基于遗传优化的海岛礁彩色影像增强方法

针对海岛礁彩色遥感影像内容单一、色彩不鲜明、反差低的问题,将模糊增强技术与遗传优化策略应用到海岛礁遥感影像增强处理中,提出了一种无人工干预、无先验知识依赖、具有理论最佳色彩的海岛礁遥感影像增强方法。实验结果表明,该方法不但提高了海岛礁彩色遥感影像的视觉效果与质量测度,还保持了影像的色彩信息。     

一种遥感卫星影像的自适应色彩增强算法

国产遥感卫星多光谱影像普遍存在着亮度、对比度低的问题,人工调整在一定程度上能得到较好的视觉效果,但是处理效率低且存在显著的不确定性。为此,提出了一种基于灰度变换的自适应色彩增强算法,通过分析异常像素值在灰度直方图中的分布特点自适应地确定截止阈值,并利用色彩调整使不同波段间灰度均值趋于一致。与几种经典的色彩增强方法的比较实验结果表明,提出方法的自动调整效果与人工调整一致,且能保持影像的多光谱信息的完整、不失真。     

海岛礁遥感影像水陆分离方法研究

遥感影像水陆分离是遥感水深反演数据预处理的重要部分.水陆分离不仅减少了影像处理数据量,也为水深反演提供了单一的水体信息.本文采用NDWI和单波段两种水陆分离方法,进行海岛礁遥感影像的水陆分离,并使用掩膜文件对岛礁遥感影像进行掩膜处理,最后生成水体的影像数据文件.     

高分辨率遥感影像海岛礁地理信息自动变化检测方法

基于高分辨率遥感影像的海岛礁地理信息变化检测可用于普查海岛礁地理信息变化,从而为海岛礁开发利用、海洋资源保护、海洋经济发展及国防建设等提供参考。本文提出一种基于马尔科夫随机场的海岛礁地理信息自动变化检测方法,通过典型相关分析和马尔科夫随机场模型相结合的方法,提取变化区域。并以西沙赵述岛为实验区域进行方法验证。实验证明这一方法可以有效地提取海岛礁地理信息发生变化的区域。     

基于Pearson分布族的SAR影像分布模型确定与对比度增强

基于Pearson分布族模型反演SAR影像的分布模型,将统计类型的确定结果用于弱对比度SAR影像的对比度增强。这种方法具有保持SAR影像直方图的分布特性与偏斜特性的优点,且避免了普通直方图规定的盲目性。     

粒子群优化算法在遥感影像增强中的应用

遥感影像的复杂性给影像增强处理带来了困难。非完全Beta函数增强方法具有理想的增强效果,但是,其参数的合理选取是算法的关键与难点。粒子群优化算法(PSO)是基于鸟群群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力。这里将PSO用于Beta函数参数的自适应选取,实现了基于PSO的非完全Beta函数增强方法,并通过航空和卫星遥感影像的增强实验,验证了该方法的有效性。     

粒子群优化算法在遥感影像增强中的应用

遥感影像的复杂性给影像增强处理带来了困难.非完全Beta函数增强方法具有理想的增强效果,但是,其参数的合理选取是算法的关键与难点.粒子群优化算法(PSO)是基于鸟群群体智能的新型进化计算技术,具有自适应、自组织等智能特性,具有强大的寻找最优解的能力.这里将PSO用于Beta函数参数的自适应选取,实现了基于PSO的非完全Beta函数增强方法,并通过航空和卫星遥感影像的增强实验,验证了该方法的有效性.     

DCT域遥感影像的自适应遗传优化增强

本文在DCT域中提出了一种基于遗传算法的遥感影像增强技术,针对DCT域遥感影像增强参数需人工设定的问题,利用自适应遗传算法对其进行优化选取:设计了一种考虑偏差的适应度函数以驱动遗传算法进化,通过无分块思想的使用实现了无人工干预、无块效应的遥感影像增强。该方法不但保持了遥感影像的原始色调而且显著提升了遥感影像方差、平均梯度、信息熵等质量测度,有效改善了遥感影像的视觉效果,便于后续影像处理及应用。     

