基于灰度均值改正比的拼接缝消除方法

目前,普遍采用的拼接缝消除方法主要有基于重叠影像的消除方法、小波变换法和强制改正法。提出一种新的基于拼接缝两侧图像灰度均值改正比的拼接缝消除方法,计算缝两侧图像均值的平均值与原图像均值之比,进而将该比值由缝向两侧逐渐过渡,最终实现拼接缝的消除。实验表明,该算法可行、有效,拼接缝消除后具有较好的视觉效果,尤其在灰度差值较大时,该算法比强制改正法具有明显的优势。     

基于SIFT和函数强制改正算法的图像拼接研究

图像拼接技术被广泛应用于医学图像分析、计算机识别、遥感图像处理等各方面。针对在复杂场景下图像拼接时,SIFT算法出现误匹配点比例较大、算法迭代复杂等问题,使用RANSAC算法精确提纯且获得转换矩阵;并提出了一种改进的强制改正法,该方法采用渐入渐出的函数强制改正拼接缝两侧的灰度值,最终实现拼接缝的消除。实验表明,该方法可行、有效,并使拼接缝消除后具有较好的视觉效果。     

基于改进IGG模型的全景图像拼接缝消除算法

为了提高序列图像拼接得到的全景图的质量,通常将L-M(Levenberg-Marquardt)算法用于图像拼接中变换模型的参数优化,但L-M算法不能消除误匹配点对模型求解的影响。为了消除误匹配点的影响,提出了基于IGG(Institute of Geodesy & Geophysics)函数模型的抗差L-M算法。首先利用IGG算法的迭代过程具有良好的抗粗差能力和可靠的收敛性等特点来优化变换模型,提高图像配准的精准度。然后采用自适应区域的拉普拉斯多分辨和最优拼接缝相结合的方法对拼接结果进行融合,以消除因拼接缝及光照不均而造成的过渡不连续现象。实验结果表明,所提算法不仅有效提高了配准精度,同时还实现了无缝拼接,获得了高质量的无缝拼接全景图。     

X射线光栅相衬成像拼接缝消除算法

针对X射线光栅相衬成像拼接过程中出现的拼接缝问题,提出一种基于改进的中值滤波结合全变分平滑模型的拼接缝消除方法。首先利用方差的全局亮度调整方法消除待拼接图像间亮度不均,获取亮度均匀图像。然后通过改进的中值滤波对拼接缝两侧灰度值进行修正,以抑制灰度突变的干扰;再利用全变分平滑模型对修正后的图像进行平滑,使拼接缝过渡光滑。最后对平滑后图像进行增强,获得增强后的大视场图像。实验结果表明,所提方法在保持图像边缘细节的同时,能够有效消除拼接缝隙,提高了拼接图像质量。     

基于拼接缝自适应消除和全景图矫直的快速图像拼接算法

针对图像拼接存在色差过渡不均匀、图像倾斜扭曲及拼接效率低的现象，提出一种基于拼接缝自适应消除和全景图矫直的快速图像拼接算法。首先，用尺度不变特征变换（SIFT）提取图像指定区域特征点并用双向K近邻（KNN）算法进行图像配准，有效提高算法效率；其次，利用动态规划思想提出自适应公式找到最优拼接缝并用图像融合算法对其自适应消除，解决拼接缝色差过渡不均匀问题；最后，针对累积拼接误差形成全景图倾斜的现象，利用边缘检测算法提出自适应拟合四边形矫直模型，把原始全景图矫直为一个全新的全景图。所提算法与分块图像拼接和二叉树图像拼接算法相比，图像质量提升了5.84%~7.83%，拼接时间仅为原来的50%~70%。实验结果表明，该算法不仅通过自适应更新机制减少不同图像背景下拼接缝色差过渡不均匀的现象，从而提高了图像质量；而且提高了拼接效率，降低了全景图倾斜扭曲程度。     

