现效果，提出了一种基于改进拉普拉斯金字塔的高动态范围图像色调映射算法。该算法将预处理后的图像分解为高频层和低频层，分别输入2个特征提取子网络，将2个包含不同特征的输出图像融合后再输入微调网络，最终得到感知效果优越的低动态范围图像。此外，该算法设计了自适应分组卷积模块以增强子网络提取局部和全局特征的能力。测试结果表明：与现有的先进算法相比，所提算法可以更好地压缩高动态范围图像的亮度，保留更多图像细节，拥有更加优越的客观质量指标和主观感知效果。
图像处理 高动态范围图像 色调映射 拉普拉斯金字塔 深度学习 激光与光电子学进展
2024, 61(4): 0437009
武汉工程大学智能机器人湖北省重点实验室, 武汉 430000
针对遥感地物图像具有背景复杂且种类众多的特点, 利用传统算法进行分割会导致边缘模糊、信息丢失及分割精度低的问题, 提出了一种基于改进DeepLabV3+网络的语义分割算法。首先, 在主干网络中引入改进后的特征提取网络CHRNet; 其次, 使用非下采样轮廓波变换(NSCT)算法重构空洞空间金字塔池化(ASPP)模块中的全局池化操作; 最后, 在模型编码和解码阶段添加无参数的注意力机制SimAM, 加强模块间的特征传递, 提高特征利用率。实验表明, 在PASCAL VOC2012和WHDLD数据集上, 改进算法的平均交并比(MIoU)分别达到了81.56%和64.2%, 较原有算法分别提升了约4.61和2.8个百分点, 改进算法在保证分割速率的同时, 提升了分割精度。
遥感图像 非下采样轮廓波变换 空洞空间金字塔池化 注意力机制 remote sensing image DeepLabV3+ DeepLabV3+ Non-Subsampled Contourlet Transform Atrous Spatial Pyramid Pooling attention mechanism
江西理工大学电气工程与自动化学院, 江西 赣州 341000
针对遥感图像中背景复杂多样、目标密集和尺度差异性大, 容易造成小目标漏检和误检的问题, 以YOLOv5s 算法为网络基础框架, 提出一种基于上下文信息的遥感图像目标检测算法。首先, 设计上下文模块(CM)并添加在主干网络,增大目标区域特征的感知范围, 获取更多的上下文信息, 提升模型对小尺度目标的检测能力; 其次, 在特征主干网络中引入坐标注意力(CA)模块, 加强模型对浅层网络中目标位置信息的识别能力; 最后, 将空间金字塔池化模块替换为空洞空间卷积金字塔(ASPP)模块, 实现全局信息和局部信息相融合, 进一步增强小目标的语义信息。实验结果表明, 在RSOD数据集上, 改进后算法的mAP50为97.9%, 相比原YOLOv5s算法提高了1.7个百分点; FPS达到71帧/s, 满足实时性检测的要求。相比其他检测算法, 改进后算法具有更低的漏检率和误检率, 检测性能更加优秀。
遥感图像 上下文模块 坐标注意力模块 空洞空间卷积金字塔模块 remote sensing image context module coordinate attention module atrous spatial convolution pyramid module
1 桂林电子科技大学广西精密导航技术与应用重点实验室, 广西 桂林 541000
2 桂林电子科技大学信息与通信学院, 广西 桂林 541000
3 卫星导航定位与位置服务国家地方联合工程研究中心, 广西 桂林 541000
4 南宁桂电电子科技研究院有限公司, 南宁 530000
针对无人机图像匹配时间较长的问题, 提出了一种基于SIFT改进的无人机图像匹配算法。引入了FAST算法检测角点, 它能快速通过比较中心像素点和一定领域内像元的灰度值以判断是否为角点, 从而提高算法的速度。同时, 为了弥补FAST算法在高斯差分金字塔上搜索的不足, 使用了基于Ostu和GA的图像分割算法对图像进行分割, 对分割图像构建高斯金字塔, 在高斯金字塔上进行特征点搜索。实验结果表明, 与传统的SIFT算法相比, 改进算法提高了无人机图像匹配的速率和正确率。
无人机 图像匹配 图像分割 高斯金字塔 特征点搜索 UAV image matching image segmentation Gaussian pyramid feature points search
1 天津大学微电子学院，天津 300072
2 天津大学智能与计算学部，天津 300072
3 天津市成像与感知微电子技术重点实验室，天津 300072
针对无人机航摄图像中目标尺寸差异大导致的感受野难以同时兼顾不同尺寸物体分割效果的问题，提出了利用两路分支分别提取浅层和深层信息的双路特征融合网络（DSFA-Net）。在编码器中，浅层分支利用三个串行ConvNeXt模块提取高通道数的浅层特征以保留更多空间细节；深层分支利用坐标注意力空洞空间金字塔池化（CA-ASPP）模块为特征图重新分配权重，使网络更加关注尺寸各异的分割目标，获得深层多尺度特征。在解码过程中，网络利用双边引导融合模块为两层特征建立通信以进行分辨率融合，提高层级特征的利用率。所提方法在AeroScapes和Semantic Drone航摄图像数据集上进行了实验，其平均交并比分别达到83.16%和72.09%、平均像素准确率分别达到90.75%和80.34%。与主流的语义分割方法相比，所提方法对于具有较大尺寸差异的目标，分割能力更强，更适用于无人机航摄图像场景下的语义分割任务。
语义分割 特征融合 双路网络 坐标注意力空洞空间金字塔池化 多尺度特征提取 激光与光电子学进展
2023, 60(24): 2428005
