基于调和模型的连续Hopfield神经网络次优图像复原

本文提出了一种基于调和模型的连续Hopfield神经网络正则化次优图像复原算法。针对传统正则化图像复原由于"模糊矩阵"和"高通滤波器"规模庞大而带来的复原过程中占用存储资源多的问题,提出了一种基于部分图像信息的次优复原算法,该算法能在性能下降不大的前提下,较好地解决传统复原资源消耗问题。同时算法采用由梯度算子生成的调和模型作为正则项,能在复原的同时保留图像边缘。仿真结果表明了算法的有效性。     

各向异性正则化的多帧遥感图像盲复原算法

在大气湍流较强时,一般的遥感图像复原算法难以取得较好的复原效果。针对这种情况,提出了一种基于各向异性约束的多帧遥感图像盲复原算法。该算法不需要成像过程的先验信息,仅根据图像及点扩散函数的非负约束和支持域约束,即可得到较好的复原结果;同时该算法能够自适应地调整正则化参数,在实现图像复原的同时,保持边缘并抑制噪声。试验结果验证了该算法的良好性能,复原后图像的质量得到较大提高。     

各向异性正则化的多帧遥感图像盲复原算法

在大气湍流较强时,一般的遥感图像复原算法难以取得较好的复原效果.针对这种情况,提出了一种基于各向异性约束的多帧遥感图像盲复原算法.该算法不需要成像过程的先验信息,仅根据图像及点扩散函数的非负约束和支持域约束,即可得到较好的复原结果;同时该算法能够自适应地调整正则化参数,在实现图像复原的同时,保持边缘并抑制噪声.试验结果...     

条件生成对抗网络在遥感图像复原中的可行性

对于遥感图像中降质模糊的问题,经典的图像复原方法由于模糊函数难以估计等原因,复原效果较差。为了避免估计模糊函数带来的困难,通过深度学习的方法对图像进行去模糊,研究了基于条件生成对抗网络(conditional generative adversarial nets,CGAN)的图像复原方法。首先创建训练网络的训练库,然后设置网络训练的初始参数,该网络以对抗的方式来使生成模型和判别模型进行交替学习,通过不断学习降质图像和清晰图像之间的差异,并结合了对抗损失和感知损失来缩小两者之间的差异,实现图像复原。实验采用以GOPRO数据集为基础的混合模糊训练库来训练网络,并与其他方法进行了对比试验,结果表明,在图像细节和评价指标方面,CGAN具有较好的复原效果,保证了复原图像的细节信息和纹理信息,证明了该方法可以用于遥感图像的复原。     

一种离焦模糊遥感图像盲复原方法

由于发射过程中的超重和复杂的工作环境,遥感卫星的光学系统常发生像面离焦,直接影响了成像质量,降低了图像的空间分辨率。本文提出了一种大尺寸离焦模糊遥感图像的盲复原方法,用于提高这种图像的分辨率。该方法采用微分自相关法估计离焦半径,采用适用于大尺寸图像复原的连续Hopfield神经网络次优算法实现复原,结合能保留图像细节信息的调和模型,能较好地提高大尺寸离焦遥感图像的清晰度。仿真结果证实了方法的有效性。     

多时相遥感图像复原方法的研究

为了充分利用卫星所获得的对同一地区多次观测图像来进行清晰化,选择了多时相遥感图像复原技术,利用各观测图像间相似但又有差异的信息,重建出反降晰图像以获得更多的细节.论文建立了多时相遥感图像复原的数学模型,估计出观测图像与参考图像之间的相对运动,选择约束最小二乘法对解进行规整化,获得复原结果.运用该算法对卫星拍摄的多时相遥感图像进行处理,并选择三种衡量标准对复原结果进行定量分析,验证了算法的有效性和实用性.     

结合帧选及配准的多帧超分辨率盲复原

传统的图像复原技术不仅无法恢复截止频率之外的信息,而且没有考虑不良帧及帧间运动对复原图像质量的影响。通过对传统多帧图像盲复原模型加入运动和降采样因子进行超分辨率扩展得到一个超分辨率盲复原模型,在此基础上,首先以平均梯度和信息熵作为帧选标准,其次结合金字塔光流法对帧选后的图像进行配准,最后利用该模型进行超分辨率盲复原。实验证明,结合帧选和配准的复原方法可以抑制噪声放大及由目标空间位置偏移造成的边缘模糊。该模型是一个有效的超分辨率盲复原模型,复原图像质量优于样条插值和传统多帧盲解卷积算法。     

27°斜模式采样及其遥感图像复原研究

针对不能确定斜模式采样的倾斜角度,与后期纠正处理带来的锯齿、混叠等效应,以及斜模式采样在采样过程中产生的混叠等问题,设计并实现了27°斜模式采样方式以降低采样后处理产生的锯齿等降质效应,通过分析线阵CCD采样过程中混叠的成因,将倒易晶胞应用于复原实际斜采样的遥感图像中。截止频率评价图像的分辨率证明:本文方法复原的图像较常规采样图像的分辨率提高了2.26倍。27°斜模式采样与倒易晶胞的复原方法可以应用到无高分辨率参考图像的遥感图像复原中,并可以减少混叠,使复原图像有更好的效果。     

