微分和形态学算子混合的图像特征检测理论与方法

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61671357
  • 项目类别:
    面上项目
  • 资助金额:
    58.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0116.图像信息处理
  • 结题年份:
    2020
  • 批准年份:
    2016
  • 项目状态:
    已结题
  • 起止时间:
    2017-01-01 至2020-12-31

项目摘要

In this project, we will investigate the robust and integrative feature detection theory and methods of grayscale and color images by using multi-scale, multi-directional, multi-shaped anisotropic Gaussian directional derivative (ANDD) representation as the major tool. There are three main issues for investigation. (1). We will investigate feature detection methods and algorithms by means of deep fusion of differential operators and morphological operators, so as to overcome the intrinsic defect of the traditional detectors that are not robust to impulse-type noises in images. (2). We will improve corner detection and classification methods based upon the ANDD representations and develop the blob detection and shape estimation methods using multi-scale, multi-directional, multi-shaped ANDD representations. Eventually, noise-robust corner and blob detectors are obtained. Moreover, based upon these methods, an integrative detection theory and method of image features including edges, corners, and blobs are established. (3). We will develop constant false alarm rate (CFAR) feature detection method of images corrupted by multiplicative noise by using anisotropic Gaussian directional ratio representations and establish interleaving Bayesian feature detection theory and method for images from multiple imaging systems, which provide the support in methods and algorithms to build robust scene surveillance systems using images from multiple sources.
本项目以多尺度、多方向、多形状的各向异性高斯方向导数表示为主要工具,研究灰度和彩色图像的特征一体化稳健检测理论和方法。主要的研究内容包括以下三点。(1).研究微分算子和形态学算子深度融合的图像特征检测方法和算法,解决传统基于微分算子特征检测方法对脉冲型噪声稳健性差的固有缺点。(2).完善基于各向异性方向导数表示的图像角点检测和分类方法,发展利用多尺度、多方向、多形状各向异性高斯方向导数表示的图像斑点检测和形状估计方法和算法,获得具有良好抗噪性能的图像角点和斑点检测方法。在此基础上构建灰度和彩色图像边缘、角点、斑点特征的一体化检测理论与方法。(3).发展基于各项异性高斯方向比率表示的受乘性噪声污染的图像的恒虚警率特征检测方法,建立多源图像交替Bayesian特征检测理论和方法,为发展稳健的多源图像联合场景监视系统提供方法和算法储备。

结项摘要

多尺度、多方向、多形状的各向异性高斯核广泛应用于图像的特征检测中,本项目以各向异性高斯核为主要工具,研究了光学图像中各向异性高斯方向导数与形态学算子的深度融合,以及SAR图像中的各向异性方向比率与形态学边缘信息的融合,提出了多种高效且稳健的光学图像边缘、斑点检测方法,以及SAR图像边缘检测和分割方法。主要研究成果包括:(1)通过对各向异性高斯方向导数和加权中值滤波器的深度融合,设计并提出了对脉冲噪声稳健的灰度边缘检测方法和彩色边缘检测方法;同时,收集50幅彩色图像,结合自动检测与人工辅助修正的方法标注每幅图像的参考边缘,构造了可以用于评价边缘检测方法性能好坏的彩色图像库;(2)结合各向异性高斯核和梯度搜索法,设计并提出了有仿射不变性的斑点测度,并在此基础上提出了对图像的仿射变换稳健的高精度斑点检测方法;(3)利用各向异性形态学方向比率和方向巴氏系数,设计并提出了两种对噪声稳健的SAR图像边缘检测方法;此外,针对SAR图像分割方法中区域合并类方法的初始分割和区域合并这两个阶段,分别提出了基于形态学边缘信息的初始分割方法和基于纹理模式关注的区域合并测度。基于本项目的研究,培养硕博研究生5名,发表12篇学术论文,其中SCI一区论文1篇,二区论文4篇。

