分割暗通道先验邻域的单幅图像去雾算法

利用暗原色先验进行单幅图像去雾时,需采取高计算复杂度的细化程序,否则其估计的传输率易在边界处造成光晕。对导致边界处产生光晕现象的原因进行分析时发现,计算复杂度高的细化程序在去除晕轮效应时去雾过度,且传统的基于暗原色先验的单幅去雾算法在明亮区域易造成色彩失真现象。由此在原来的透射率估计时,提出一种基于色调的简单而快速的邻域分割方法。首先将原始RGB图像转换到HSI色彩空间,在H（Hue）通道中,用邻域中的点与中心点的色调的差值绝对值,来判断该邻域内的点是否属于同一区域,只使用属于同一区域的像素点来计算该区域的暗原色值;再通过修正透射率值,来校正明亮区域的色彩失真。在图像复原时,在HSI色彩空间保留色调分量不变,仅对强度分量运用修改的暗原色值进行去雾,再进行非线性增强,最后对饱和度分量进行颜色补偿。实验表明,本文的去雾算法能够显著提高场景的视觉清晰度,而且不需要图像后续修补,并能获得更好的色彩视觉保真。     

一种改进的单幅图像快速去雾方法与实验

目前,物理模型的单幅图像去雾已成为图像去雾算法研究的重点。在分析了暗原色先验知识的单幅图像去雾算法基础上,针对暗原色先验去雾算法时间复杂度大的缺点,比较了目前已有的暗原色先验改进去雾算法,提出了一种新的暗原色先验单幅图像去雾改进算法。通过引入快速、各向同性的低通高斯滤波器,实现对透射率图的平滑均匀,以代替暗原色去雾方法中精妙但时间复杂度高的软抠图算法;对于图像中图层交界处,提出了以区域中值滤波方法进行修正的算法,以及满足自适应要求的全局大气光求解详细算法。实验结果表明,结合了以上3点改进的快速去雾算法在保证图像去雾效果的同时,能大幅度提高暗原色去雾算法的速度,适用于对工程上的图像、视频实时去雾。     

基于暗原色先验去雾算法的研究与改进

在雾天情况下,室外采集到的图像易受到噪声干扰,质量降低,清晰度下降。在对常用的几种图像去雾方法的对比分析及研究的基础上,提出了改进的基于小波变换结合暗原色先验去雾的快速算法。通过小波分解可求出近似环境光,对环境光,大气光的估计,可对原图像进行复原。实验表明,改进的算法不但去雾效果明显,图像色彩丰富,而且可以有效地减少运行时间,提高运行速度。     

基于局部空间信息KFCM的遥感图像聚类算法

针对模糊C均值(Fuzzy C-Means, FCM)算法,不能有效地对夹杂噪声的遥感图像聚类的问题,本文提出了一种基于局部空间信息核模糊C均值(Kernel Fuzzy C-Means, KFCM)的遥感图像聚类算法。首先,运用核函数将遥感图像的所有像元映射到高维特征空间,通过非线性映射优化遥感图像的有用特征;然后,根据相邻像元之间的相关性,利用一种空间函数重新定义像元的模糊隶属度,将像元的局部空间信息引入到FCM算法中,并在高维特征空间中使用这种基于局部空间信息的FCM算法对像元聚类。由于引入了像元的局部空间信息,算法可以直接应用于原始遥感图像,不需要滤波预处理。大量实验结果表明,本文提出的基于局部空间信息KFCM的遥感图像聚类算法具有较强的抗噪能力,可得到较好的同质区域,优于现有的FCM算法、模糊局部信息C均值(Fuzzy Local Information C-Means, FLICM)算法及KFCM算法。     

一种改进的图像视觉显著性检测算法

视觉显著性检测在图像分割中起着重要作用。提出一种新的检测算法,首先将图像划分成不相交的超像素集合,并以其作为结点构建闭环图;然后利用背景先验知识与流形排名方法计算图中结点的显著度,得到视觉显著图;再使用Sigmoid函数对视觉显著图进行非线性校正,抑制背景结点的显著度和增强目标结点的显著度。不同算法的对比实验表明,新算法具有更好的检测性能,更易于区分背景区域和目标区域,同时也提高了鲁棒性。     

