利用Beamlet变换算法提取遥感图像直线

遥感图像处理中，直线特征是一种极为重要的特征，能够提供重要的视觉感知线索。本文利用一种Beamlet变换算法来提取遥感图像中的直线特征，通过对遥感图像按二进、递归进行划分，利用灰度信息，积分计算每一小块图像中的Beamlets，结合梯度信息，通过广义似然比检验GLRT（Generalized Likelihood Ratio Testing）来检测判断符合条件假设的Beamlets，重建目标直线。此算法可以克服图像中的干扰及噪声，适应复杂、低信噪比遥感图像环境，准确地定位出直线。实验结果表明，这种算法具有较好的性能，可以应用到实际的遥感图像处理中，具有实用价值。     

基于字典学习的遥感图像去模糊研究

对高分辨率遥感图像进行去模糊是遥感研究中的一个主要难题,针对此提出了一种新的基于稀疏表示的高分辨率遥感图像去模糊算法。该算法利用快速梯度投影算法实现去模糊,并且保留原图像的有用信息。通过对"高分一号"获取的遥感图像进行验证,表明该算法能较好地滤除遥感图像的模糊,提高图像的峰值性噪比,且比其他字典学习算法具有更好的性能。     

基于SVM算法和纹理特征提取的遥感图像分类

遥感图像分类是遥感图像处理领域中的一个重要的研究方向,传统的遥感图像分类方法根据像素值进行分类,忽视了遥感影像中丰富的纹理特征信息.小波分析通过引入宽度可变的窗口,可以同时对信号的局部信息进行频率域和时间域的变换.小波分析算法可以有效地提取出图像中的纹理特征信息.支持向量机算法是20世纪90年代提出的一种新的机器学习算法,通常被用来进行模式识别和分类.结合小波纹理提取算法,利用支持向量机进行遥感图像分类.研究结果表明,结合纹理特征的支持向量机分类的效果优于直接对灰度图像进行分类.     

结合纹理去除的遥感图像分割

针对包含复杂纹理信息的遥感图像难以进行精准图像分割的问题,提出了一种结合纹理去除的遥感图像分割方法。首先,改进了相对全变差纹理去除方法,通过引入新的范数约束使相对全变差纹理去除方法可以在去除纹理信息的同时凸显图像中的主要结构,达到辅助分割的效果;然后,使用均值漂移算法对经过纹理去除的遥感图像进行无监督聚类,达到分割的目的;最后,提出的遥感图像分割算法在不同遥感图像上进行了测试。实验结果表明,在高分辨遥感图像的分割上,所提算法可以分割出遥感图像中的主要目标,和直接分割或者结合其他纹理去除方法相比取得了更好的分割结果。所提出的分割算法可以降低纹理信息对图像分割的影响,提高遥感图像分割的精度。     

基于同态系统滤波的高分辨率遥感图像河流信息提取

为了解决在高分辨率遥感图像中易受同物异谱现象影响而导致河流信息提取不完整问题,依据河流区域在遥感图像中具有特定频率纹理信息这一特点,提出一种基于同态系统滤波的高分辨率遥感图像河流信息提取方法。该算法通过对遥感图像的频谱分析,确定河流信息在频域中的特征标识,采用一维剖面线加窗短时分析河流定位技术实现了全自动、快速全幅遥感图像河流定位和宽度估计,在同态系统下设计了低通滤波器实现对低频河流信息的提取。该算法采用"高分一号"遥感影像作为实验数据来源,相对于传统利用光谱信息的提取方法具有较高的提取精度,Kappa系数达0.85以上,并且实现全自动提取。实验结果表明所提算法能够快速、有效地提取复杂地貌区域内的河流信息。     

无监督纹理遥感图像分形分割仿真

针对无监督纹理遥感图像分形分割时,仅利用光谱信息,没有充分利用遥感图像中的纹理信息造成过分割或是欠分割的问题,提出结合光谱信息和纹理信息的无监督遥感图像分形分割方法。方法首先借助于双边滤波算法建立双边滤波模型,对无监督遥感图像进行平滑处理,利用边缘检测算子获取无监督遥感图像的纹理梯度和光谱梯度,保留遥感图像的纹理信息。将图像纹理梯度和光谱梯度的内积范数作为K-means算法的距离测度,针对K-means算法易陷入局部寻优问题,将遗传算法与K-means算法相结合实现全局寻优,完成无监督纹理遥感图像分形分割。通过在高分辨率遥感图像上的分割对比实验,证明上述方法能充分利用遥感图像的光谱和纹理信息,分割效果良好。     