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。     

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。     

观测数据采样化的遥感影像非监督分割

为了实现影像的自动化分割,提出一种利用非监督方式将观测数据采样化的遥感影像分割方法。该方法利用欧氏空间的概率分布建模采样数据和观测数据,并将其映射到黎曼空间,通过不断将观测数据转换为采样数据的方式实现影像的自动采样化。每次采样过程只需计算观测数据点到采样点的测地线距离,将距采样点测地线距离最小的观测数据转化为采样数据,以保证采样数据不断趋于该类数据的真实分割结果,同时使算法能够有效分割具有不同像素数的类别。将算法应用于模拟影像和真实遥感影像分割,对其分割结果以及传统基于统计、基于模糊的非监督算法和基于神经网络的监督算法相应分割结果定性定量的对比分析验证了该算法的有效性及可行性。     

利用参考图像的遥感图像模糊估计与恢复

提出一种新的利用参考图像的模糊估计与恢复方法。同一场景不同时相的图像,由于拍摄条件的不同,清晰化程度也往往不同,将高质量的图像作为参考,为模糊估计和恢复提供先验知识,在Bayes统一的框架内进行快速PSF估计,然后使用总变分最小化方法进行恢复。通过真实遥感图像实验,结果表明所提出的方法可以有效地估计退化模糊、恢复未失真图像。     

基于混沌遗传算法的遥感影像分类

为提高遥感影像分类精度,本文提出基于混沌遗传算法(Chaos Genetic Algorithm)的遥感影像分类方法.首先应用混沌遗传算法对样本进行自学习得到全局最优的聚类中心,然后通过得到的聚类中心对整幅影像进行分类.该方法利用混沌变量的遍历性,进行粗粒搜索,优化遗传算法的初始种群,从而提高收敛速度;对经过选择算子、...     

基于面积比分割的面状水域提取方法研究

针对目前遥感影像中面状水域提取算法的自动化程度不高的问题,本文提出了一种基于面积比分割的面状水域提取算法。首先,利用矢量数据提供的面积作为先验信息,对待提取的遥感影像进行图像分割,经过去噪、边缘检测等环节实现面状水域的初步提取;然后将初步提取的面状水域带入到主动轮廓模型中,作为初始边界对面状水域进行精确提取;最后,以天绘影像对上述算法进行验证,结果表明:该算法能够有效提取面状水域,提高现有算法的自动化程度。     

Design of content-based retrieval system in remote sensing image database

To retrieve the object region efficaciously from massive remote sensing image database, a model for content-based retrieval of remote sensing image is given according to the characters of remote sensing image application firstly, and then the algorithm adopted for feature extraction and multidimensional indexing, and relevance feedback by this model are analyzed in detail. Finally, the contents intending to be researched about this model are proposed.     

Design of content-based retrieval system in remote sensing image database

IntroductionContent-based i mage retrieval ( CBIR)[1 ,2]technology was proposedin 1990s andit is a i m-age retrieval technology using i mage vision con-tents such as color ,texture ,shape ,spatial rela-tionship ,not usingi mage notationto searchi ma-ges .…     

结合SIFT特征点和泊松融合的无人机遥感影像拼接技术

针对无人机遥感影像拼接技术的研究,本文提出了一种结合尺度不变的SIFT特征点和重叠过渡泊松融合的无人机遥感影像无缝拼接方法.该方法首先采用SIFT算法对影像进行特征点提取,根据特征描述符间的欧氏距离对特征点进行粗匹配;然后使用随机采样一致性(RANSAC)算法剔除误匹配点对,为防止计算出的单适应矩阵线性结构不稳定,引入...     

结合最大似然算法和波利亚罐模型的全色遥感图像分类

最大似然（ML）算法是一种应用广泛的遥感图像监督分类方法,该算法对样本区域的选择有很高的精度要求,选择难度降低了算法的效率。为此,本文提出了一种结合ML算法和波利亚罐模型的全色遥感图像分类方法。首先由ML算法得到各像素分属各类别的概率,根据得到概率计算此像素的罐模型中不同颜色小球的数量,完成图像罐模型的建立;根据波利亚罐模型随机采样过程,结合邻域,更新中心像素的罐模型中各类颜色小球的组成,直到各类小球数量比例达到稳定,得到最终分类结果。该方法可以进一步精确地对图像进行分类,且对样本选择无要求,简化了分类过程;分别对合成图像和真实遥感图像进行了试验,取得了较好的试验结果;定性和定量分析结果验证了该方法的可行性及有效性。     

GABA算法的遥感图像分类

为了弥补蝙蝠算法后期收敛速度慢、寻优精度不高、易陷入局部最优值的缺点,本文提出了一种新的遥感图像分类算法--GABA算法,该算法将遗传算法中的选择、交叉、变异操作应用到蝙蝠算法中,使蝙蝠算法具有变异机制,避免种群个体陷入局部最优,提高了算法全局寻优能力,增加了蝙蝠算法的多样性。同时,为了突出本文算法的优点,试验将蝙蝠算法、K-means算法、粒子群算法与本文算法结果进行比较,分析评价遥感图像的分类结果。试验表明本文算法在遥感图像分类应用中既提高了分类精度又减少了分类时间,是一种可行、有效的遥感图像分类方法。     

混沌免疫算法在遥感影像分类中的应用研究

为提高遥感影像分类精度,采用基于混沌免疫算法(Chaos Immune Algorithm)的分类方法。利用混沌优化的遍历性,进行粗粒搜索,优化初始抗体群;通过选择算子、克隆算子、变异算子、抗体的循环补充等操作,得到全局最优的聚类中心,提高分类精度。实验表明该方法分类总精度、Kappa系数均优于传统分类方法。