基于云模型编码算法的图像消噪研究

为了提高图像消噪的质量,采用云模型编码算法.首先通过正态云发生器产生云滴;接着正云滴映射为图像中大于平均灰度的像素,负云滴映射为图像中小于平均灰度的像素,不同云滴的编码则表示不同的像素的灰度特征;然后根据编码规则将图像子块分为平滑块和非平滑块,平滑块区域保持其增强质量;最后给出了基于云模型编码算法的图像消噪模型和算法流程.实验仿真显示该文算法对图像消噪效果最好,能以较大概率找到全局最优解.     

遥感图像原理与应用VC编程的主要算法

如何用VC编程实现遥感图像处理中的K均值分类、植被指数计算、图像RGB和IHS颜色模型之间的相互转化、彩色图像灰度化和对灰度图用不同算子进行边缘检测、轮廓提取等算法。1算法设计1.1K均值分类1)算法流程图     

利用成像匹配与成分分离的航空图像云检测

研究了遥感图像云检测,提出了基于几何成像匹配与成分分离的航空图像云检测算法。由于传统的云检测算法未考虑云具有半透明性的特点,直接提取的云纹理包含有多余的下垫面纹理。该算法依据线性光谱混合模型,将一幅遥感图像看作是由下垫面与云的光谱线性地构成的,考虑像素间的局部平滑,进行云成分分离,采用局部二值模型(LBP)特征描述云的纹理,进而通过构建支持向量机(SVM)分类器进行云检测。对比实验结果表明,本文方法对于航空图像云检测具有一定的效果,对于薄云区域以及边缘区域也能有效检测。     

基于SIFT特征匹配的水表指针自动定位及识别方法

本文通过提取水表图像SIFT特征点与水表子表盘模板进行匹配点筛选,利用Kmeans聚类算法对匹配点进行分类实现水表子表盘的自动定位;接着利用色差模型对水表子表盘图进行灰度化处理;对灰度图进行二值化处理,并采用统计面积法消除干扰点,提取并识别水表指针。实验结果显示该算法精准定位水表指针,并完整识别出水表指针。     

一种基于螺纹点云的缺陷提取方法

针对螺纹表面凹坑缺陷,结合双目三维扫描仪的数据采集特点与螺纹表面特性,提出基于三维螺纹点云缺陷检测的方法.该方法首先利用法向量提取算法,将缺陷部分提取出来,同时将轮廓点云一并提出.然后采用基于密度的DBSCAN聚类算法去除法向量提取的轮廓点云,且只保留凹坑缺陷点云.最后采用最小包围盒算法对缺陷点云参数化,测算其长度、宽度以及深度,实现了表面缺陷的数字化测量.     

利用粗糙集和属性直方图的图像增强方法

利用粗糙集理论进行图像增强,子图的划分是关键。属性直方图是对直方图概念的推广,是一种由先验知识约束的直方图;将它用于子图的划分,在此基础上提出了一种基于粗糙集理论和属性直方图的图像增强方法。该方法利用属性直方图的 Otsu 算法确定灰度阈值,根据灰度阈值利用不可分辨关系,将图像划分为背景子图、目标子图和噪声子图,对去噪后背景子图和目标子图进行增强变换,并将它们合并得到增强图像。将该方法用于一种海底小目标图像增强。实验结果表明该方法处理增益为 11dB,明显地增强了图像,且不损害图像的边缘。该方法适用于图像有某种先验知识的场合。     

基于多视角区域生长的复杂点云模型分割

为提高三维点云模型在特征模糊区域的分割精度,提出了一种借助多视角区域生长的分割方法.基于网格法向量方向相异性原则,初次将模型划分为不同类别的子区域,在相应区域建立点云与多视角距离图像的一一映射关系.利用Canny算子对灰度的敏锐性获取独立连通域并计算其重心坐标,根据对应关系在三维点云中提取对应点作为种子点,然后引入网格...     

