多尺度Retinex的低照度航空图像非线性增强

针对低照度航空遥感图像亮度低、对比度低,阴影区域目标难以准确判读的问题,提出了一种基于多尺度Retinex的图像非线性增强方法。该方法采用递归迭代提高高斯滤波处理速度;采用灰度极值去除线性拉伸,尽可能保留原始细节信息;采用动态范围调节因子控制输出图像对比度。实验结果表明,灰度极值去除比例、动态范围调节因子和最大环绕尺度等重要参数的取值变化对图象处理效果具有影响。给出了上述3种参数合适的取值范围,有效提升了低照度航空遥感图像的判读效果。     

基于BHPF的夜间车牌图像增强方法

提出了一种根据能量自适应地选取截止频率的巴特沃兹高通滤波器(BHPF)图像增强方法,解决夜间模糊车牌字符无法分割与识别的难题.由于能见度及车灯照射等影响,夜间获取的图像定位到的车牌目标模糊不清.根据图像的频谱特性,使用BHPF提取车牌字符跳变的尖锐部分;利用能量主要集中在低频部分的特点,自适应地选取滤波器截止频率;最后对定位的目标进行高频强调滤波,滤波后的目标图像二值化结果可满足字符分割的要求.通过交通卡口获取的实测图像测试证明,该方法可有效地解决夜间车牌字符无法分割与识别的问题.     

基于自适应亮度基准漂移的十字路口交通图像增强处理研究

针对大多数增强方法未能同时考虑图像与光照强度、拍摄时间之间关系的问题,根据不同时刻的光照强度变化,提出了一种基于自适应亮度基准漂移的全天候十字路口交通图像的增强算法。首先依据不同时刻的光照变化建立亮度基准曲线,然后由亮度基准曲线和亮度实时反馈建立自适应亮度基准值模型,最后对图像的亮度分量运用亮度基准值模型自适应增强。实验结果证明了该方法在全天候不同光照条件下图像增强的有效性以及不同天气条件下增强的鲁棒性。     

在线街景服务车牌模糊化方法

针对在线街景服务发布需要模糊车牌从而保护隐私的问题,该文从街景场景中车牌的纹理、色彩和几何特性出发,提出了一种由粗到精的车牌识别方法。首先基于影像边缘形态学滤波和颜色分量自适应匹配提取候选区域,然后经过去伪和倾斜校正进行车牌的识别和提取;为了进一步提高精度,将初次识别结果作为支持向量机系统的样本,训练特征矩阵用于识别结果的精化。多地街景数据实验表明:该方法对大畸变复杂街景环境有较强鲁棒性,有效提高了街景中的车牌识别准确率。研究结果可广泛应用于在线街景服务,提高生产效率。     

基于投影法和数学形态学的车牌定位算法

车牌定位是车牌识别系统中的关键技术之一,车牌定位的质量直接影响着后续字符识别的结果。本文提出了一种结合投影法和形态学的车牌定位算法,首先对图像进行预处理,接着利用水平投影算法确定车牌的上下边界,然后利用形态学方法迭代确定车牌的左右边界．最后进行精定位。实验表明,该方法具有较高的定位精度。     

面向城市地物分类的SAR图像纹理特征提取与分析

合成孔径雷达(SAR)图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。     

面向城市地物分类的 SAR 图像纹理特征提取与分析

合成孔径雷达（ SAR）图像含有丰富的纹理信息,特别是进行城市地物分类时,纹理特征对于图像的解译具有重要的意义。本文对基于灰度共生矩阵和Gabor变换两种纹理特征提取方法进行了研究,将灰度和不同纹理特征组合应用于SAR图像城市地物分类,并以ALOS PALSAR影像为数据源进行了实验。通过对不同分类结果进行定性和定量分析,结果表明,引入纹理特征后的SAR图像分类结果要优于无纹理信息参与的分类结果,基于不同纹理特征组合的SAR图像分类结果要优于基于单一纹理特征的分类结果。     

面向城市道路目视识别的遥感图像滤波增强方法

归纳与总结了遥感图像增强中的几种常用滤波方法。以广州城区作为试验区,Landsat TM影像作为数据源,分别运用纹理分析和卷积滤波对研究区域的遥感影像行增强处理,并对这些方法的影像增强效果进行质量评价。结果表明,高通滤波最适合于城市道路等线状地物的遥感图像增强。     