一种基于四元数变换的彩色遥感影像检索方法

遥感影像常存在旋转和缩放等变化关系,这就要求检索时图像特征具有旋转和尺度不变等性质。目前,彩色遥感影像检索在提取这些特征时通常对色彩通道单独进行处理,导致3个通道之间的关系信息丢失,且没有充分利用数据本身所特有的几何特征,影响了检索精度。结合四元数与正交傅里叶-梅林矩的优点,提出了一种基于四元数变换的遥感影像检索方法。针对已有工作中存在的基于四元数傅里叶-梅林矩所提取的纹理特征只具有旋转不变性的问题,利用四元数正交傅里叶-梅林矩构造出具有旋转和尺度不变的纹理特征,并使用四其对图像进行边缘检测,得到边缘色彩图像并提取边缘色彩直方图,综合多种特征进行图像检索。实验结果表明,使用此方法进行遥感影像检索对于图像旋转和尺度变化具有良好的鲁棒性,检索性能明显提高。     

傅里叶频率域上遥感影像的遗传优化增强

提出一种结合傅里叶变换及遗传算法的遥感影像增强方法,通过设计的适应度函数驱动自适应遗传进化。定义适用于傅里叶频率域的条带对比度,再借助遗传优化的增强参数,实现在频率域增强遥感影像的目的。将其与空间域增强方法、频率域增强方法、模糊域增强方法进行对比试验。试验结果表明,该方法在保持原始影像色调的基础上,能提高影像的反差、清晰度、信息熵等,同时可改善影像的视觉效果,有利于后续处理及模式识别。     

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。     

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。     

遥感图像增强方法分析

遥感图像的增强方法研究,是做好遥感应用工作的基础。在本篇论文中,较为详细地介绍了遥感图像增强的几种主要方法。光谱增强包括线性反差拉伸、非线性反差拉伸、直方图均衡化和直方图匹配等方法。在文中对空间增强的基本概念和方法进行了详细的探讨,并且对多波段增强中主成分分析的方法进行了重点讨论。     

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。     

基于对比度增强和形态学的遥感影像道路提取

提出了一种基于对比度增强和形态学的遥感影像道路边界与特征点提取的方法。先对遥感影像进行对比度变换增强,通过对比分析直方图均衡化和对比度分段线性增强两种方法获取的增强影像,选取区分度大的分段线性增强方法进行影像增强,然后运用数学形态法进行影像分割,实现道路和其他图像信息的有效分离。利用Krisch算子进行边缘检测提取道路的边缘信息,并基于边缘特征利用改进的Harris算子提取特征点,将提取的特征点进行拟合并用函数模型描述图像道路信息,用于后期制图中道路信息的矢量化。     

利用视觉词袋模型和颜色直方图进行遥感影像检索

基于内容的遥感影像检索已经成为遥感领域的研究热点,因此,本文提出了一种综合视觉词袋模型和颜色直方图的遥感影像检索方法,利用尺度不变特征算子提取影像的局部不变特征,通过视觉词袋模型组合局部特征,生成每幅影像的金字塔直方图,接着结合每幅影像的颜色直方图生成更有区分性的特征向量,利用新的特征向量集训练支持向量机分类器,通过分类器输出与查询属于一类的影像,完成遥感影像检索。试验结果表明,本文方法不仅提高了影像检索的查准率和查全率,并且验证了该方法能有效克服影像光照、噪声、方向等变化,鲁棒性较好。     

运用MATLAB的遥感图像增强方法

在遥感图像研究中,图像增强技术对于改善图像的对比度、突出某些局部细节等方面都起着积极的作用.详细介绍了灰度变换、直方图规定化、中值滤波器、Butterworth低通滤波器等多种图像增强的方法,原理及在Matlab中的实现过程,并对各种方法的实现结果进行了比较.结果表明,上述图像增强方法,能够扩大地物之间的像元灰度差距,...     

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。     

遥感图像的彩色增强

人眼识别和区分灰度差异的能力是很有限的，一般只能区分二三十级；但识别和区分色彩的能力却大得多，可达数百种甚至上千种。显然，根据人的视觉特点将彩色应用于图像增强中能在很大程度上提高遥感图像目标的识别精度。所以彩色增强成为遥感图像应用处理的一大关键技术，应用十分广泛。