一种基于多尺度DoG滤波器的高动态范围的映射方法

提出了利用多尺度DoG滤波器模拟人眼视觉的边缘相阻机制,计算出人眼观察各像素的适应性亮度,并对图像各适应性亮度下的色度进行适应性调整;通过计算光感知细胞在各适应性亮度关系下的相对视觉感知信息,提出可保持视觉空间中各维颜色的相对视觉感知信息的映射算法,从而实现了基于多尺度DoG滤波器的高动态范围图像映射。该算法可以在保留高动态范围图像中场景的纹理细节和颜色的前提下,使高动态范围图像能真实地显示在动态范围较低的显示设备或纸张上。实验测试说明,该算法能够正确地再现高动态范围图像原有的场景信息。     

空间感知残差网络的遥感图像超分辨率重建

为了提升遥感图像超分辨率重建算法纹理细节信息还原能力,该文提出了一种基于特征空间感知损失深度残差网络的遥感图像超分辨率重建算法。该算法增加了深度残差网络中的残差块数量,在网络末端采用了亚像素卷积的方法,并在损失函数中增加了特征空间感知损失。在UCMerced_LandUse数据集上进行了训练,并在UCMerced_LandUse数据集和Draper Satellite Image Chronology数据集上进行了测试。测试结果证实了该算法与其他算法相比在峰值信噪比和结构相似性指数上均有一定的提高,证实了该算法较好的超分辨率重建效果与还原遥感图像纹理细节信息的能力。     

分区非局部均值色貌模型在色调映射中的应用

针对高动态范围(high dynamic range,HDR)图像的动态范围与传统显示设备不匹配的问题,给出了一种分区的非局部均值滤波,结合色貌模型对色彩进行预测与重构,并应用于色调映射。分区的非局部均值在计算权重之前对图像亮度进行分区,将图像分为基本层和细节层。通过对基本层进行色适应和色调压缩变换,并进行细节补偿操作,保证了再现图像细节可见,最后对图像色彩进行重构,预测原始色彩信息并校正。实验结果表明,该模型可更好地对细节进行保留,准确地预测并还原色彩信息。     

基于权重滤波的时空融合算法对比分析

多源遥感数据时空融合技术可生成高空间高时间分辨率的图像数据,有效解决了遥感应用中的遥感图像"时空矛盾"问题。ESTARFM和STNLFFM是目前常用的两种基于权重滤波的时空融合模型,本文对上述方法进行了对比分析,为模型选择提供依据。通过两组不同地表覆盖类型变化的实验,开展了模型精度对比分析,结果表明:当地表覆盖物时相变化属于物候变化时,两种算法融合结果均能还原出较为丰富的空间细节信息,且算法融合精度差异较小,效果相当;而当地表覆盖类型发生较大突变时,两种算法融合结果空间细节信息还原较少,同时,相比于ESTARFM,STNLFFM融合结果能够获取较高精度。     

基于内容的离散余弦变换域自适应遥感图像数字水印算法

提出一种适于遥感图像知识产权保护和机密信息传递的离散余弦变换域自适应数字水印嵌入算法,该算法能够通过数字水印置乱、嵌入位置自适应选取、嵌入深度智能调节等措施,将二值水印图像信息安全地嵌入到遥感图像(纹理区)的离散余弦变换域中高频系数内.实验结果表明:该遥感图像数字水印算法不仅具有较好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强、马赛克等攻击均具有较好的抗差性,整体性能优于Ho等提出的数字水印嵌入方案.     

基于压缩感知的无人机航拍遥感图像动态重构方法

针对当前无人机航拍遥感图像动态重构效果不佳,图像清晰度较低的问题,提出基于压缩感知的无人机航拍遥感图像动态重构方法.构建无人机航拍遥感影像降质模型,获取图像特征信息,进一步对无人机航拍遥感图像进行降噪预处理,更好地提高无人机航拍遥感图像的分辨率、光谱和多时相趋势,有效解决采样数据量大、采样时间长、数据传输存储量大等资源浪费问题.最大程度上提高无人机航拍遥感图像的采样率、降低无人机航拍遥感图像动态重构复杂度,有效获得高质量的图像重建的研究要求.实验结果表明,提出的基于压缩感知的无人机航拍遥感图像动态重构方法正确有效,优于目前的主流方法.     

遥感图像分割的迭代上下文融合小波域HMT模型

由于已有小波域HMT(hidden Markov tree)图像分割算法在上下文融合阶段直接对数据块大小不等的相邻两尺度进行信息融合,导致细节信息分割不充分。为此,提出一种基于迭代上下文融合的小波域HMT模型图像分割算法。该算法在上下文融合阶段采用迭代融合方法,将每一尺度的融合结果作为该尺度的上下文信息再次融合,并设置变化阈值作为迭代终止条件。利用Brodatz纹理组合图像和Formosat-2遥感图像进行分割试验。定性和定量分析表明本文算法能改善图像分割的细节效果,进一步提高图像分割精度。     

基于改进NAS-RIF算法的遥感噪声图像自适应复原

实现对遥感噪声图像的有效复原是遥感图像处理的一项重要研究内容。在对非负支撑域有限递归逆滤波(non-negativity and support constraints recursive inverse filtering,NAS-RIF)算法深入研究的基础上,提出一种基于改进自适应NAS-RIF算法的遥感噪声图像复原方法。该算法针对经典NAS-RIF算法存在的缺陷,首先对含有椒盐噪声和高斯白噪声的遥感图像采用自适应伪中值滤波算法进行预处理,以尽可能排除图像中噪声的干扰;然后结合图像的灰度值,从算法支撑域和背景灰度值2个方面加以改进;最后对代价函数引入基于目标信息的修正项,改进了经典NAS-RIF算法的代价函数;与对数函数复合,使得改进后NAS-RIF算法的代价函数具有良好的收敛性;并采用共轭梯度法对改进自适应NAS-RIF算法进行整体优化。对仿真实验结果进行的主观和客观分析表明,本文算法的性能优于经典NAS-RIF算法、已有的改进NAS-RIF算法以及小波阈值去噪方法,能够胜任遥感噪声图像的复原处理。     

多时相遥感图像相对辐射校正

相对辐射校正是多时相遥感图像处理和分析的前提.本文分析了几种常规的相对辐射校正方法的优缺点,然后在此基础上提出了一种基于小波变换的遥感图像相对辐射校正方法.该方法对源图像小波变换域的低频成分实施辐射变换,并保持高频成分不变,重构的图像具有保持高频信息的特性,因而能够较好地保留源图像中由于地物变化引起的辐射差异.     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。