基于GPU的PCA图像融合算法研究

遥感图像融合技术是有效利用多传感器、多平台、多光谱、多时相遥感数据的主要途径.针对经典的主成分分析(PCA)融合串行算法,提出一种新的基于CPU/GPU异构系统的并行PCA融合算法.实验结果表明,基于CPU/GPU异构系统CUDA架构的并行PCA融合算法充分利用GPU的并行处理能力,计算速度提高幅度明显,图像越大越复杂,提高的幅度越大,处理4096×4096图像数据时,最高能获得将近134倍的加速速率,极大的提高了PCA融合算法在实际应用中的实时性.     

遥感图像快速镶嵌并行算法研究

提出了基于Flexible Image Blending算法的遥感图像镶嵌并行算法.该算法根据像素点到中心点的归一化距离计算出相应的羽化权值,克服了现有镶嵌算法需要将图像拆分为两两镶嵌的缺点,能够完全自动地对多幅遥感图像同时进行无缝并行镶嵌,并行遥感图像镶嵌实验结果表明,不仅在视觉效果上有了较大的改善,而且大大提高了执行效率,在大规模镶嵌时有着很大的性能优势.     

并行Kirsch算子计算在PVM环境中的实现

本文提出了计算用于检测图像边缘的Kirsh其子的快速算法和并行算法．在并行虚拟环境PVM中实现了Kirsch算子进行图像边缘检测的并行计算，从而为大规模图像的并行处理提供了一种新的途径．     

基于集群和GPU的高光谱遥感影像并行处理

以高光谱遥感影像数据处理中的主成分分析（PCA）和最小噪声分离（MNF）以及光谱相关系数填图（SCM）算法的并行化为目标,分别在集群环境下基于MPI设计并实现了协方差矩阵并行算法,以及基于GPU设计并实现了SCM并行算法,并在高光谱遥感影像数据处理中得到应用和验证。实验结果表明,高光谱遥感影像数据处理高性能计算对于提高和改善其时间性能具有显著效果,是高光谱遥感工程化应用快速处理重要的技术手段。     

基于引导滤波的遥感图像融合算法

针对目前遥感图像融合算法的不足,提出了一种基于引导滤波的遥感图像融合算法。该算法通过引导滤波器求取加权系数,对小波变换后的小波系数和近似系数进行加权融合,针对融合后得到的小波系数和近似系数应用小波反变换,最终得到融合图像。实验结果表明,文中提出的融合算法所得图像内容丰富、细节清晰、具有良好的实验效果。     

一种基于Red-Black小波的图像融合的改进算法

为增加融合后图像信息量,增强图像清晰度,提出一种基于Red-Black小波图像融合的改进算法。该算法在对源图像进行Red-Black小波变换前,首先进行PCA变换,然后对得到的第一分量作多尺度的Red-Black小波分解,对于高频子带系数和低频子带系数分别采用基于极大值的选择和基于区域方差的融合规则。最后对融合后的各级子图像进行Red-Black重构,并对重构的结果进行PCA逆变换得到融合的图像。实验结果表明,提出的算法进行多光谱图像融合可以很好地保留光谱信息并且有较高的空间分辨率,提高了熵值,增加了融合后图像的信息量,扩大了信息丰富程度,也有效增强了图像的清晰度,具有较好的视觉效果,在遥感图像处理领域有较广泛的应用前景。     

基于多宇宙量子算法的图像融合处理

针对图像融合中量子算法存在的缺点,提出多宇宙并行算法。首先通过量子比特编码来确定宇宙中的个体;接着把量子群分成若干个独立的宇宙,宇宙内部为并行拓朴结构,采用量子旋转门更新量子宇宙个体,通过自适应比例产生不同压力来对量子宇宙之间进行信息交换;最后对图像融合处理包括高、低频部分以及评价指标的建立。实验结果表明本文算法融合结果清晰、处理速度快。     

PCA数值算法在遥感图像处理中的应用

提出一种主分量分析(PCA)的数值算法并介绍了其在遥感图像处理中的应用,主要包括三方面内容:多光谱图像压缩;多光谱图像消噪;多光谱图像与spot全色图像的信息融合.软件实验验证和评价了该算法的有效性和准确性.     

