TM 图像的信息量分析及特征信息提取的研究

图像信息量分析是图像处理的基础,为此,本文研究了三个不同植被覆盖类型区,即多林区(森林覆盖在40％以上)、一般林地分布的丘陵区(森林覆盖10-30％)和农田为主的丘陵与平原区的图像信息量。分析同一地区冬夏两季的图像信息特征后得知,红外波段的信息量高于可见光波段,其中信息量最大的是TM5波段,最小的是TM2波段。同时对不同情况下波段间的相关性、均值和标准差等统计特征值也进行了分析。据此就图像增强、信息特征提取方法,如主成分分析、缨帽变换(KT变换)、比值等方法以及波段组合等进行了系统研究,并就其实用条件进行了探讨和评价。     

基于改进粗糙集和NSCT的红外遥感图像增强

提出了一种基于改进粗糙集和NSCT的红外遥感图像增强方法。该方法首先利用NSCT对图像进行分解,得到多层多方向子带系数;然后根据相邻尺度和不同方向的子带中图像噪声、脆弱边缘等不同成分的系数分布,使用粗糙集对其进行分块,并制定合理的决策规则;再通过集合运算对系数中不同子块采用不同的处理方法,一方面抑制噪声,另一方面保护图像中的脆弱边缘结构,并采用增强函数对其进行不同程度的增强;最后对处理过的NSCT系数进行重构,获得增强后的红外图像。实验表明,该算法相对于其他传统红外遥感图像增强算法具有较好效果。     

面向城市道路目视识别的遥感图像滤波增强方法

归纳与总结了遥感图像增强中的几种常用滤波方法。以广州城区作为试验区,Landsat TM影像作为数据源,分别运用纹理分析和卷积滤波对研究区域的遥感影像行增强处理,并对这些方法的影像增强效果进行质量评价。结果表明,高通滤波最适合于城市道路等线状地物的遥感图像增强。     

基于粗糙集理论的水下红外图像增强

图像增强是通过改变图像中某类像素的灰度值,以改变图像视觉效果或为有助于机器自动分割。水下红外图像对比度差,干扰强,为了便于人工判读,在保边去噪的基础上还要进行增强处理。将基于粗糙集理论的中值滤波和增强方法应用于水下红外图像处理中,给出了实验结果。结果表明这种方法具有可行性。     

基于颜色–场景联合迁移的水下图像增强方法

水下成像存在颜色失真、图像对比度严重下降等问题。大多数基于深度学习的水下图像增强方法依赖仿真数据集,由于仿真与实测数据之间存在较大的分布差异,实测泛化能力受限。将水下图像增强任务划分为2个更简单,但是同时具有明确物理意义的子问题：颜色校正和对比度增强,提出基于物理模型分解的域内–域间迁移框架。首先,域内迁移校正图像颜色,通过学习对退化图像进行分解,在场景光层面通过对齐颜色退化,校正颜色失真同时保证其它成分完全不受影响。进一步,再次利用基于水下散射模型的分解策略,通过针对性迁移水下退化因素,使得仿真–实测域之间实现相互迁移和交互,增强水下图像对比度。实验结果表明：本方法在真实水下图像数据集上处理的结果,在色彩、纹理细节和清晰程度方面均优于现有的对比方法。     

基于深度卷积神经网络的海洋牧场岩礁性生物图像分类

水下视频可直观记录和反映海洋牧场生物资源的现状和变动,目前亟待开展基于图像的海洋牧场生物识别分类方法研究,以充分发挥图像处理技术在海洋牧场生物群落监测领域的应用潜力。利用采集自我国北方烟威地区包含鱼礁、藻床和泥沙三种图像背景的水下视频,开展了图像增强、图像分类数据集的建立和3种分类模型的应用。对比了基于绿通道的色彩补偿和限制对比度的自适应直方图均衡等方法在海洋牧场水下图像增强上的效果。建立了北方海洋牧场常见岩礁生物图像分类数据集,包括花鲈(Lateolabraxjaponicus)、(Lizahaematocheilus)、许氏平鲉(Sebastes schlegelii)等鱼类11种、棘皮类3种和蟹类1种,共23 211张图像。基于飞桨深度学习框架和PaddleX全流程开发工具,选择AlexNet、MobileNetV3和ResNet50三种图像分类卷积神经网络进行迁移学习,并分别验证了其在含噪音水下图像上的鲁棒性。结果表明,三种模型在测试集的类准确率分别达到96.64%、94.75%和99.23%,其中ResNet50模型在含有高斯噪音的图像集验证具有更好的鲁棒性。综之,基于深度学习的计算机视觉技术在我国海洋牧场生物群落监测中具有较大应用潜力,可为我国海洋牧场监测和管理提供新的思路和方法。     

利用分段线性拉伸法增强图像阴影区的亮度和反差

利用分段线性拉伸的方法对阴影区图像进行了增强处理,给出了方法的原理和处理步骤;从而大大提高了图像的解译能力。     

基于BHPF的夜间车牌图像增强方法

提出了一种根据能量自适应地选取截止频率的巴特沃兹高通滤波器(BHPF)图像增强方法,解决夜间模糊车牌字符无法分割与识别的难题.由于能见度及车灯照射等影响,夜间获取的图像定位到的车牌目标模糊不清.根据图像的频谱特性,使用BHPF提取车牌字符跳变的尖锐部分;利用能量主要集中在低频部分的特点,自适应地选取滤波器截止频率;最后对定位的目标进行高频强调滤波,滤波后的目标图像二值化结果可满足字符分割的要求.通过交通卡口获取的实测图像测试证明,该方法可有效地解决夜间车牌字符无法分割与识别的问题.     

Erdas开发中对感兴趣区图像增强功能的实现

遥感技术的发展为地震灾害快速调查、震害损失评估提供了一种新的手段和方法,并为地震救援提供了重要、可靠的数据依据。通过震害影像增强处理,能够快速地从宏观图像上获取地震的破坏信息。在实际应用中,用户往往只关注其感兴趣的区域,这就为震害增强方法提出了新的需求,即要求该方法能够实现只对感兴趣区内的图像进行处理。本文利用ERDAS C-Toolkit提供的函数包,特别是Evec包中提供的丰富的矢量文件处理函数,实现了对感兴趣区内震害影像的增强处理。     

图像增强技术在X射线医学影像中的应用

目的:对X射线影像进行图像增强。方法:应用多种互补的图像增强方法,首先采用拉普拉斯法来突出图像中的细节,使用梯度法突出边缘,然后用平滑后的梯度图像掩蔽拉普拉斯图像,通过高提升滤波得到锐化图像,再使用灰度变换增大锐化图像的灰度动态范围。将本文算法的结果与传统图像增强算法的结果进行比较,该算法对X射线影像增强效果显著,相比传统算法有很大的优势。增强后的图像细节更加清晰,优于传统算法的实现效果。结论:本文算法对医学X射线影像具有一定的理论和实际应用价值。