非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强

针对部分遥感图像整体亮度偏暗、对比度较低的特点,为提高遥感图像的视觉效果和可解译性,提出了一种基于非下采样Shearlet变换(non-subsampled shearlet transform, NSST)和参数化对数图像处理(parameterized logarithmic image processing, PLIP)模型的遥感图像增强方法。首先,遥感图像经非下采样Shearlet变换分解成低频分量和高频分量;然后依据PLIP模型对其低频分量进行增强,提高图像的对比度;同时利用改进的模糊增强方法对高频分量进行增强,突显边缘细节信息。大量试验结果表明,与双向直方图均衡增强、基于平稳小波变换的增强、基于非下采样Contourlet变换的增强等5种图像增强方法相比,本文提出的方法在主观视觉效果和对比度、清晰度等客观定量评价指标两个方面均有优势,能更有效地提高遥感图像的对比度、增强边缘纹理细节信息,视觉效果更佳。     

遥感图像分割的低维纹理特征算子与双变异蝴蝶优化算法

针对光学遥感影像受天气影响导致部分地物间形成弱边缘问题,提出一种低维纹理特征算子与双变异蝴蝶优化算法。首先提出一种适用于遥感影像的低维完备局部三值模式的纹理特征提取算子,并将其引入简单线性迭代聚类算法,对遥感影像进行初始分割,减小了噪音影响,同时增强算法对弱边缘的敏感度和分割准确性;然后采用双变异蝴蝶优化的支持向量机合并同质超像素块,以简单线性迭代聚类算法和低维纹理特征算子得到的综合特征作为输入,得到最终分割图像。利用2组高分辨率遥感影像进行分割实验,并与当下流行的卷积神经网络进行对比,实验结果表明,所提算法相较于传统算法对弱边缘有更好的分割效果,数据一的边界回归率(boundary recall,BR)值较对比算法平均提高了1.9%,Kappa系数平均提高了0.036;数据二的BR值较对比算法平均提高了2.33%,Kappa系数平均提高了0.027。对比实验证明了所提算法相较于卷积神经网络有更好的泛化性。     

基于结构张量的前后向扩散图像去噪方法

针对各向异性前后向扩散方程对图像进行处理时必然会导致图像角型区域纹理损失的特点,提出了一种改进的图像去噪方法。结合前后向扩散和结构张量对图像进行处理,利用结构张量算法计算图像中的角型区域,增强图像的角点纹理,在去除噪声的同时保留了图像的细节部分。通过实验与传统高斯低通滤波和未改进的去噪算法进行比较,结果表明该改进算法不仅有效去除了噪声而且保持了图像的纹理。     

顾及图像亮度特征的自适应视觉SLAM定位方法

针对眩光/阴影等复杂光照干扰场景视觉定位鲁棒性较低的问题，该文提出一种顾及图像亮度特征的自适应视觉同时定位与地图构建(SLAM)定位方法。该方法基于ORB-SLAM2算法进行改进，通过在ORB-SLAM2前端利用图像平均亮度阈值法检测光照干扰图像，并对其进行饱和度增强，从而得到有利于ORB特征提取的图像。该文利用TUM数据集与KITTI数据集验证了所提方法的可靠性，并与原ORB-SLAM2和ORB-SLAM3算法进行了对比实验。实验结果表明，该文方法的定位精度优于其他两种算法，有效提升了复杂光照场景中视觉定位的鲁棒性。     

神经网络和分形纹理在夜间云雾分离中的应用

云雾分离是浓雾遥感监测的难点，地物光谱信息和图像纹理信息的综合利用，分形理论和BP神经网络技术的应用，使夜间云雾分离结果更为可信，基于灰度连通域的图像纹理提取提高了云雾边界的识别能力，灰度加权拉伸后的分数维增强了云雾的可分性，与传统最大似然法比较，本文所用方法对晴空地表、雾区、云区的识别精度均有提升，特别是云区的识别精度提高了10％，三类地表的总体识别率提高了7％，达到93％以上，文章最后对类的归并作了讨论。     

浅析沿海区域卫星遥感影像图像增强技术研究

以p5影像为试验,通过对图像粗纠正、波谱信息增强和空间信息增强三个方面的简要论述,利用ER-DAS,Photoshop图像处理软件进行实验处理,真实地反映沿海区域自然特征,为遥感领域的影像图像增强环节提供技术借鉴。有助于提高生产效率,保证成果质量,具有较高的应用价值。     

