用于人脸表情图像与动画合成的图像变形方法

基于传统图像变形的人脸表情合成方法,在对由闭口的表情图像到开口露齿的表情图像进行中间状态的表情合成时会失效。为克服这一不足,提出了一种更适用于人脸表情图像与动画合成的图像变形方法。该方法引入了掩蔽图像的概念,并提出了对掩蔽图像的变形方法,修正了传统图像变形方法的变形公式。实验结果显示,该方法能自然、逼真地合成出由闭口的表情图像到开口露齿的表情图像的中间状态表情图像。     

利用HSI色彩空间的PCNN人脸识别方法

通过对彩色人脸图像进行HSI色彩空间分解,生成H、S、I三个通道的人脸图像模板,在保留原始人脸色彩特征的基础上,利用PCNN算法分别对三个通道的人脸特征进行提取,得到人脸图像特征图谱,并用具有唯一性的人脸图谱序列进行人脸识别。经过实验验证,该方法相比原有的PCNN以及其他人脸识别方法,具有检测过程简洁,识别精度高,鲁棒性强以及便于硬件实现等特点。     

镶嵌图像上拼接缝 的消除方法

分析了基于小波变换的拼接缝消除方法的不足 ,提出了拼接缝消除的强制改正方法 ,并用实际图像进行了试验。结果表明 :文中提出的方法具有较好的拼接缝消除效果 ,算法简单 ,易于实现 ,可以处理彩色和黑白等多种图像。     

可变类多光谱遥感图像分割

确定图像类别数是图像分割中的重要任务,在大多数分割算法中需由用户预先指定类别数。受地物目标及其分布的多样性、复杂性和未知性等因素的限制、对彩色遥感图像而言,人为确定其类别数非常困难。为此,提出了一种基于区域和统计的可变类分割方法,融合规则划分技术和R.JMCMC算法,利用规则划分将图像域划分成若干个规则子块,并假设每个规则子块内的像素服从同一独立的多值Gaussian分布;在此基础上南贝叶斯定理构建图像分割模型;利用ReversibleJump Markov Chain Monte Carlo(RJMCMC)算法模拟该模型,实现罔像类别数的自动确定及图像粗分割;为了进一步提高图像分割精度,设计精细化操作,对Worldview-2合成及彩色遥感图像和多光谱IKONOS图像进行可变类分割,实验结果表明,提出方法不仅能自动确定图像类别数,还可以较好地实现区域分割。本文方法较好地实现彩色遥感图像的可变类分割。     

基于SIFT特征配准的多帧迭代盲解卷积算法

在未配准的情况下,多帧图像解卷积算法不能发挥其利用多帧图像信息互补的优势,针对这种情况,本文将基于SIFT特征配准的算法引入多帧图像解卷积算法中,这一做法克服了各帧影像之间相同位置不同细节像素之间的影响,有效地提高了复原图像的质量。实际观测数据的复原结果证明了本文思想的正确性,配准后图像的复原结果更加清晰,且体现出观测目标更多的细节信息。     

多尺度图像分割和颜色传递的遥感图像彩色化增强

提出一种基于小波降噪、多尺度图像分割和颜色传递的遥感图像彩色化增强方法。该方法利用一种多尺度图像分割技术,将图像分割为若干子区域,在子区域之间进行亮度匹配和颜色传递,减少了颜色传递误差,再与采用软阈值方法的复数小波包降噪预处理相结合,来增强遥感图像的细节分辨能力。试验结果证明,基于图像分割和色彩传递相结合的方法,其参考彩色图像不需要与目标图像配准,只要特征、风格相近似,就可以对纹理结构相对较简单的全色遥感图像实现全自动的彩色化增强。彩色化的结果图像在美观程度及目标的可识别度上都有了明显增强。     

各向异性正则化的多帧遥感图像盲复原算法

在大气湍流较强时,一般的遥感图像复原算法难以取得较好的复原效果。针对这种情况,提出了一种基于各向异性约束的多帧遥感图像盲复原算法。该算法不需要成像过程的先验信息,仅根据图像及点扩散函数的非负约束和支持域约束,即可得到较好的复原结果;同时该算法能够自适应地调整正则化参数,在实现图像复原的同时,保持边缘并抑制噪声。试验结果验证了该算法的良好性能,复原后图像的质量得到较大提高。     

多主体框架下基于FCM的彩色遥感图像分割

为解决大尺度高分辨率遥感图像的数据量大及局部非均匀问题,提出一种在多主体系统（MAS）框架下基于模糊C均值（FCM）的彩色遥感图像分割方法。首先利用规则划分技术将图像域划分为若干个子块,每个分割主体控制一个子块;然后在MAS框架下,分割主体通过FCM算法实现对应子块的初始分割,将初始结果与全局模型协作,确定其区域正确类别数和标号统一;最后通过协调主体协调各分割主体及其邻域分割主体的聚类中心,从而消除遥感图像的局部非均匀性,以实现彩色遥感图像分割。利用提出算法和FCM算法分别对真实彩色遥感图像和合成图像进行了分割试验,并对其分割结果进行定性、定量评价,其结果说明了提出方法的可行性和有效性。     

基于非局部总变差的消除不规则采样遥感图像复原方法

提出一种消除不规则采样的遥感图像复原方法,该方法结合了ACT算法和总变差（TV）图像复原模型以达到同时去除多种图像退化因素的目的,并且结合非局部均值（NLM）算子给出了基于NLTV的消除不规则采样遥感图像复原模型,最后使用算子分裂与扩展的坎贝尔投影算法求解模型。实验结果表明,该方法能够有效减少复原图像的阶梯效应并提高复原图像的纹理细节信息。     

