共查询到19条相似文献,搜索用时 156 毫秒
1.
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. 相似文献
2.
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 相似文献
3.
4.
5.
6.
利用粗糙集和属性直方图的图像增强方法 总被引:1,自引:1,他引:0
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。 相似文献
7.
8.
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。 相似文献
9.
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. 相似文献
10.
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. 相似文献
11.
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,... 相似文献
12.
Qi He Shui Yu Huifang Xu Jia Liu Dongmei Huang Guohua Liu Fangqin Xu Yanling Du 《计算机、材料和连续体(英文)》2019,58(2):349-361
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. 相似文献
13.
Xiangchun Liu Jing Yu Wei Song Xinping Zhang Lizhi Zhao Antai Wang 《计算机、材料和连续体(英文)》2020,65(2):1385-1395
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%. 相似文献
14.
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。 相似文献
15.
16.
17.
18.