一种新的清晰度评价算法

高效、准确的图像清晰度评价是实现基于分块的多聚焦图像融合的关键.在分析了图像清晰度影响因素和现有图像清晰度评价方法优缺点的基础上,提出了一种改进的应用平均梯度函数的清晰度评价,建立了评价清晰度函数的数学模型,并对不同聚焦图像进行实验和仿真,比较了各种评价函数.结果表明,该方法具有独立性好、精确度高、对比度明显等优点,能够应用于实际的图像清晰度评价和多聚焦融合中,具有较高的实用性和可靠性.     

不同物距下的自动聚焦方法研究

目前对不同物距情况下的自动聚焦问题研究较少，为此提出了解决这一问题的自动聚焦方法。首先分析了不同物距的多个物体之间的成像关系和在不同物距情况下的图像清晰度评价函数的性质，然后提出了一种图像中心窗口的方法和用作图像清晰度评价函数的二维加权DCT系数的方法，最后采用一种改进的搜索策略对图像进行自动聚焦。实验结果表明，该方法可有效地对不同物距的图像进行自动聚焦。     

一种图像清晰度评价方法

图像清晰度评价在图像分析和识别中具有重要的意义.对于同一内容的图像,清晰图像的边缘相对模糊图像具有较大的灰度变化率的特征.提出了一种以图像边缘灰度变化率为指标的图像清晰度评价方法,即以每一行灰度值连续下降间隔像素点数最多的边缘灰度变化率代表这一行的灰度变化率,计算出图像所有行灰度变化率均值为评价指标.分析了清晰图像与模糊图像某行边缘灰度变化规律,设计了这种新的图像清晰度评价方法的实现流程.以红外图像和一般的可见光和运动模糊图像为对象,进行了该方法与相邻像素灰度方差法和方差法对比研究.实验结果表明:该方法能更好地满足单调性和无偏性,具有更高的灵敏度.     

基于清晰度的数字视频客观质量评价方法研究

清晰度是视频图像质量的重要指标,对视频主观质量评价结果有直接的影响,定量计算图像清晰度可以作为视频客观质量评价的重要参考指标.本文提出了三种基于图像清晰度的视频客观质量评价算法,比较了它们在性能和复杂度方面的差异.实验结果证明,本文提出的三种基于清晰度的客观质量评价方法算法的准确性比现有评价算法均有一定程度的改善.     

基于边缘轮廓线提取的自动对焦评价函数

红外序列图像清晰度评价对热像仪测温标定至关重要。文中针对传统空域评价算法的不足,提出一种基于图像轮廓线分割的红外序列图像清晰度评价方法。此算法基于变分水平集理论以能量泛函的最小化为目标,来求解使曲线趋向于目标,从而提取出红外图像中目标物的轮廓线;通过选取目标物体轮廓线两侧灰度均值大小来描述图像的清晰程度。以红外热像仪在标定时获取的序列图像为研究对象,运用文中所提出的方法与SMD,EOG,Robert,Wavelet算法之间的对比性分析。实验表明:文中所提方法满足清晰度评价函数所具有的单调性,无偏性与良好的灵敏度。     

空间遥感相机的自动检焦技术研究

本文介绍应用图像处理法对推扫成像的线阵CCD空间遥感相机进行检焦研究。以推扫方式成像的线阵CCD遥感相机连续拍摄的两幅图像之间没有重复的部分,这给图像清晰度评价函数的选取增加了难度。本文根据光学传递函数理论建立了基于模糊量估计的粗调焦评价函数,通过两幅离焦位置不同的图像就可以估算出离焦量,从而可直接驱动镜头至准焦位置附近。根据功率谱对于自然景物具有一定的不变性原理,建立了基于功率谱的细调焦评价函数,进一步找到了准焦位置。仿真实验表明,这种粗精相结合的检调焦方法既能保证聚焦精度,又能提高聚焦速度。     

图像融合质量评价方法研究

图像融合的清晰度直接影响到图像融合系统的实用性.在分析现有主客观图像质量评价方法的基础上,提出了以亮度、对比度和信息量为基础的图像融合质量评价方法.利用多种图像融合算法,对红外与微光图像融合后的结果进行了质量评价.实验表明,该方法是一种实用的、有效的车载图像融合质量评价方法.     

一种基于倒谱的人脸图像清晰度评价方法

针对人脸图像清晰度,给出了一种基于倒谱的定量评价方法。实验结果表明,与传统方法相比,所提出的清晰度评价方法能更加准确地评价出人脸图像的质量;采用该方法对人脸识别样本进行筛选,能有效地提高自动人脸识别的识别率,且对整体识别时间影响很小,因而更适合用作自动人脸识别中的图像质量评价。     

采用加权最小二乘准则的影像仪自动对焦方法

针对影像测量领域中自动对焦方法存在的对焦准确性不高、对焦过程复杂等问题,提出了一种采用加权最小二乘准则的自动对焦方法.首先,根据不同种类图像清晰度评价函数的评价特性,选定对焦过程中所用的图像清晰度评价函数.其次,在图像清晰度评价函数的基础上进行两阶段对焦,即粗对焦阶段与精对焦阶段.然后,分析了加权最小二乘准则中加权系数的确定原则并给出了其具体确定方法.最后,对精对焦阶段所得清晰度评价值进行归一化处理,采用加权最小二乘准则进行高斯曲线拟合求取极值,极值位置即最终正焦平面.实验结果表明:在步距为0.1mm的条件下,该方法与现有的洛伦兹(Lorent)、Gauss拟合方法相比,对焦误差由0.05 mm降低到0.02 mm,有效地提高了现有曲线拟合法的对焦准确性.     