基于分形理论的航空图像分类方法

提出一种基于分形理论和BP神经网络的航空遥感图像有监督分类方法。该方法尝试将航空图像的光谱信息和纹理特征相结合。它首先将彩色航空图像由RGB格式转化为HSI格式，然后，根据亮度计算分数维、多重分形广义维数谱q-D(q)和“空隙”等基于分形的纹理特征，同时加入归一化的色度和饱和度作为光谱特征，采用BP神经网络作为分类器。通过对彩色航空图像的分类实验，结果证实该方法行之有效。     

彩色遥感影像色彩保持直接线性增强方法

将适用于全色遥感影像的线性增强技术直接应用到海岛礁彩色遥感影像增强处理中,实现了一种高速地具有色彩保持特性的海岛礁彩色遥感影像增强方法。将其与传统直方图方法、基于直方图的色调不变增强方法进行了对比实验,实验结果表明该方法不但有效改善了海岛礁彩色遥感影像视觉质量,还保持了海岛礁彩色遥感影像的色彩信息。此方法处理的海岛礁彩色遥感影像具有视觉效果好、色彩鲜明等特点,更有利于其后续处理。     

制作高质量天绘彩色正射影像的方法分析

随着数字正射影像(DOM)的广泛应用,对正射影像的质量要求也越来越高。影像匀光、匀色处理是制作正射影像时的一个重要环节,它决定着正射影像色彩的优劣。本文主要介绍以低层级谷歌影像为参考基准色,对天绘多光谱影像DGP进行颜色匹配法匀光、匀色;利用波段调整功能对天绘多光谱影像DGP进行绿色增强;采用Pansharp最小二乘法对多光谱影像DGP和高分辨率影像GFB进行影像融合,从而获得如谷歌影像一样丰富的纹理层次感强、色彩真实的彩色天绘正射影像。     

利用基准色调的大范围卫星影像色彩一致性处理算法

由于季节、光照、大气条件等的不同,大范围卫星影像间色调差异较大,镶嵌后影像接边处存在明显"拼接缝"。针对此问题本文提出了一种卫星影像色彩一致性算法,以覆盖测区、色彩一致性较好的低分辨率卫星影像为基准色调底图,对测区内源影像进行自动的色彩校正。选取大范围、时相差异较大的高分一号卫星影像进行试验,经本文算法处理,影像镶嵌后整体视觉效果较好,接边处色彩过渡平滑,影像重叠区域各项统计指标良好,验证了该算法的有效性和可靠性。     

彩色地图图像分色的研究及算法实现

研究了目前国内外现有的彩色地图图像分色算法 ,并在此基础上提出一种新的彩色地图图像自动分色算法。该算法直接利用彩色地图图像的颜色特点 ,并充分考虑图像的空间相关信息进行自动分色 ,最终可得到理想的分版图。     

DPGrid-Ortho匀光匀色技术及其在航空正射影像生产中的应用

作为航空影像处理流程中的一个重要步骤，匀光匀色处理为生成色调一致、有良好的整体目视效果的正射镶嵌影像图提供了坚实的基础。本文首先对匀光匀色处理的国内外现状进行了回顾，然后介绍了DPGrid-Ortho软件中采用的一种全局与局部优化策略结合的匀光匀色方法，最后结合实际数据验证了该方法的有效性。     

联合概率密度脊提取的影像镶嵌色彩一致性处理方法

针对大区域待镶嵌遥感影像之间存在亮度分布和对比度不一致的问题,提出了一种联合概率密度脊提取的色彩一致性处理方法。统计两景影像重叠区域对应波段亮度值的联合概率密度,并从中提取通过“脊”的直线作为回归方程,对输入影像进行处理,使得影像间具有类似的对比度和亮度分布。选取TM数据进行了实验,结果表明：镶嵌结果色彩均匀、视觉特征良好;与传统方法相比具有较好的稳定性和统计特征。     

基于自分类和颜色空间变换的遥感图像色彩校正方法

提出了一种基于遥感自动分类和lab 颜色空间变换的色彩校正方法, 并用此方法对不同时间的ETM遥感图像进行了多景色彩校正后的拼接实验。实验结果显示, 相对于重叠区域校正、直方图匹配等常规方法, 该方法能够很好地校正不同获取时间所导致的景间颜色、亮度差异, 提高遥感图像后续分类、变化检测的准确性以及多景遥感图像的拼接效果。     

基于颜色特征利用色矩与BTC法进行影像聚类

影像聚类是一种对影像数据进行分组的方法,在基于内容的影像检索中,如果能够利用较低层次的可视特征进行高效的影像聚类,将会大大提高影像检索的精度.文章分别利用色矩法与分块截短编码(BTC)方法提取影像颜色特征,然后采用K均值聚类算法来对两种方法进行聚类分析.实验结果表明,分块截短编码(BTC)方法的聚类精度优于色矩法.     

彩色影像的遗传自适应增强

提出了一种彩色色形像自适应增强的算法，此算法充分利用了彩色影像饱和度和亮度所包含的信息，并利用遗传算法自适应地调整增强系数。对于不同的影像，本文算法均能使其对比度，目标边缘以及纹理特征得到增强。