项目成果

期刊论文数量(10)
专著数量(0)
科研奖励数量(0)
会议论文数量(2)
专利数量(3)
Noise-robust color edge detection using anisotropic morphological directional derivative matrix
使用各向异性形态方向导数矩阵的抗噪声颜色边缘检测
  • DOI:
    10.1016/j.sigpro.2019.06.036
  • 发表时间:
    2019-12
  • 期刊:
    Signal Processing
  • 影响因子:
    4.4
  • 作者:
    Ou Li;Penglang Shui
  • 通讯作者:
    Penglang Shui
Anti-Impulse-Noise Edge Detection via Anisotropic Morphological Directional Derivatives
通过各向异性形态方向导数进行抗脉冲噪声边缘检测
  • DOI:
    10.1109/tip.2017.2726190
  • 发表时间:
    2017-10-01
  • 期刊:
    IEEE TRANSACTIONS ON IMAGE PROCESSING
  • 影响因子:
    10.6
  • 作者:
    Shui, Peng-Lang;Wang, Fu-Ping
  • 通讯作者:
    Wang, Fu-Ping
Fast ship contour extraction in SAR images
SAR图像中快速船舶轮廓提取
  • DOI:
    10.1049/joe.2019.0384
  • 发表时间:
    2019-05
  • 期刊:
    The Journal of Engineering
  • 影响因子:
    --
  • 作者:
    聂源盈;樊书辰;水鹏朗
  • 通讯作者:
    水鹏朗
基于逆高斯纹理空间相关性的雷达目标检测
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    系统工程与电子技术
  • 影响因子:
    --
  • 作者:
    施赛楠;水鹏朗;杨春娇;许述文
  • 通讯作者:
    许述文
用于检验散斑协方差矩阵估计性能的白化度评价方法
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    雷达学报
  • 影响因子:
    --
  • 作者:
    于涵;水鹏朗;杨春娇;施赛楠
  • 通讯作者:
    施赛楠

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Image denoising algorithm via
图像去噪算法通过
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
  • 影响因子:
    --
  • 作者:
    水鹏朗
  • 通讯作者:
    水鹏朗
span style=color: black; font-family:; helvetica,sans-serif;font-size:7pt;=A New Adaptive CFAR Detection Algorithm/span
一种新的自适应CFAR检测算法
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    Journal of Information and Computational Science
  • 影响因子:
    --
  • 作者:
    刘盼芝;水鹏朗;惠萌;黄鹤
  • 通讯作者:
    黄鹤
利用阈值多谱图去除Wigner分布的交叉项
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    系统工程与电子技术
  • 影响因子:
    --
  • 作者:
    水鹏朗;郭永明
  • 通讯作者:
    郭永明
小波域局部贝叶斯阈值的SAR图像
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    系统工程与电子技术,28(6), 819-822, June 2006.
  • 影响因子:
    --
  • 作者:
    李军侠;水鹏朗;武楠
  • 通讯作者:
    武楠
Design of Oversampled DFT-Modulated Filter Banks via Modified Newton Method
基于改进牛顿法的过采样 DFT 调制滤波器组设计
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    IET Signal Processing
  • 影响因子:
    1.7
  • 作者:
    张子敬;水鹏朗;蒋俊正
  • 通讯作者:
    蒋俊正

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

水鹏朗的其他基金

基于海杂波特性深度认知的海面小目标检测理论与方法
  • 批准号:
  • 批准年份:
    2020
  • 资助金额:
    63 万元
  • 项目类别:
    面上项目
基于多尺度各向异性方向导数核的图象角点检测和分类理论与方法
  • 批准号:
    61271295
  • 批准年份:
    2012
  • 资助金额:
    78.0 万元
  • 项目类别:
    面上项目
两维调制滤波器组设计算法及在图像处理中的应用
  • 批准号:
    60872139
  • 批准年份:
    2008
  • 资助金额:
    30.0 万元
  • 项目类别:
    面上项目
非线性多分辨分析和子波变换理论及应用
  • 批准号:
    60272058
  • 批准年份:
    2002
  • 资助金额:
    18.0 万元
  • 项目类别:
    面上项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码