SAR图像不同油膜特征的最佳分割方法选择

SAR图像溢油分割是SAR溢油监测中一个重要环节。文中选取4种不同形状、尺寸和对比度的SAR油膜数据,分别采用双峰阈值分割法、最大熵分割法、区域生长法、分水岭算法、图割法、水平集方法等6种方法进行溢油信息提取,探讨适合于不同油膜特征的最佳提取方法。结合现有尺度分割标准,提出一种SAR图像溢油信息评价指数——有效分割指数(Effective Segmentation Index,ESI),对不同分割方法得到的溢油提取结果进行定量评价,得出了不同特征油膜所适合的最佳分割方法。     

遥感图像村级道路提取方法研究

对高分辨率遥感图像0.64~0.72μm波段灰度图进行直方图拉伸增强对比度,通过设立阈值分割图像得到二值图,再基于数学形态学消除噪声填充孔洞。然后,利用软件进行自动矢量化。实验证明,该方法能有效处理遥感图像,已达到提取高分辨率遥感图像中村级道路的目的。     

基于独立成分分析的高光谱图像降维及分割

高光谱图像的高维数给图像的进一步处理带来了困难,为了解决这一问题,本文提出了一种基于独立成分分析的高光谱图像降维分割方法。首先,利用波段子空间划分和标准差对高光谱图像预处理,选择部分波段的高光谱图像作为实验对象;然后利用基于负熵的快速不动点算法对实验数据解混,再根据平均绝对权重系数对波段排序并选取;最后使用模糊C均值聚类算法对降维后的图像进行分割。实验结果表明,该方法能够有效实现高光谱图像降维,并获得较好的分割结果。     

基于OpenCV的近景图像增强和分割算法研究

本文通过对近景图像的对比度和亮度进行分析实现了自动选择图像增强算法的方法,分别对金字塔均值漂移分割算法、分水岭分割算法和GrabCut分割算法进行了对比研究。经实验表明,图像对比度太小、亮度太高或太低对近景图像分割都会造成不利的影响,伽马变换增强算法适合调整亮度较高的图像,直方图均衡化增强算法适合调整亮度较低的图像。分水岭分割算法和GrabCut分割算法不适合近景图像多类别的自动分割,而金字塔均值漂移分割算法是基于核密度梯度估计的无参数快速统计迭代算法,可实现类别自动分割,分割精度较高,而且利用建立金字塔结构可进行多尺度分割。本文的研究成果对自动选择最佳的图像增强算法和分割算法以及参数设置具有重要的参考价值。     

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。     

基于高低帽变换的图像迭代分割方法

针对现有的迭代阈值分割算法作用于一些低对比度或一些变化较大的图像时精度不高、存在过度分割难以识别目标区域的问题,引入数学形态学模型,提出一种基于形态学中高低帽变换预处理后再进行迭代分割的改进优化算法。该算法利用高低帽变换来增大原始图像的灰度动态范围同时锐化图像,使图像清晰,再通过迭代阈值分割出目标区域,针对一些难以分割的目标,可以再次采用低帽变换凸显目标区域,最后通过二值图像连通区域标记,按面积擦除噪声区域完成分割。实验结果表明,不论是针对较小目标物体或是较大目标物体都能取得良好的分割效果,改进后算法的稳定性、适应性和分割精度都得到提升,具有广阔的应用前景。     

雾霾天气条件下偏振遥感图像复原研究

目的 针对雾霾天气造成图像质量退化引起的图像对比度降低问题,根据目标场景与大气气溶胶粒子散射光偏振特性的差异,开展雾霾天气目标偏振探测图像复原研究。通过实验获取雾霾天气条件下不同偏振旋转方位角度图像,提出图像复原算法进而提高图像对比度,抑制雾霾介质造成图像退化的影响,提高光学成像系统的成像质量。结果表明,此算法能有效提高图像对比度和图像信息熵值,恢复目标,同时获取了目标景物的深度信息。本文研究为雾霾天气下目标探测与识别提供了有效的技术途径。     

一种顾及区域特征差异的热红外与可见光图像多尺度融合方法

针对传统的热红外与可见光图像融合方法对比度低,容易出现边缘细节、目标等信息丢失或减弱的现象,提出一种顾及区域特征差异的热红外与可见光图像多尺度融合方法。首先采用自适应PCNN（脉冲耦合神经网络）模型和二维Renyi熵相结合的图像分割方法,分别对红外和可见光图像进行区域分割;然后利用非下采样Contourlet变换对原图像进行多尺度多方向分解,根据区域的特征差异设计不同的融合规则,融合热红外与可见光图像。实验结果表明,该方法不仅能有效地融合热红外图像的目标特征,还能更多地保留可见光图像丰富的背景信息,融合图像对比度高,在视觉效果和客观评价上优于传统融合方法。     

一种基于形态学梯度矢量和自适应模糊的目标边缘提取算法

鉴于现有的形态学梯度边缘检测算子没有考虑梯度的矢量性,在边缘检测部分提出了具有方向估计的形态学梯度算子,并将平滑处理加入该系列算子,使这些算子在噪声抑制和提高边缘清晰度两方面均有较好的表现。同时,在图像分割部分运用了多层次自适应的模糊阈值分割方法,利用自适应的方法对典型的模糊分割器的窗宽进行调整,并运用多层次的局部调整使图像分割后的物体边缘更加完整清晰。     

利用小波变换的高分辨率多光谱遥感图像多尺度分水岭分割

为了减少仅用分水岭变换而导致的过分割问题,本文提出利用小波变换的多尺度处理方式用于融合后多光谱QuickBird图像的分割。整个分割过程包括多尺度图像表示、图像分割、区域合并和结果映射等过程。首先,依据原始图像的大小确定分解尺度并用小波变换产生各波段的低尺度图像。采用相位一致模型提取各近似系数的梯度,并逐尺度地融合各梯度图。分析不同尺度下的不同地物的局部梯度方差,以选择最佳的小波分解尺度。然后,通过移动阈值与扩展最小变换,利用多层次标记提取方法标记均质区域。进而,在梯度重建的基础上利用标记分水岭变换得到分割图像。其次,采取空间相邻关系、面积、光谱与纹理等多约束策略,以搜索最小合并代价的方式合并最初分割区域中的邻接区域对。最后,修改细节子图并进行小波逆变换将最初分割结果投影到更高尺度图像,同时处理边界上的像元以保持区域边界直至原始图像。实验结果表明本文方法不仅能够用于高分辨率多光谱遥感图像的分割,而且缓解了过分割问题且取得了较准确的分割效果。