基于颜色和纹理特征的遥感图像检索

针对单一特征遥感图像检索的局限性和传统综合特征检索方法计算复杂度高的问题,提出了一种基于纹理特征和颜色特征的遥感图像的检索。在分析了现存遥感图像的检索方法后,得出了用颜色特征及Gabor小波提取出的纹理特征进行图像检索的总体思路。设计了一组多尺度和多方向的滤波器组,优化并选择滤波器组的各参数。首先对图像进行滤波,然后再进行纹理特征的提取,最后用颜色直方图对遥感图像进行颜色特征提取,最终将融合这两种图像特征,设计并实现一个基于颜色特征和Gabor小波纹理特征的图像检索原型系统。在进行图像检索时将纹理特征和颜色特征融合对图像库进行图像检索。由实验结果表明,所提出的方法是有效的。     

一种融合颜色和纹理特征的遥感图像检索方法

海量遥感图像的自动查询和选择，迫切需要有效的基于内容的图像检索方法。鉴于单一视觉特征不能很好地表达图像内容，为此提出一种基于五叉树分解的线性加权颜色和纹理特征距离的检索新方法。该方法首先采用五叉树分解法分解图像，然后在利用多通道Gabor滤波器与图像做卷积得到滤波能量值的基础上，提取各子图像滤波能量纹理特征，最后通过计算子图像的颜色均值和均方差来对查询图像和与其大小相当的数据库子图像进行颜色和纹理特征线性加权距离相似性测度。将该方法用于高分辨率卫星和航空遥感图像数据库检索的实验结果证明，该方法是有效的。     

基于颜色特征的图像检索

本文综述基于颜色特征的图像检索的一般方法，对颜色特征的提取和相似距离的计算，以及如何提高图像的检索精度进行了讨论，在此基础，本文提出一个新的研究方向，基于人眼视觉系统（HVS）模型的图像检索方法。     

基于颜色特征的图像检索技术

在基于内容的图像检索(CBIR)中,颜色特征作为图像的一种重要视觉信息,由于计算简单,鲁棒性强,已经得到了广泛的应用.从图像的颜色特征出发,针对颜色空间(颜色空间的转换)、颜色的量化(HSV颜色空间)、颜色特征提取及表示和颜色特征的相似性度量做了系统讨论和研究.接着通过经典的分块颜色直方图算法来介绍基于颜色特征的图像检...     

基于颜色特征的物料识别方法在烟包解包中的应用

烟包解包在香烟自动化生产中是一项关键的技术,它对解包的每个过程要求很高的精确度和实时性。论文采用固定的Basler摄像头获取烟包状态的原始图像,充分利用彩色图像的信息,提出了一种在不同的颜色空间中基于物料颜色特征的识别算法。该算法能针对烟包不同状态,通过对RGB三通道分析、滤波、边缘提取,能够识别出带有纸板的烟包与去除塑料薄膜烟包的两种状态;基于HSV模型,通过对物料不同状态的颜色矩分析,能够区分出带有塑料袋的两种不同状态,然后对这两种状态采用图像分块的理论,利用RGB的颜色特征,能够识别这两种不同的状态。该算法实现了对烟包四种状态的区分。     

图像检索中颜色特征的提取与匹配

文中讨论了两个问题,一是图像颜色索引提取的一种方法－颜色常量方法,利用这种方法能减少光照强度变化对颜色检索的影响;二是图像检索中的一种颜色匹配方法－－欧式距离公式的方法,并通过对比实验,证明了此种方法能有效地克服图像检索中噪音的干扰。     

基于颜色空间变换的遥感图像去厚云方法

由于气候条件等因素,获取清晰无云的大面积遥感图像几乎不可能。在所获取的遥感图像中常含有大量的厚云完全遮盖了地表的实际地物情况。提出了一种基于遥感自动分类和颜色空间变换的多时相遥感图像厚云去除方法。实验结果表明,该方法不但能够去除厚云,而且能够很好地校正不同时相遥感图像间的颜色和亮度差异。     