探讨图像增强中直方图均衡化的应用

图像增强是数字图像的预处理,能有效地改善图像整体或局部特征。主要研究了直方图均衡化的图像增强的基本原理,并给出了相关推导公式和算法,同时以一个灰度图像为例,在VC++集成开发环境下实现了直方图均衡化的增强处理,并给出了实验结果图像及直方图。     

基于OpenCV的近景图像增强和分割算法研究

本文通过对近景图像的对比度和亮度进行分析实现了自动选择图像增强算法的方法,分别对金字塔均值漂移分割算法、分水岭分割算法和GrabCut分割算法进行了对比研究。经实验表明,图像对比度太小、亮度太高或太低对近景图像分割都会造成不利的影响,伽马变换增强算法适合调整亮度较高的图像,直方图均衡化增强算法适合调整亮度较低的图像。分水岭分割算法和GrabCut分割算法不适合近景图像多类别的自动分割,而金字塔均值漂移分割算法是基于核密度梯度估计的无参数快速统计迭代算法,可实现类别自动分割,分割精度较高,而且利用建立金字塔结构可进行多尺度分割。本文的研究成果对自动选择最佳的图像增强算法和分割算法以及参数设置具有重要的参考价值。     

基于非线性MASK的遥感影像匀光算法

MASK匀光算法广泛应用于光学遥感图像增强领域,以消除影像的光照不均匀现象,但传统MASK匀光算法处理过的图像,存在反差不均匀现象,且易丢失原始影像的细节信息.针对传统MASK算法的不足,文章提出了一种基于局部统计特征的非线性MASK匀光算法,通过实际遥感图像实验,证明本文方法能在减小原始影像细节信息损失的前提下,消除光照不均匀的现象,且处理之后的图像反差得到增强,整体趋于一致,匀光效果较为理想.     

一种顾及影像纹理特性的自适应分辨率增强算法

针对传统的影像分辨率增强算法存在的缺点,提出了一个顾及影像纹理特性的自适应分辨率增强算法。在算法中,首先通过影像分析,根据定义的3种纹理特性,确定出像素在影像中所在的位置是属于平滑纹理、一般纹理还是边缘纹理,然后根据不同的属性应用不同的滤波器进行内插增强。特别是对边缘纹理的处理,为了提高精度,是通过两次迭代来完成的。实验中利用该算法和传统的增强方法对三峡地区航空影像和武汉TM影像分别进行了处理,并用常用的影像质量评价方法对增强处理结果进行了对比评价,实验证明,所提出的算法在保持纹理、边缘方面有较大的优越性,具有实用价值。     

基于改进粗糙集和NSCT的红外遥感图像增强

提出了一种基于改进粗糙集和NSCT的红外遥感图像增强方法。该方法首先利用NSCT对图像进行分解,得到多层多方向子带系数;然后根据相邻尺度和不同方向的子带中图像噪声、脆弱边缘等不同成分的系数分布,使用粗糙集对其进行分块,并制定合理的决策规则;再通过集合运算对系数中不同子块采用不同的处理方法,一方面抑制噪声,另一方面保护图像中的脆弱边缘结构,并采用增强函数对其进行不同程度的增强;最后对处理过的NSCT系数进行重构,获得增强后的红外图像。实验表明,该算法相对于其他传统红外遥感图像增强算法具有较好效果。     

融合颜色-纹理模型的均值漂移分割算法

针对常规的均值漂移算法在特征空间聚类时未考虑图像的纹理信息从而导致分割精度不高的问题,该文提出了一种融合颜色-纹理模型与均值漂移的改进分割算法。首先,对原始影像进行同等组滤波和颜色量化,得到颜色-纹理模型;其次,利用均值漂移算法对滤波影像进行初始分割,得到同质性较好的初始分割区域;最后,将颜色-纹理模型及初始分割对象轮廓信息应用于区域合并过程中,结合形状特征增强分割对象的紧密性。该算法充分结合了图像的颜色、纹理特征,通过对不同类别的遥感影像的分割实验进行分析,结果表明分割效率和分割质量均得到较大提升,且具有较好的适用性、可靠性及精确性,对遥感影像中纹理信息丰富的植被、密集建筑区等具有较好的分割效果。