基于Wallis与距离权重增强的无人机影像拼接缝消除

针对无人机影像拼接缝消除困难的问题,提出了一种基于Wallis匀光和距离权重增强的拼接缝消除算法。首先,应用Wallis匀光消除亮度差异,给出Wallis参数设置方法。然后,提出了一种基于空间相关性的距离权重分配方法,通过增强距离对权重的影响,对拼接缝处的局部纹理错位进行全局优化,起到渐入渐出的平滑过渡效果,消除纹理拼接缝。最后,选取7种不同类型影像对本文方法和其他4种经典算法进行对比,并对8条行带影像进行拼接。实验结果表明：本文算法能高效地消除由于曝光差异与几何变形引起的拼接缝,适用于无人机影像快速处理。     

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。     

基于梯度场的拼接缝消除方法

提出了一种基于图像梯度场的拼接缝消除方法--GFBSE.在一般的整体变分模型中引入源图像的梯度场,建立一个基于梯度场的能量函数,通过求解非线性偏微分方程以优化该能量函数来实现拼接缝消除.该方法能够在全局消除图像拼接中的颜色不一致,同时能够较好地处理由于图像配准造成的几何结构的错位.最后与当前常用的几种方法进行了理论和实验上的讨论和比较,表明了GFBSE方法的有效性.     

一种消除伪匹配的图像拼接算法

在图像拼接中进行图像配准,模板特征选取与大小选取在很大程度上影响图像配准的准确度和速度.当相邻两幅图像重叠区域缺乏显著特征,或者存在多个特征相似的部分,就会发生伪匹配而导致拼接失败.该文对图像拼接的伪匹配情况进行分析,提出一种消除伪匹配的图像自适应拼接算法,该算法在匹配上具有更高的相似性特征判别的可靠性,在自动图像拼接中体现出很强的实用性,可以实现重叠图像的正确、平滑的无缝拼接.实际运用结果表明,该方法简单易行.     

基于全变分模型的多时相遥感影像厚云去除算法

针对多时相遥感影像厚云去除出现的亮度不一致和明显边界的问题,提出了一种结合全变分模型和泊松方程的多时相遥感影像厚云去除算法。首先,通过多时相遥感影像间共同区域的亮度信息计算亮度校正系数,对图像的亮度进行校正,降低亮度差异对去云结果的影响。然后,基于选择多源全变分模型对亮度校正后的多时相遥感影像进行重建,提高融合结果的空间平滑性及其与原始影像的相似性。最后,利用泊松方程对重建图像的局部区域进行优化。实验结果表明,该算法能够有效解决亮度不一致和边界问题。     

基于薄云厚度分布评估的遥感影像高保真薄云去除方法

针对遥感影像薄云去除易出现地物失真的问题,在传统加性云污染模型的基础上提出了一种改进的薄云去除方法,即基于薄云厚度分布（HTM）评估的高保真薄云去除方法。首先,基于传统的加性薄云去除算法得到HTM,用整个HTM减去HTM中无云区域的平均值,使得HTM满足无云区域的薄云厚度接近于零;然后,对降质影像中的蓝色地物独立估计薄云厚度;最后,用降质影像减去最终优化的不同波段的薄云厚度得到无云影像。对多幅分辨率不同的光学遥感影像进行实验,实验结果表明,所提算法有效解决了蓝色地物失真严重的问题,改进了降质影像的薄云去除效果,提升了在无云区域的数据保真能力。     

基于可见光的海上船舶油井平台遥感检测

针对目前海上船舶油井提取多是使用已有的非实时陆地岸线提取海域,并且提取算法缺少在大尺度影像上搜索和查找可能存在目标能力的问题,提出一种基于可见光遥感数据的船舶油井检测策略。该策略主要包括综合形态学运算提取海域、目标有无判定算法、迭代最优阈值分割(TS)滑动窗口(SW)目标提取三个部分。探讨了目标有无判定算法中的参数设置和滑动窗口的大小设置,并将提取结果与人工目视解译结果进行了交叉对比验证。结果表明,该策略通过设置合理的参数,可使目标提取的真实精度达到0.981,相对精度达到0.954,表现出较高的实用性。     