基于时空车流灰度的城市交通热点分析

随着城市规模的扩张和汽车数量的增加,拥堵和雾霾等受交通影响的现象变得越来越严重,城市交通热点发现与分析是改善交通状况的关键技术之一。根据城市中典型浮动车(出租车)的时空轨迹数据,基于图像分析理论,提出城市交通热点的空间分布分析方法。首先,根据浮动车数据,形成车流轨迹的时空分布灰度图。其次,通过将浮动车的轨迹数据映射到高精度城市交通网格上,探索了轨迹数据和城市热点区域之间的关联关系。进一步地依据车流轨迹的时空分布,发现车流密度的极值。最后,结合影响区域的参数利用高斯曲面拟合对时空灰度图像进行了热点区域分析,获得城市交通热点的空间分布。将分析结果在地图上标定,准确地反映了城市交通热点区域的详细位置及空间分布,从而给出了一种有效、直观的城市交通热点分析方法。研究结果对于城市交通规划和交通实时信息发布具有实用价值。     

一种由粗到精的光学与SAR遥感图像配准算法

由于光学遥感图像和SAR图像具有明显的非线性强度差异,且SAR图像存在斑点噪声,使得其配准存在较大难度。为此,本文结合基于特征和基于区域图像配准方法的优点,并组合为混合模型,提出一种由粗到精的自动配准算法。以光学遥感图像和SAR图像分别为参考图像和待配准图像,先以基于特征点的SAR-SIFT完成粗配准,再以基于区域的ROEWA-HOG完成精配准。① 采用SAR-SIFT算法进行特征点检测和特征匹配来计算图像的仿射变换模型,以消除参考图像和待配准图像之间明显的旋转、尺度和平移差异,至此完成图像粗配准;② 在此基础上利用分块Harris角点检测在参考图像上获得特征点,并根据特征点确定待配准图像上的同名点搜索区域;③ 计算图像的ROEWA梯度,构造以特征点为中心的模板区域内的HOG特征向量,以SSD作为相似性测度搜索待配准图像上的同名点,完成高精度的图像配准;④ 进行图像配准实验,对配准结果进行目视检查和精度评估。经过多组光学与SAR图像配准实验,验证本文算法能够结合基于特征和基于区域的图像配准方法的优点,较好地抵抗光学与SAR图像之间的非线性强度、旋转、尺度、平移差异和SAR图像的噪声影响,并逐步提高配准精度,最终配准精度达到1个像素左右,实现了光学与SAR图像的高精度自动配准,能够满足光学与SAR图像后续综合应用。     

一种基于分割的立体匹配算法

为获取质量更好的视差图,在图像分割的基础上提出一种新的立体匹配算法,首先采用均值漂移算法对图像进行分割得到不同分割区域,然后采用基于窗口的局部自适应加权方法获取初始视差图,经双向检测后得到可信区域与不可信区域,最后定义一个加入遮挡项的能量函数作为遗传算法评价函数,计算可信区域的平面模型参数,之后在能量函数中加入平滑项,为每个区域选一个使能量函数最小的平面模型,得到最终的视差图。实验数据表明,该算法可较好地处理深度不连续区域和无纹理区域,匹配精度高。     

具有先验信息的地面三维激光扫描地形测量数据去噪算法

为防止三维激光扫描数据中的噪声对实景重构造成扭曲,基于消噪的相关理论,提出了3种具有先验信息的去噪算法,利用高程注记点所提供的先验信息作为去噪依据,分别对比高程插值、最小二乘拟合平面及趋势面,选取适当阈值消去噪声。利用Timble GX200地面三维激光扫描系统获取的地形测量数据进行实验分析,结果表明:高程注记点可以作为先验信息为点云去噪提供依据,并确保去噪后基本符合实体特征。     

考虑局部方差互信息和梯度一致性的改进SFIM遥感图像融合方法

全色图像和多光谱图像由于光谱和空间尺度上的差异,融合结果容易出现光谱失真或空间失真。如何同时实现两个尺度上的对齐,是提高融合效果的关键。传统的SFIM(Smoothing Filter-based Intensity Modulation)遥感图像融合方法可以保证光谱尺度上的一致,但在衡量空间尺度一致上还不够精确。针对此问题,本文提出了一种基于局部方差互信息的空间尺度对齐方法,并在平均梯度一致性的约束下进一步改进SFIM方法。该方法首先对多光谱各波段线性拟合生成多光谱强度图像,并对高分辨率全色图像进行高斯低通滤波,改变滤波参数循环计算2幅图像的局部方差图像间的互信息,当互信息最大时,高斯滤波参数为最佳滤波估计参数;然后,用该高斯滤波器卷积高分辨率全色图像,得到与多光谱图像空间尺度一致的低分辨率全色图像;之后,高低分辨率全色图像间比值处理得到细节图像,以高分辨率全色图像平均梯度为基准,引入调节系数控制细节图像的注入量;最后,细节图像、调节系数与多光谱图像相乘得到融合图像。为验证本文方法的有效性,在IKONOS和Quickbird两种数据集的植被区、建筑区和混合区3个不同场景六组图像开展融...     