自动化技术与远动技术

0205542面向提高图像分辨率的遥感数据融合新算法[刊]/陈豪//软件学报.—2001,12(10).—1534～1539(K)在遥感应用研究中,数据融合技术有着非常广泛的应用。主分量分析方法(principal component analysis,简称 PCA)是一种经典的遥感数据融合技术,在主分量分析方法的基础上,将小波变换与其结合起来,提出了一种新的基于小波叠加的 PCA 融合算法(addingwavelet coefficients principal component analysis,简称AWPCA)。实验证明,与原来的 PCA 和 IHS 方法相比,基于小波叠加的 PCA 融合算法进一步提高了融合信息的质量,并能应用于其他需要高分辨率图像的场合中。参6采集运动体动态数据方法的比较与分析(见0205100)     

基于GPU的遥感图像前期处理算法研究与应用

针对传统的遥感图像前期处理算法在面对海量地面数据时计算时间很难满足需求的问题,基于RPC模型的遥感成像几何校正算法的并行加速和基于SIFT特征提取的图像匹配技术的并行加速研究。针对几何校正的主要步骤及其速度瓶颈问题,提出了可采用的并行加速方法,同时结合SIFT的特点提出了并行优化加速的方案。采用基于数据划分的并行方法对遥感图像的几何校正和SIFT特征提取算法进行加速。最后利用CUDA环境,在CPU+GPU异构系统下,设计试验对两个算法优化并行提速,试验结果表明,提出的加速方案和优化算法能大幅提高遥感图像的前期处理效率。     

基于PCA 变换与小波变换的遥感图像融合方法

针对传统的PCA变换遥感图像融合技术会丢失部分多光谱遥感图像的光谱信息变量,从而造成光谱图像信息域的失真问题提出了基于PCA变换与小波变换的遥感图像融合方法。该方法首先提出多光谱遥感图像信息域的各波段相关矩阵的特征值变量和特征向量域,对多光谱图像进行主分量的变换,继而求得各主分量变量;然后将非灰度图像与多光谱图像信息域的首个主分量做直方图信息变量的匹配,利用小波变换融合方法来实现多光谱图像信息变量的首个主分量与非灰度图像的融合,其多光谱图像的首个主分量被融合结果来替代; 最后对多光谱图像信息变量的3个主分量变量作逆主分量变换得到所需的最终融合图像信息域。仿真实验表明,该方法使最终融合的图像在多光谱信息的保持与空间细节信息的增强两个方面的综合性能均得到提高。     

基于独立分量分析的多分辨率遥感图像融合算法

研究了目前常用的遥感图像融合方法,提出了基于独立分量分析的多分辨率遥感图像融合方法,分析了用于独立分量分析的目标函数（如峭度、近似负熵和互信息）,给出了独立分量分析的优化快速算法,并详细描述了提取源信息独立分量的具体步骤。最后,将独立分量分析法应用于高分辨率光学图像和低分辨率光学图像的融合,与采用主分量分析法融合的图像相比,图像质量得到很大的提高。     

多小波变换在夜视图像融合算法中的应用

从微光图像和红外图像的特点出发,提出了一种基于多小波变换的夜视图像融合算法.该方法先对夜视图像进行多小波变换得到各子带的多小波系数,其低频系数采用自适应加权融合算子进行融合,高频系数先进行阈值去噪和子带增强,再采用基于频带方向的融合算子进行融合,经多小波逆变换后得到融合图像.实验结果表明,本文算法与单小波融合算法、传统融合算法相比,得到的图像能更好地突出图像的边缘特征,增强图像的可视性和清晰度,并在信息熵、峰值信噪比等客观性能指标上取得了显著的改善.     