基于颜色和形状特征的图像检索方法

提出了一种基于颜色和形状特征的图像检索方法。在对HSV颜色模型量化的基础上,提取颜色直方图作为图像的颜色特征。在提取形状特征时,结合颜色量化结果,利用图像分割提取图像的形状特征,利用两特征的加权距离计算图像之间的相似度,而后进行图像检索。实验结果表明,该方法取得了较好的检索效果。     

基于颜色特征的图像检索技术研究

基于内容的图像检索技术已经成为近年来研究的热点。颜色是基于内容的图像检索的最重要特征之一。常用的颜色特征提取和表达方法是颜色直方图。但颜色直方图只能衡量颜色在全局分布上的差异,丢失了其空间位置信息,影响图像内容相似性的判断和图像检索效果。文章研究的方法是在颜色直方图的基础上进行改进,提出基于分块的主色矩阵检索方法,增强了直方图反映颜色空间分布的能力,使用户可以选择感兴趣区域并调整权重系数并对不同分辨率的图像进行检索前的预处理,减小计算复杂度,提高系统运行效率,节省存储空间。     

基于颜色和几何特征的图像特征点匹配算法

提出一种基于颜色和几何特征的图像特征点匹配算法。首先提取两幅图像特征点集邻域色调的局部累加直方图，然后结合图像特征点的几何特征构造亲近矩阵，再对亲近矩阵进行奇异值分解（SVD），利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵，最后根据关系矩阵实现两幅图像的特征点匹配。实验结果显示，这种图像特征点匹配算法对真实图像的平面旋转和立体旋转都具有较高的匹配精确度。     

一种增强的基于上下文火点遥感影像识别方法

传统的火点遥感影像识别方法大多采用阈值法,但阈值的选择受区域、季节以及云天状况等多种因素的限制,因而在实际监测中往往效果不佳。针对这些问题,提出了一种增强的基于上下文信息的火点遥感影像识别方法,考虑了火点与其相邻像元之间的内在联系,在火点背景像元的确定及真实火点的判据选择等方面做了改进,在此基础上确定一组火点判据。该方法基本不受区域、时间等因素的限制,对面积较小的火点识别较为敏感,在实验中取得了较好的效果。     

基于无人机遥感技术的森林参数获取研究进展

凭借着高分辨率、可控性强和性价比高的特点,无人机遥感技术在森林研究中得到了迅速的发展与应用.对无人机遥感成像平台的发展和国内外利用无人机遥感技术开展森林调查的情况进行介绍,针对单木和林分两种森林资源调查对象,总结了目前利用无人机遥感技术提取森林参数的前沿方法.重点分析和讨论了基于无人机平台的多光谱、高光谱和激光雷达传感...     

入河排污口遥感排查进展评述

入河排污口是人为污染物流入河流的最后一道关卡,对其进行精确排查在水资源保护、水污染防治等工作中具有重要作用。首先回顾了近30 a来国内大型入河排污口排查工作情况,分别从人工实地调查、GIS台账系统建设、卫星遥感监测和无人机排查4个方面进行介绍;其次,在分析了直接目视解译、基于水环境参数反演以及基于地物分类等常用入河排污口遥感监测技术的基础之上,讨论了上述方法在无人机影像上应用的局限性;再次,通过简要介绍深度学习目标检测方法原理,评述了基于深度学习的目标检测方法在入河排污口无人机遥感排查上的应用现状及其关键技术;最后,对深度学习在无人机影像入河排污口识别上的应用前景进行了分析,并对今后包括入河排污口在内的复杂地理要素的无人机遥感监测的研究重点进行了展望。     

基于深度学习的无人机入侵检测方法

无人机滥用给低空范围带来巨大安全隐患,非法入侵无人机目标的检测问题成为低空防御系统中重要的研究方向.本文提出一种基于雷达、RGB相机等多传感器信息融合方法,用于探测低空范围内小目标物体.然后,引入SSD(Single Shot multibox Detector)深度学习算法,训练无人机目标检测模型,对RGB相机捕获到...     