基于直方图修改的图像可逆信息隐藏算法

提出了一种基于直方图修改的可逆信息隐藏算法,并给出了算法的详细实现方案.该算法利用了图像直方图中的一组零点(或者是最小点)和最大值点,通过修改图像像素的灰度值来隐藏信息,利用直方图隐藏信息的一般算法是利用每一个最大点隐藏一位信息,而提出的算法是利用每一个最大点进行多位信息隐藏,其位数可以根据原图像和隐藏信息后的峰值信噪比进行自适应确定,实验结果表明,该方法不仅可以进行较大容量的信息隐藏,而且相对原始图像能够达到满意的峰值信噪比,具有良好的性能.     

基于变权马尔可夫随机场的遥感图像变化检测

遥感图像变化检测通过分析比较不同时相所获得的遥感图像来获取变化信息,目前已经成为对地监测最有效的手段.针对传统马尔可夫随机场遥感图像变化检测算法的不足,提出一种基于变权马尔可夫随机场的遥感图像变化检测算法.该算法重新定义了马尔可夫能量函数的计算过程.实验结果表明该算法是一种有效、精确的变化检测算法.     

最小二乘拟合与形态学膨胀的图像数率可分级编码算法

本文提出一种基于最小二乘的线性拟合和形态学膨胀操作的小波域图像数率可分级编码算法,该算法利用图像小波变换子带中的零树结构系数间的对应关系,利用最小二乘线性拟合方法通过对父亲系数和间接后代系数的线性拟合确定直接后代的重要系数。同时通过对重要系数进行数学形态学的膨胀操作,形成重要系数的聚簇,从而降低重要系数位置的同步信息。来提高图像的编码效率。实验结果表明,在低码率下,解码后的图像较EZW和MRWD具有更好的峰值信噪比。     

利用引导图像块排序的遥感影像厚云去除算法

针对现有厚云去除算法存在的辐射精确度不足和光谱不一致等问题,提出了一种利用引导图像块平滑排序的厚云去除算法。通过线性回归分析减轻多时相影像之间的光谱差异并增强时相相关性,然后从多时相影像中提取排序矩阵并引导云污染影像中的图像块进行排序,将相似性特征加入到排序后所得的平滑信号中,提高了信息重建的精确度,最后利用影像自身信息进行插值修复云污染区域信息,保证了光谱一致性。实验结果表明,与现有的2种基于辐射校正方法和图像信息克隆方法相比,该算法适用于复杂环境下遥感影像厚云去除问题,处理结果具有更好的辐射精确度和光谱一致性。     

一种Beamlet变换下的图像边缘检测算法

Beamlet变换是一种多尺度分析的有效工具。对基于Beamlet变换的线特征提取算法进行改进,提出一种表示Beamlet上图像灰度值加权平均的算式,提出在图像子块内沿Beamlet的各个方向搜索边缘,形成一种图像边缘检测的新算法。从检测到的边缘连贯性等方面对该算法的性能进行了评价,将该算法应用于车道线等图像的边缘检测和车道识别。实验结果表明,该算法检测到的边缘连贯性好,算法的错检率和漏检率低,且具有较强的提取线特征的能力;检测到的边缘线段包含位置、方向等信息,便于对车道等目标进行识别;算法的缺点是：抗噪性不够好且计算较为复杂,有待改进。     

基于Beamlet变换的线特征检测

线特征是图像的重要特征,其检测效果直接影响模式识别和分类。基于调和分析的思想,给出一种带有方向信息的多尺度的Beamlet基,对图像进行Beamlet变换。试验结果表明,该线特征检测方法不仅能提取无噪声图像中的直线和曲线,而且对强噪声图像中的直线和曲线提取效果也很好。     

基于线特征和控制点的可见光和SAR图像配准

以具有典型人造目标的可见光和SAR (Synthetic aperture radar)图像为研究对象,提出一种自适应多尺度快速Beamlet变换方法提取人造目标在可见光和SAR图像的共有特征---线特征, 并基于线特征构造控制点,设计了一种基于控制点特征的匹配度函数,采用基于特征一致的粗配准和基于控制点的精确配准方法,对待配准图像实现由粗到精的自动配准. 实验表明,在可见光和SAR图像存在较大灰度差异、旋转和平移的情况下,该算法仍然能够精确配准图像.     