融合多分辨率特征的点云分类与分割网络

针对现有网络难以有效学习点云局部几何信息的问题,提出一种融合点云多分辨率特征的图卷积网络。首先,通过k-最近邻算法对点云构建局部图结构,以更好地表示点云的局部几何结构。其次,基于最远点采样算法提出一个并行通道分支,该分支通过对点云进行下采样来获得不同分辨率的点云,然后对其进行分组处理;为克服点云的稀疏特性,提出一种几何映射模块对分组点云执行正态化操作。最后,提出一种特征融合模块对图特征和多分辨率特征进行聚合,以更有效地获得全局特征。实验使用ModelNet40、ScanObjectNN和ShapeNet Part数据集进行评估,结果表明,提出的网络具有良好的分类与分割性能。     

Fast detection of small infrared targets based on cascade classification

为克服弱小目标检测在大尺寸图像上存在时间开销大的问题,提出了一种多级处理的检测算法.首先在整幅图像上搜索局部灰度极值作为候选目标位置,随后对候选目标位置的邻域进行特征提取,最后在特征空间中进行分类.针对小目标特性,提出了一种灰度分布特征,以此特征对候选目标位置进行特征提取,进而提出了一种加权逻辑斯蒂回归算法,用其在特征空间建立分类器,将检测问题转化为二分类问题.实验结果表明,该算法对低信噪比图像可以达到较高的检测率和较低的虚警率,并具有较好的实时性.     

Large scale compound classification for multi-resolution satellite data based on conditional random fields models

针对如何在算法层次上利用不同空间分辨率遥感数据提高地表分类精度的问题,提出了一种基于条件随机场模型的全新的多分辨率复合分类算法.该算法针对同一地区、不同覆盖范围的两种高低分辨率遥感图像,以广域低分辨率图像的高精度地表分类为目的,利用高低分辨率图像间的空间分辨率多对一关系,基于云理论构建“真实”似然特征映射,由用来描述光谱特征与类别关系的“真实”似然特征序列以及像元间上下文关系构建条件随机场模型的两类势函数,并在此基础上对广域低分辨率图像进行全局地表分类.该算法不仅提供了对多分类特征的支持,而且考虑了地物分布的空间连续性.多组高低分辨率图像组合下的复合分类及不同算法间的分类精度对比分析结果表明,该算法可有效提高广域低分辨率图像的分类精度,并具有良好的鲁棒性.     

商空间理论下面向对象的遥感影像分类

传统的分类方法仅仅基于像素光谱特征,不适合于高分辨率遥感影像.本文提出了一种新的基于商空间理论,面向对象的高分辨率遥感影像分类方法,即综合云模型、模糊支持向量机和决策树的分层合成分类技术.针对决定分类效果的两个因素,影像分割和分类算法,分别做出了一些改进.第一,本文提出了一个自适应的基于云模型的区域增长分割策略.第二,...     

A Weighted Threshold Secret Sharing Scheme for Remote Sensing Images Based on Chinese Remainder Theorem

The recent advances in remote sensing and computer techniques give birth to the explosive growth of remote sensing images. The emergence of cloud storage has brought new opportunities for storage and management of massive remote sensing images with its large storage space, cost savings. However, the openness of cloud brings challenges for image data security. In this paper, we propose a weighted image sharing scheme to ensure the security of remote sensing in cloud environment, which takes the weights of participants (i.e., cloud service providers) into consideration. An extended Mignotte sequence is constructed according to the weights of participants, and we can generate image shadow shares based on the hash value which can be obtained from gray value of remote sensing images. Then we store the shadows in every cloud service provider, respectively. At last, we restore the remote sensing image based on the Chinese Remainder Theorem. Experimental results show the proposed scheme can effectively realize the secure storage of remote sensing images in the cloud. The experiment also shows that no matter weight values, each service providers only needs to save one share, which simplifies the management and usage, it also reduces the transmission of secret information, strengthens the security and practicality of this scheme.     

