无人机模糊图像自动检测方法

图像模糊程度是图像评价的一个关键指标参数,它影响着图像的质量和信息。特别对于无人机拍摄的图像,如果利用模糊的图像参与计算,会造成很大的误差甚至出现颠覆性的结果。因此对于图像模糊的检测显得至关重要。传统的图像模糊检测方法大都基于人工检测、且有合格的参考图像参与评价过程,方法耗时、费力,无法用于大量无人机拍摄图像的分析。因此本文基于Sobel边缘检测原理,利用4个方向的Sobel算子,寻找图像中每个Sobel边缘点的模糊邻域,并构建模糊邻域宽度值的计算准则,由此来计算出整幅图像的平均模糊邻域宽度值,并将这个计算结果作为检测模糊的直接依据。同时考虑到无人机拍摄图像的特点,将其按照拍摄时间顺序排列,依次将相邻图像互为参考,通过对比互为参考图像的模糊邻域宽度值的变化情况,将宽度值突变的图像确定为模糊图像。据此对无人机拍摄的所有图像进行模糊检测。最终通过7组2322张 图像进行自动检测发现151张图像模糊,通过人工检测发现158张图像模糊,平均检测率95.57%。该检测方法具有较强的 适用性。     

基于小波去噪和图像分割技术的改进NAS-RIF盲图像复原算法

针对非负和支持域受限递归逆滤波算法(NAS-RIF)的缺点,提出了一种改进方案.首先,应用小波去噪技术,保持了退化图像边缘特征,抑止噪声,提高退化图像的信噪比;其次,在每次迭代中,利用图像分割技术找到准确的目标支持域,并用背景的均值取代非均匀背景;还采用重置共轭梯度法加快了算法的收敛速度.实验结果表明,改进后的算法具有更好的复原效果和更快的收敛速度.     

基于小波变换的SAR图像噪声滤除方法

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量,降低图像的可判读性。常用的空间自适应滤波方法在滤除噪声的同时,损失了图像中的大量边缘细节信息。介绍了一种基于小波变换的SAR图像噪声消除方法,充分考虑噪声的统计特征,并把小波变换与空间滤波两者有机结合起来。通过滤波实验与其它滤波方法的对比。表明此小波滤波方法能更有效地消除SAR图像中的斑点噪声,而且能有效地保持图像中的纹理细节和边缘信息．     

基于凸集投影算法的超分辨率图像重建技术

图像的空间分辨率是评价图像质量的一个关键性指标，也是图像应用中举足轻重的一个参数。然而在图像获取的过程中，诸多因素均会导致图像质量的下降或退化。解决这一问题的一种有效办法就是超分辨率图像重建技术，介绍了超分辨率图像重建技术，对其两种主要的方法进行了分析，给出了凸集投影算法的步骤并通过实验数据进行了图像重建的验证。     

基于支持向量机的岩石薄片图像分割

支持向量机是对传统学习分类方法的一个良好替代,特别是小样本、高维的情况下,有着良好的泛化能力,利用支持向量机良好的分类特性,将图像分割的问题转化为分类问题,对岩石薄片图像进行分割实验.通过实验表明：支持向量机对于分割颜色分布不均匀、边缘模糊的岩石薄片图像,有很好的应用前景.     

卫星图像边缘与纹理特征提取

在卫星遥感图像的分析中,提取图像的边缘和纹理特征,对于识别图像的类型,从而完成对目标物体的分析十分重要.根据欧空局提供的Envisat 卫星的共享数据,通过C 程序设计转换成dat数据格式并在Matlab环境中显示.依据卫星遥感图像的特点,讨论了几种图像边缘检测和纹理特征提取的方法,如微分算子、模糊C均值聚类、灰度共生矩阵等,通过分析、比较、判断,应用图像实例验证说明了上述分析方法的有效性与特点.     

基于模糊C均值聚类和数学形态学的图像分割

心肌细胞钙离子实时激光扫描共聚焦光学切片呈现为点状分布的荧光图像并且受到噪声的严重干扰,单独利用模糊C均值聚类不能对这种图形进行有效分割。针对这种特定的图像提出了一种基于模糊C均值聚类和数学形态学的图像分割算法。首先利用邻域平均对图像预处理,然后利用模糊C均值聚类做分割,最后利用数学形态学的方法对图像做了平滑、连通和去噪处理。这种方法,不但有效地抑制了噪声,而且分割出的图像边缘连续、清晰。     

一种新的超声波心动图像分割算法

针对超声心动图像噪声大,边界模糊,灰度分布不均匀等特点,提出了一种新的图像分割算法.首先对超声图像进行滤波和边缘锐化等预处理,然后再使用GVFSnake模型对预处理后的图像进行分割,从而提取出心室的边界.经试验证明,这种新的超声心动图像分割算法,比传统的超声图像分割算法在图像分割精度上有显著的提高.     