单幅光学遥感影像去霾算法及评价综述

光学遥感影像经常受到云或霾影响,而在多数情况下极少能获取辅助数据用于遥感影像去霾;因此单幅光学遥感影像的图像处理去霾算法成为遥感影像预处理的重要技术。目前,不同研究者设计了多种算法,但是缺乏系统性的总结与对比分析,本文旨在系统性地总结单幅遥感影像去霾算法的研究进展,并提供典型算法的基本原理、优缺点及适用场景。采用文献综合分析方法从霾条件影像成像模型、基础原理和结果评价3方面对当前的去霾算法进行归类总结和原理剖析,然后结合具体应用场景分析算法的适用范围和存在问题,并提出可行的解决方案。常见的去霾算法大体可归纳为暗目标减法、滤波法、暗通道先验法和经验变换法4类,这些算法采用的霾条件影像成像模型包括加法模型、霾传输衰减模型和照明—反射模型等;在算法的评估中,常用的手段有主观分析方法、影像光谱特征分析方法以及图像质量指标评估法等。现有算法并不能适用于所有的场景或图像,存在模型参数难以自适应调整、模型对特殊地物类型敏感、处理结果失真严重等问题;算法的评价主要采用主观对比分析方法,根据应用需求构建客观指标成为目前的热点方向。     

基于SIFT特征的异源遥感影像匹配方法研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为影像匹配带来了困难。针对异源遥感影像成像机理的不同特点,从影像特征角度,引入尺度不变特征变换(Scale-Invariant-Feature-Transform,SIFT)方法,实现光学影像、SAR影像和多光谱影像间的匹配;针对SIFT单向匹配算法的不足,引入匹配约束,采用双向匹配策略对其优化,提高了匹配的可靠性。实验表明,该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征等差异的异源遥感影像的高精度匹配。     

最优方向耦合字典学习的遥感影像超分辨率重建

针对遥感影像超分辨率重建问题,提出了一种改进联合字典学习的超分辨率重建模型。利用最优方向字典更新算法进行耦合字典对的学习,将由低分辨率字典学习得到的稀疏系数传递至高分辨率字典学习空间,形成高、低分辨率字典对,重建得到高分辨率遥感影像。该算法通过优化,实现训练样本自动截取,通过验证实验表明：与已有的经典算法相比,提出的算法定量评价指标有明显改善,同时,在字典学习过程中所需时间远少于现有经典算法,大大提高了遥感影像重建的效率,其重建影像更加清晰,几何纹理结构更加明显,证明了该算法的高效性。     

采用分裂Bregman的遥感影像亮度不均变分校正方法

目的：遥感影像成像过程由于受到传感器自身以及其他一些外部环境因素的影响,往往会呈现出整体的亮度不均,导致遥感影像解译和制图精度的降低。因此,需要对遥感影像进行亮度不均匀校正,提高影像的质量。方法：感知驱动的亮度不均变分校正方法,是一种新型的单幅遥感影像亮度不均校正方法,它受人眼视觉系统特性的启发,能够在有效校正影像整体亮度的同时增强局部对比度。本文用分裂Bregman迭代实现了对感知驱动亮度不均变分校正模型的最优化求解,在实现对影像整体亮度不均校正的同时,大幅提高了计算效率。结果：模拟实验和真实实验结果均表明采用分裂Bregman的亮度不均变分校正模型需要较少的计算时间,从效率上比采用最速下降法的校正模型提高了约6到7倍。结论：分裂Bregman方法能够有效求解感知驱动亮度不均变分模型,在保证校正结果整体亮度均匀,局部对比度增强的前提下,大大提高运算效率。