Remote Sensing Image Classification Algorithm Based on Texture Feature and Extreme Learning Machine

With the development of satellite technology, the satellite imagery of the earth’s surface and the whole surface makes it possible to survey surface resources and master the dynamic changes of the earth with high efficiency and low consumption. As an important tool for satellite remote sensing image processing, remote sensing image classification has become a hot topic. According to the natural texture characteristics of remote sensing images, this paper combines different texture features with the Extreme Learning Machine, and proposes a new remote sensing image classification algorithm. The experimental tests are carried out through the standard test dataset SAT-4 and SAT-6. Our results show that the proposed method is a simpler and more efficient remote sensing image classification algorithm. It also achieves 99.434% recognition accuracy on SAT-4, which is 1.5% higher than the 97.95% accuracy achieved by DeepSat. At the same time, the recognition accuracy of SAT-6 reaches 99.5728%, which is 5.6% higher than DeepSat’s 93.9%.     

无人机电子稳像技术中角点检测算法的改进

无人机航空遥感电子稳像系统中,稳像的关键技术之一是影像特征点的选取,其中图像角点是遥感影像中重要的特征信息,准确地选取角点可提高图像处理的精度。然而现有的图像角点检测算法多因计算速度慢不能满足视频图像数字稳像的实时性。因此提出了一种基TSUSAN角点检测算法的改进算法。新算法分析了影像中角点所在区域的灰度变化特征,改进了SUSAN角点检测算法中的判断准则,提高了算法的精度和速度。实验结果表明,改进的算法可较大幅度的提高运算速度,满足稳像技术对视频图像实时处理的要求。     

遥感图像客观质量评价方法研究

为分析图像压缩过程对遥感图像质量的影响,从遥感图像构像质量和几何质量两个方面探讨了遥感图像客观质量评价方法,并改进一种基于Harris角点检测算法的亚像素级角点检测算法。采用JPEG2000、SPIHT两种算法分别对这些评价方法进行验证。实验表明：为满足人眼视觉观察能分辨图像细节的要求,遥感图像压缩比不宜超过16倍,为使压缩后图像满足计算机视觉应用,图像压缩比不宜超过8倍。     

基于神经网络的遥感图像分类的新方法研究

随着神经网络理论的深入研究,人工神经网络在遥感图像分析与处理的各个方面都有广泛的适用性,并且已经取得了较好的效果,是遥感信息提取的一种有效途径。本文介绍了BP神经网络在遥感影像分类中的应用,通过自适应和在网络权值调整过程中加入特征因子算法,并结合Matlab软件,改进了BP神经网络的优化算法,使网络对误差变化敏感且收敛速度陕,减少了人为因素的干预,改善了学习速率和网络的适应能力,而且精度可靠。     

数字图像单个像元分形维数的特征与计算方法

通过分形理论把空间结构信息引入遥感分类中,必须解决分形维数计算的问题,为此提出了一种通过相邻像元间灰度值大小的变化计算数字图像单个像元分形维数的算法。选定计算窗口值 L 后,运用所编程序对 TM 遥感数据进行运算,并得到所需分维值数据。发现所得分维值随窗口值 L 增大而减小;大窗口值的分维值图像较抽象,但建议窗口值不超过 61;小窗口值的分维值图像较清晰,但窗口值不能小于 5。     

基于最大类间方差准则的变化区域提取

针对不同时相遥感影像变化检测研究中变化区域的自动提取问题,本文提出一种基于类间最大方差准则,利用C均值算法自动确定变化阈值的方法.该方法中将变化区域提取问题转化为两类之间的分类问题,利用C均值算法进行迭代处理,当两类之间方差最大时即为最佳变化阈值T.实验结果表明,该方法可准确快速地确定图像变化检测的最佳阈值,实现变化区域提取的自动化.