An Approach to Underwater Image Enhancement Based on Image Structural Decomposition

Underwater imaging posts a challenge due to the degradation by the absorption and scattering occurred during light propagation as well as poor lighting conditions in water medium. Although image filtering techniques are utilized to improve image quality effectively, problems of the distortion of image details and the bias of color correction still exist in output images due to the complexity of image texture distribution. This paper proposes a new underwater image enhancement method based on image structural decomposition. By introducing a curvature factor into the Mumford_Shah_G decomposition algorithm, image details and structure components are better preserved without the gradient effect. Thus, histogram equalization and Retinex algorithms are applied in the decomposed structure component for global image enhancement and non-uniform brightness correction for gray level and the color images, then the optical absorption spectrum in water medium is incorporate to improve the color correction. Finally, the enhanced structure and preserved detail component are recomposed to generate the output. Experiments with real underwater images verify the image improvement by the proposed method in image contrast, brightness and color fidelity.     

形态学和小波域滤波级联的杂波抑制算法研究

为保留目标的同时尽可能多地抑制图像背景杂波,在研究形态学滤波、空域平滑滤波、小波域平滑滤波以及它们级联的背景杂波抑制算法的基础上,提出形态学滤波和小波域平滑滤波级联的杂波抑制算法。该算法先对含有微弱目标和白高斯噪声的原始图像进行空域形态学滤波,然后对形态学滤波结果进行小波变换,在小波域中对各小波系数分别平滑滤波,用滤波前的小波系数减去滤波后的小波系数得到差值系数,对差值系数再进行逆小波变换。仿真测试表明,提出的算法在得到的残差图像中目标邻域信杂比(SCNR)平均增益比空域形态学滤波算法和空域平滑滤波算法等均有较明显的提高,为后续的目标检测与跟踪提供了良好的保障。     

Combined adaptive multiple subtraction based on optimized event tracing and extended wiener filtering

The surface-related multiple elimination (SRME) method is based on feedback formulation and has become one of the most preferred multiple suppression methods used. However, some differences are apparent between the predicted multiples and those in the source seismic records, which may result in conventional adaptive multiple subtraction methods being barely able to effectively suppress multiples in actual production. This paper introduces a combined adaptive multiple attenuation method based on the optimized event tracing technique and extended Wiener filtering. The method firstly uses multiple records predicted by SRME to generate a multiple velocity spectrum, then separates the original record to an approximate primary record and an approximate multiple record by applying the optimized event tracing method and short-time window FK filtering method. After applying the extended Wiener filtering method, residual multiples in the approximate primary record can then be eliminated and the damaged primary can be restored from the approximate multiple record. This method combines the advantages of multiple elimination based on the optimized event tracing method and the extended Wiener filtering technique. It is an ideal method for suppressing typical hyperbolic and other types of multiples, with the advantage of minimizing damage of the primary. Synthetic and field data tests show that this method produces better multiple elimination results than the traditional multi-channel Wiener filter method and is more suitable for multiple elimination in complicated geological areas.     

Image Dehazing by Incorporating Markov Random Field with Dark Channel Prior

As one of the most simple and effective single image dehazing methods, the dark channel prior(DCP) algorithm has been widely applied. However, the algorithm does not work for pixels similar to airlight(e.g., snowy ground or a white wall), resulting in underestimation of the transmittance of some local scenes. To address that problem, we propose an image dehazing method by incorporating Markov random field(MRF) with the DCP. The DCP explicitly represents the input image observation in the MRF model obtained by the transmittance map. The key idea is that the sparsely distributed wrongly estimated transmittance can be corrected by properly characterizing the spatial dependencies between the neighboring pixels of the transmittances that are well estimated and those that are wrongly estimated. To that purpose, the energy function of the MRF model is designed. The estimation of the initial transmittance map is pixel-based using the DCP, and the segmentation on the transmittance map is employed to separate the foreground and background, thereby avoiding the block effect and artifacts at the depth discontinuity. Given the limited number of labels obtained by clustering, the smoothing term in the MRF model can properly smooth the transmittance map without an extra refinement filter. Experimental results obtained by using terrestrial and underwater images are given.     