基于改进SSD算法的遥感图像目标检测

在遥感图像目标检测领域,多数目标检测算法针对小目标检测时效果不佳,为此,提出一种多尺度特征融合的遥感图像目标检测算法。利用SSD算法的基础网络进行特征提取,形成特征图金字塔。设计特征图融合模块,融合浅层特征图的位置信息和深层特征图的语义信息,从而保留丰富的上下文信息。设计冗余信息去除模块,通过卷积操作进一步提取特征图中的特征,并对特征信息进行筛选,以减少特征图融合时带来的混叠效应。在遥感图像数据集NWPU VHR-10上的实验结果表明,该算法的平均检测精度高达93.9%,其针对遥感图像小目标的检测性能优于Faster R-CNN和SSD等算法。     

遥感彩色影像镶嵌拼接缝的消除方法研究

对遥感影像拼接缝消除方法存在的问题进行了分析,提出了基于色度空间变换和动态宽度的遥感彩色图像拼接缝消除新方法。在HLS色彩空间,从色度、亮度和饱和度三个方面对拼接缝两侧像元值差异进行消除后,再转换为RGB彩色图像,并用4幅彩红外航空遥感图像进行了试验。研究结果表明,所提出的方法对于遥感彩色图像拼接缝消除具有较好的效果,算法简单、易于实现。     

结合多种特征的高分辨率遥感影像阴影检测

针对现有的阴影检测算法对较亮阴影和较暗地物中的阴影不能同时较好地检测等问题, 提出一种结合多种特征的高分辨率遥感影像阴影检测方法.该算法首先结合主成分分析、颜色特征和直方图的分割构建多种阈值检测条件, 然后综合多种特征来进行遥感影像阴影的初步检测, 最后通过分析RGB模型在阴影与非阴影地物上的差别, 利用颜色特性最终检测出阴影区域.实验结果表明, 本文算法能有效检测较亮阴影和较暗地物中的阴影.与现有方法相比, 较亮阴影的平均总错误率从水平集法的31.85%降至24.61%, 较暗地物中阴影的平均总错误率从自动检测法的37.75%降至23.30%.     

结合局部分类水平集与颜色特征的遥感影像阴影检测

为提高对非匀质阴影与亮阴影的检测效果,提出结合局部分类水平集与颜色特征的遥感影像阴影检测方法,首先,结合阴影区域的亮度非均匀性,采用局部分类水平集分割遥感图像的阴影区域;然后,通过分析绿地与阴影颜色特征分量的差别以去除候选阴影区中被误检的绿地.实验结果表明所提出的方法优于现有的黑体辐射模型与自适应特征选择法,有效克服了传统方法对非匀质阴影与亮阴影的漏检问题,且整个检测过程无需人工干预.     

基于密集连接与特征增强的遥感图像检测

遥感技术的快速发展使得遥感图像检测技术广泛应用于军事、农业、交通、城市规划等多个领域。随着遥感分辨率和数据体量的不断提升,通过人工处理数据的方法已经无法满足实时性需求,因此,实现高效、精准的自动化数据处理方式成为该领域的研究热点。针对遥感图像分辨率高、背景复杂、目标尺度小等特点,提出一种改进的YOLOv3算法,用以提升遥感图像的检测效果。在原始YOLOv3算法的基础上,使用改进的密集连接网络替换原有的DarkNet53作为基础网络,以提升网络输入和预测结果的尺度多样性。通过阀杆模块降低输入损失,同时在浅层特征图中加入特征增强模块,从而丰富特征图的感受野,强化网络对浅层特征信息的提取,在保证整体检测性能的同时使网络对遥感图像中、小目标的检测精度和鲁棒性均有所提升。在遥感图像数据集上进行多组对比实验,结果表明,相比原始YOLOv3算法,该算法的平均准确率提高9.45个百分点,在小尺度目标上的检测准确率提升更显著,达到11.03个百分点,且模型参数量得到有效缩减。