基于加权指数函数模型的高光谱图像分类方法

高光谱图像的众多波段为地物分类提供了充分的特征信息,同时也为如何有效利用这些特性带来难题。为了充分利用高光谱图像的光谱信息实现地物目标的精确分类,根据其像素光谱曲线所呈现出的多峰特性,提出一种基于加权指数函数模型（Weighted Exponential Function, WEF））的高光谱图像分类方法。首先,采用WEF建立像素光谱曲线的理想模型,其中WEF模型由多个具有不同权重的指数函数相加而成。由于该模型中参数较多,导致参数求解较为困难。因此,为简单起见固定所有像素WEF模型中的峰值位置,并将由所有峰值位置构建矢量集。然后,根据最小二乘原理求解WEF模型的参数,以拟合光谱曲线。利用求得的参数集代替光谱测度矢量作为像素特征。最后,采用模糊C均值（Fuzzy C-means, FCM）算法实现图像分类。为了验证提出方法的可行性和有效性,分别以提出的分类方法、基于主成分分析（Principal Component Analysis, PCA）的分类方法、基于最小噪声分离（Minimum Noise Fraction, MNF）的分类方法和以光谱测度矢量为分类特征的FCM方法对Salinas和PaviaU图像进行分类实验,并据此对实验结果进行定性和定量评价。在Salinas图像中提出的分类方法比其它方法的分类精度从51%提高到了60%,在PaviaU图像中分类精度从43%提高到了51%。此外,提出的分类方法在降低了高光谱图像数据量的同时,保留了高光谱图像丰富的光谱信息。     

一种基于多因子贝叶斯决策的泛在地图图像视觉平衡度计算框架

视觉平衡是影响地图信息传输效果的重要因素之一。由于泛在制图的非专业性,泛在地图图像的视觉平衡效果往往取决于制图者自身美学素养的高低,不具有可控性。因此,迫切需要发展泛在地图图像的视觉平衡度计算方法。现有的地图视觉平衡度计算方法存在因子不全、判别结果主观依赖性强等问题。针对这些问题,本文提出了一种结合地图图像计算特征与专家评价知识的泛在地图图像视觉平衡度计算框架。通过丰富地图视觉密度影响因子,并引入概率模型学习专家对泛在地图图像的评价知识,实现对泛在地图图像视觉平衡度复杂分布的有效判别。本文以专家问卷的方式搜集了30名地图制图专家对1 730幅泛在地图图像的视觉平衡评价数据,构建了一个泛在地图图像视觉平衡度评价数据集。将计算得到的地图视觉平衡指标作为贝叶斯决策器的地图特征属性输入,将地图视觉平衡的专家评价数据作为贝叶斯决策器的分类结果,利用最小错误率贝叶斯决策方法对泛在地图图像的视觉平衡度进行判别,有效解决了人为主观判别地图视觉平衡度存在的不确定性问题。经实验验证,该框架在本文构建的泛在地图图像视觉平衡度评价数据集上能取得82.85%的评价准确率。     

基于图像分割的城市变化检测

利用遥感数据进行城市变化检测时,由于城市是包含建筑物、道路、绿地以及水体等多种地物类型的综合体,同时与农村居民地等地物类型具有相似的光谱特征,因此,传统的单纯基于光谱信息的变化检测方法很难取得理想的效果。将空间信息加入到变化检测中,可提高变化检测的精度,但常用的加入纹理的方法容易产生边缘效应。本文提出一种基于图像分割的变化检测方法,在该方法中使用一种基于组分的多尺度形态学梯度,具有对噪声不敏感、边缘不会变厚等优点;同时与现有方法进行比较。实验结果表明,该方法在加入图像空间信息的同时避免了加入纹理等空间信息所产生的边缘效应,能够有效地提高城市变化检测的精度。     

基于MATLAB的HIS变换与小波变换影像融合与应用

为了提高Landsat系列卫星多光谱影像的目视解译效果,提出了一种基于IHS变换和小波变换相结合的影像融合方法.在Matlab开发环境下,将多光谱影像的亮度分量Ⅰ与全色影像先进行直方图匹配,以加大两者的相关性,减小融合影像的光谱偏差,然后分别进行小波分解,最后按照一定融合规则进行影像融合.融合规则中最重要的是小波基、小波分解层数和小波系数的选择.通过比较不同的小波基函数,在不同分解层数下的统计参数值及目视融合效果,最终确定选择coit5作为小波基函数,进行三层小波分解.小波高频系数的选择采用区域的标准差法,选取以当前处理像元为中心的局部区域标准差最大的影像小波系数作为融合影像对应的小波系数.从融合后影像看,本文提出的方法要优于单一的IHS或小波变换融合方法,道路、河流、农田及林地等纹理及细节信息都较融合前明显提高,同时,较高的相关系数和较低的光谱扭曲度,表明光谱信息也保留很好.实验表明,将ETM 多光谱影像和全色影像融合的方法是可行的,融合后影像不仅空间分辨率明显提高,而且又较好地保留了多光谱影像的光谱信息特征.     