基于Gabor滤波方法的居民地识别分析

图像纹理对于高分辨率遥感图像的信息提取与目标识别具有重要意义。针对"北京一号"小卫星全色遥感图像非城市区域居民地块往往呈现出比较明显的方向性纹理的特点,扩充改进Gabor滤波方法进行提取。方法主要利用Gabor滤波器的多尺度、多方向滤波的性质,提取多尺度纹理特征集,并进行特征;而后利用多特征聚类实现图像的初步分割。由于分割是对特征进行聚类完成的,其结果可能存在一个居民地块由若干个相互间存在间隔的子区域组成、存在无用小斑块、居民地内部存在大量小孔洞等缺陷。针对上述不足,利用形态学尺度空间融合方法,对居民地块通过结构元素不断增大的闭运算进行迭代融合,并选择一个具备"最长生存期限"的类别个数作为最佳类数,选择首次出现该类别数的分割结果作为最后的识别结果。对延庆地区的小卫星影像进行了居民地提取,并与共生矩阵纹理分析方法进行了实验对比。结果表明方法是有效的,并在提取精度上具有优势。     

强度体元基元下的机载LiDAR 3D滤波

针对现有基于二值体元基元的机载LiDAR三维（3 Dimensional, 3D）滤波算法仅利用了数据的高程特征、无法区分相连的地面和非地面目标的问题,提出了一种基于强度体元基元的机载LiDAR 3D滤波算法。首先,基于计算几何理论,将机载LiDAR数据规则化为强度（体元内激光点的量化平均反射强度值）体元结构。然后,基于3D连通区域构建理论,选取局部高程最低的非0值体元为地面种子进而搜寻并标记与地面种子,空间连通、反射强度及坡度值均接近的连通区域内体元为地面体元。算法综合利用LiDAR数据的高程、反射强度及坡度特征,支持相连但强度不同的地面和非地面目标的区分,为相连的地面和非地面目标的精确区分提供更有效的信息。算法有助于提高滤波精度,并扩展基于体元基元的3D滤波算法适用于更复杂的场景。实验基于ISPRS提供的专门用于滤波算法测试的LiDAR点云数据测试了“空间邻域尺度”参数的敏感性及提出算法的精度。定量评价的结果表明：51邻域为最佳邻域尺度;提出算法的平均Kappa系数在相对平坦、陡坡及不连续地形分别为0.9380、0.7749和0.6866;从总误差测度来看,提出算法对比经典的Axelsson算法改进了15个样本中的7个样本精度,且其对比其他二值体元基元下的滤波算法平均总误差最低。     

基于颜色特征和空间特征的图像检索

针对已有的综合多特征进行图像检索的算法复杂度高、计算量大且准确率不够的现状,提出一种基于图像分块并综合灰度特征和空间特征的图像检索算法。首先将原图像划分为10×10的子块,再计算每个子块的平均灰度和空间位置作为检索特征,通过实验表明这种方法在检索结构相似的图像时准确率高,但对颜色不敏感。通过增加颜色特征并调整空间特征计算方式进行改进,相比改进前,算法对于公开的图像库中大多图片有更高的查准率。实验中统计了多类图片在不同情况下的查准率,表明文中算法准确高效,应用性好。     

复合类别支持的多元线性回归遥感影像色彩归一化方法

受植被时相变化、传感器畸变、获取时刻大气条件等因素的影响,不同时间获取的遥感影像存在色彩差异,而逐波段的色彩归一化容易引起新的色彩畸变。因此,本文提出一种复合类别支持的多元线性回归遥感影像色彩归一化方法,在输入影像和参考影像逐波段高斯归一化的基础上,进行复合聚类,确定各像元的复合类别;在迭代去除变化像元的基础上,将类别中心作为控制点,建立多元线性回归方程,并据此对输入影像进行处理。2组影像的试验结果表明,本文方法相对于传统方法在整体精度、色彩保持等方面具有较大的优势。