红外序列图像的主成分分析算法研究

采用主动式红外热成像检测材料缺陷,在控制外界环境影响因素的前提下,实验研究并分析了热激励时间和探测距离两个检测因素的影响。同步采集得到最佳参数下玻璃钢平底孔试块的红外热图像序列。主动式红外无损检测通常获得包含数百帧图的红外序列,为了获取反映整个图像序列的主要信息,采用了主成分分析算法(principal component analysis, PCA)对图像序列进行处理。首次探究了融合区间对PCA算法处理结果的影响,提出了可依据温差峰值下降的百分数来选择融合区间,并对处理结果进行了主客观的对比评价分析。研究结果表明当温差峰值下降到80%时,选择大于该值对应的序列图像帧数作为融合区间时,PCA处理的效果最佳。最后探讨了PCA处理中减少红外镜头反光等影响因素的策略。     

一种改进的基于多尺度变换的红外和可见光图像融合算法

提出了一种改进的基于多尺度变换的红外和可见光图像融合算法.首先,用形态学帽变换对两幅已经配准的红外图像和可见光图像进行处理,然后将处理后的图像分别进行轮廓波分解得到一系列的高频图像和低频图像.由于高频图像和低频图像特点的不同,对高频图像采用平均梯度进行融合,对低频图像采用PCA的方法进行融合.实验表明,该方法很好地结合了形态学帽变换、主成分PCA算法和轮廓波变换的优点.与传统的融合方法相比,提出的融合方法可以提供丰富的图像信息和清晰纹理细节,且很好地保证了主要目标的亮度基本不变.     

基于CUDA的红外图像快速增强算法研究

针对红外图像边缘模糊,对比度低的问题,文中研究了改进的中值滤波和改进的Sobel边缘检测对红外图像进行处理。在对处理后图像的特征进行分析的基础上,研究了改进的Laplace金字塔分解的图像融合算法,并基于CUDA并行处理技术,在可编程GPU上实现了红外图像快速增强的目的。该算法结合GPU的内存特点,应用纹理映射、多点访问、并行触发技术,优化数据的存储结构,提高数据处理速度,适用于对红外图像增强的实时性要求较高的领域。实验结果表明,该算法有较好的并行特性,能充分利用CUDA的并行计算能力,提高了红外图像增强的实时性,处理分辨率为3 096×3 096的红外图像时加速比达32.189。     

实时图像融合技术研究的硬件实现

在多通道多传感器图像像素级融合算法深入研究的基础上，针对可见光与长波红外图像融合的实际需要，开展其实时实现技术的研究，建立了基于高速数字信号处理器TMS320C62的实时图像融合原理实验系统，并开展了多数字信号处理器并行结构的实时图像融合系统设计与仿真研究。     

基于小波融合和PCA-核模糊聚类的遥感图像变化检测

本文提出了一种变化检测方法以提高算法的鲁棒性、检测精度以及抗噪性.首先对差值法构造的差异图和比值法构造的差异图进行小波融合.然后将融合图像分成互不重叠的小块,并用主成分分析得到图像块的正交基.通过将融合图像中每个像素的邻域小块映射到正交基上使得每个像素用一个特征向量来表示.最后用基于核的模糊C均值对特征向量进行聚类.实验结果显示与使用单一类型差异图的聚类方法相比,本方法由于采用了图像融合的策略而增强了鲁棒性,且由于采用了核模糊聚类,进一步提高了变化检测精度.此外由于使用了特征提取的技术,本方法具有一定的抗噪性能.     

基于边缘强度匹配的图像融合并行算法的研究

图像融合是图像理解和计算机视觉领域中的一项重要课题。随着图像规模的增大,图像融合面临着处理速度的挑战。最近几年,GPU面向通用计算应用得到了快速发展。本文基于GPU编程模型和硬件特性,深入研究了基于边缘强度的图像融合算法,提出了该算法的并行模型。实验结果表明,该方法有效地综合了源图像中的重要信息,融合图像边界清晰,得到较好视觉效果和较优的评价指标,执行速度与CPU上相比提高了3个数量级。