基于MATLAB的IHS变换与小波变换影像融合与应用

为了提高Landsat系列卫星多光谱影像的目视解译效果,提出了一种基于IHS变换和小波变换相结合的影像融合方法。在Matlab开发环境下,将多光谱影像的亮度分量I与全色影像先进行直方图匹配,以加大两者的相关性,减小融合影像的光谱偏差,然后分别进行小波分解,最后按照一定融合规则进行影像融合。融合规则中最重要的是小波基、小波分解层数和小波系数的选择。通过比较不同的小波基函数,在不同分解层数下的统计参数值及目视融合效果,最终确定选择coif5作为小波基函数,进行三层小波分解。小波高频系数的选择采用区域的标准差法,选取以当前处理像元为中心的局部区域标准差最大的影像小波系数作为融合影像对应的小波系数。从融合后影像看,本文提出的方法要优于单一的IHS或小波变换融合方法,道路、河流、农田及林地等纹理及细节信息都较融合前明显提高,同时,较高的相关系数和较低的光谱扭曲度,表明光谱信息也保留很好。实验表明,将ETM+多光谱影像和全色影像融合的方法是可行的,融合后影像不仅空间分辨率明显提高,而且又较好地保留了多光谱影像的光谱信息特征。     

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.     

Intelligent identification of remnant ridge edges in region west of Yongxing Island,South China Sea

Edge detection enables identification of geomorphologic unit boundaries and thus assists with geomorphical mapping. In this paper, an intelligent edge identification method is proposed and image processing techniques are applied to multi-beam bathymetry data. To accomplish this, a color image is generated by the bathymetry, and a weighted method is used to convert the color image to a gray image. As the quality of the image has a significant influence on edge detection, different filter methods are applied to the gray image for de-noising. The peak signal-to-noise ratio and mean square error are calculated to evaluate which filter method is most appropriate for depth image filtering and the edge is subsequently detected using an image binarization method. Traditional image binarization methods cannot manage the complicated uneven seafloor, and therefore a binarization method is proposed that is based on the difference between image pixel values; the appropriate threshold for image binarization is estimated according to the probability distribution of pixel value differences between two adjacent pixels in horizontal and vertical directions, respectively. Finally, an eight-neighborhood frame is adopted to thin the binary image, connect the intermittent edge, and implement contour extraction. Experimental results show that the method described here can recognize the main boundaries of geomorphologic units. In addition, the proposed automatic edge identification method avoids use of subjective judgment, and reduces time and labor costs.     

基于光谱和形状的遥感图像分割质量评估方法

针对多尺度遥感图像的分割质量评估问题,提出了一种光谱和形状相结合的分割质量评估方法。首先,采用超像元方法对图像进行初始分割,将图像过分割为若干区域;其次,根据合并准则迭代合并相邻区域来生成各尺度图像,其中,使用尺度集结构来索引各尺度的区域,使用邻接图来记录各尺度下区域间关系;然后给出各尺度图像形状紧凑性和平滑性的计算公式,并结合各尺度图像光谱特征计算出各尺度图像的同质性和异质性;最后根据贝叶斯风险最小准则选择最优分割尺度。实验结果表明,该方法可以适应不同图像内对象特质,使得最优分割尺度的选择更合理,图像分割效果更佳。     

高分辨率遥感影像特征分割及算法评价分析

图像分割一直是图像处理和计算机视觉领域中的一项关键技术。本文首先从遥感影像地学处理与应用的角度阐述了影像分割技术对于遥感信息提取和目标识别的重要性,然后提出了基于特征的高分辨率遥感影像信息提取技术框架,建立了一套基于特征的遥感影像分割方法及分类体系。同时,鉴于遥感影像分割方法评价的重要性, 阐述了一种高分辨率遥感影像分割方法评价的思路,并对几种典型的基于特征的遥感影像分割方法进行定性和定量的试验和评价,对其各自的性能和适用面进行对比分析。最后,指出了遥感影像特征分割方法所存在的问题及其发展趋势。     

Edge detection using directional eigenvalues of potential field gradient tensor data

Edge detection of potential field interpretation is an important task. The traditional edge detection methods have poor ability in outlining weak amplitude anomalies clearly. The resolved edges position is blurred.We purposed new edge detection methods based on directional eigenvalues of potential field gradient tensor for the causative sources. In order to balance strong and weak amplitude anomalies simultaneously,we present one normalization method using different orders of vertical derivatives to improve the new filters. The presented filters were tested on synthetic and real potential field data to verify its feasibility. All of the results have shown that the new edge detection methods can not only display the sources edges precisely and clearly,but also bring out more geological subtle details.