基于离散Beamlet变换的线特征检测算法

提出一种基于离散Beamlet变换的快速新型线特征检测算法,可检测出任意方向、位置、长度的线性信息,并使线性特征的完整性和准确性都得到很好的保持。给出一种带有方向信息的多尺度的Beamlet基,利用Beamlet多尺度分析的思想,对传统的基于Bresenham直线生成的算法进行改进,通过设计偏差函数与优化的二进递归分解结合,对图像进行快速离散Beamlet变换。通过简单算法对图像的线特征进行提取,实验验证了该方法使用效果优于其他传统特征检测算法。     

改进的Beamlet与Canny相结合提取复杂图像线特征

传统Beamlet无结构算法在提取图像线特征时不仅存在重叠模糊的缺陷,而且在提取复杂图像线特征时不能有效地检测出目标信息,细节特征更是难以刻画。针对这些问题,提出将改进的Beamlet无结构算法与Canny算子相结合的方法提取复杂图像的线特征。首先,对图像进行Beamlet变换,通过改进Beamlet无结构算法,采用新的能量统计和制定新的划线规则,以保证每个二进方块最多有一条最优基;然后,对图像用Canny算子检测边缘,通过选取较大的Sigma,只检测明显的大边缘;最后,两者结合得到图像的线特征。从检测的线特征的线型连接程度等方面对该算法的性能进行了评价,并与现有的方法进行了比较,实验结果表明,该方法克服了两种方法单独提取线特征时存在的断裂、重叠、模糊和虚假边缘的缺点,有效地提高了复杂图像线特征提取的准确性和连续性。     

基于Beamlet的图像线特征提取方法

提出一种基于Beamlet变换图像线特征提取方法。用基于方向窗的方向滤波突显图像中不同方向的线特征,通过阈值处理将灰度图像转换为一组二值图像,利用逻辑或运算融合成一幅图像,用Beamlet变换从融合图像中提取图像的线特征和曲线特征。实验结果表明,在信噪比很低的情况下该方法能够得到满意的结果。     

基于beamlet变换的图像线性特征提取

Radon变换常用于图像直线特征的提取,但是在检测线段时,Radon变换无法提供线段的端点以及长度信息,在提取被噪声严重污染的图像中的线性特征时存在巨大困难。beamlet是一个多尺度的在一定范围内的位置、方向和尺度下二进组织的线段库,具有分级、多尺度的特性。beamlet变换是近年来蓬勃发展的多尺度几何分析理沦的一种,特别适合于提取图像中的线性特征。该文描述了一个多尺度图像分析的框架,其中线段起到的作用类似点在小波中起的作用。论文研究了beamlet变换的实现方法,并将beamlet变换应用于被噪声严重污染的图像中线性特征的提取。实验证明该方法具有很好的效果。     

一种旋转、尺度和平移不变的曲线描述方法

利用Beamlet基容易计算长度的特点,先求出Beamlet曲线的长度,然后根据二叉树层次方式来分割曲线,并将各分割点依次连接成直线段,再计算出所有两两相邻直线段之间的一系列的夹角,得到曲线的Beamlet夹角链码,最后利用两条曲线的Beamlet夹角链码的差异度来度量它们之间的相似性。该方法不仅具有旋转、尺度、平移不变性以及较好的鲁棒性,而且计算量小,匹配速度快。通过实验结果和算法分析,证明了该方法的合理性和有效性。     

Beamlet分析的药柱裂纹图像边缘检测方法

在分析某固体火箭发动机推进剂药柱裂纹图像自身特点和传统边缘检测方法局限性的基础上,将Beamlet高维奇异几何分析工具应用于裂纹图像的边缘检测中,并给出线段的长度和斜率的Beamlet基链的近似计算公式。首先对图像进行分割,以提取裂纹区域;然后对已分割的图像进行四叉树分解,以最佳划分图像;最后对图像子块进行Wedgelet变换,筛选出最优Beamlet基作为边缘显示出来。结果表明,能够在检测出裂纹边缘的同时给出边缘的位置、长度、方向等更具体的几何信息,这将为药柱结构完整性研究和药柱裂纹图像计算机辅助分析打下基础。     

一种基于特征匹配的目标入侵检测方法

视频监控中常用云台摄像机监控视场较大的区域.对于云台摄像机跟随拍摄的情况,提出了一种基于特征匹配的目标入侵检测方法.通过提取的尺度不变特征变换(SIFT)特征点对,将当前图像和全景图像进行匹配,从而得到当前图像和全景图像投影关系,再将当前图像的坐标系变换到全景图像下,最后运用差分法,找到入侵目标.实验结果表明,即使当前图像与全景图像存在尺度、缩放、形变等差异,通过本方法也可正确地检测出入侵目标.