基于改进细菌觅食优化算法的遥感图像增强研究北大核心CSCD

为了提高遥感图像增强的效果,采用改进细菌觅食优化算法。首先细菌基于双sigmoid型乘积隶属函数进行自适应步长趋化更新,前期进行全局搜索,后期进行局部搜索;接着细菌繁殖基于裂变算法更新,细菌迁徙基于双高斯函数更新;然后对遥感图像的低频、高频部分采取不同的增强方法,低频部分对比度提高以便对图像进行平滑处理,高频部分去噪增强突出边缘轮廓;最后给出了算法流程。实验仿真显示本文算法对遥感图像增强清晰,图像的信息熵平均值为7.158、清晰度平均值为28.59,相比其他算法评价指标较好。     

基于应用的可见光遥感图像质量评价方法研究

遥感应用需求的增加和应用水平的提高,对遥感图像质量提出越来越高的要求。为提高图像质量,一方面不断改进成像系统,另一方面也研究开发出各种图像处理方法,其中如何评价图像处理前后图像质量的变化是处理算法开发的重要环节。从应用的角度,通过对比评价图像处理前后的质量,初步研究提出了基于图像应用的主、客观评价方法,以找出算法处理的薄弱环节,为算法的优化提供支持。     

基于改进的扩散平滑和RBM的高光谱图像分类

为了改善传统分类方法在高光谱遥感图像去噪和特征提取方面的不足,提出了一种基于改进的扩散平滑算法和RBM的方法.该方法使用自适应扩散系数,对相应的区域进行不同程度的扩散平滑,实现了对高光谱遥感图像的快速去噪;然后利用多层限制玻尔兹曼机构建DBN网络,实现对高光谱遥感图像的分类.实验表明,与传统的分类方法和DBN相比,该方法在高光谱图像地物分类精度上有所改善.     

基于多流融合生成对抗网络的遥感图像融合方法

由于强大的高质量图像生成能力,生成对抗网络在图像融合和图像超分辨率等计算机视觉的研究中得到了广泛关注。目前基于生成对抗网络的遥感图像融合方法只使用网络学习图像之间的映射,缺乏对遥感图像中特有的全锐化领域知识的应用。该文提出一种融入全色图空间结构信息的优化生成对抗网络遥感图像融合方法。通过梯度算子提取全色图空间结构信息,将提取的特征同时加入判别器和具有多流融合架构的生成器,设计相应的优化目标和融合规则,从而提高融合图像的质量。结合WorldView-3卫星获取的图像进行实验,结果表明,所提方法能够生成高质量的融合图像,在主观视觉和客观评价指标上都优于大多先进的遥感图像融合方法。     

基于最大化对齐度的多模态图像自动配准

该文讨论图像配准的广义定义并提出一种新的图像配准准则对齐度。对齐度能够正确地反映两幅不同灰度属性的图像是否配准,并且将图像配准归结为对齐度的最大化。新准则可以用来配准多模态图像包括灰度属性差异很大的图像。该文应用多分辨率方法和Powell方向族搜索法来最大化对齐度。因此,用该方法可以自动地处理图像配准问题,不需要定义地标点或特征点。多模态医学图像和遥感图像的自动配准的例子说明了该文方法的有效性。     

联合辐射指数的多流融合网络空谱融合方法

结合遥感图像融合的特点,提出一种联合辐射指数的多流融合生成对抗网络的遥感图像融合方法。该方法从初始的多光谱图像和全色图像中按照特定的规则提取特征图,利用生成器子网络分别提炼输入的多源图像,在特征域上叠加特征后通过生成器的主网络进行融合。根据遥感领域中多光谱图像和全色图像在波段上的特性,在判别器中引入调制传递函数(MTF)来判别融合图像的光谱信息和空间结构信息。为评估所提方法的有效性,进行视觉分析,并与其他算法进行客观评价的比较。实验结果表明,该方法在视觉效果和客观评价上优于其他算法。     

融合层次聚类的高分辨率遥感影像超像素分割方法

为解决遥感影像分割尺度自动选取难的问题,提出了融合层次聚类的高分辨率遥感影像超像素分割方法。首先采用自适应形态重建的分水岭分割算法将影像分割成多个超像素;然后提取各超像素的灰度特征向量;最后利用层次聚类方法进行超像素合并,实现高分辨率遥感影像的精确分割。实验选用4组景遥感影像;采用定性和定量相结合的方法评价实验结果。实验结果表明,该方法有效提高了遥感影像分割精度,并取得了较好的分割视觉效果。     

Parallel design of convolutional neural networks for remotesensing images object recognition based ondata-driven array processor

Object recognition in very high-resolution remote sensing images is a basic problem in the field of aerial and satellite image analysis. With the development of sensor technology and aerospace remote sensing technology, thequality and quantity of remote sensing images are improved. Traditional recognition methods have a certainlimitation in describing higher-level features, but object recognition method based on convolutional neural network(CNN) can not only deal with large scale images, but also train features automatically with high efficiency. It ismainly used on object recognition for remote sensing images. In this paper, an AlexNet CNN model is trained using2 100 remote sensing images, and correction rate can reach 97.6% after 2 000 iterations. Then based on trainedmodel, a parallel design of CNN for remote sensing images object recognition based on data-driven array processor(DDAP) is proposed. The consuming cycles are counted. Simultaneously, the proposed architecture is realized onXilinx V6 development board, and synthesized based on SMIC 130 nm complementary metal oxid semiconductor(CMOS) technology. The experimental results show that the proposed architecture has a certain degree ofparallelism to achieve the purpose of accelerating calculations.     

灰度遥感图像去云技术及其质量的分析

为了尽可能地呈现灰度遥感图像的信息,对灰图遥感图像分别用小波变换法、改进型多尺度Retinex算法、同态滤波法进行了图像增强处理,分别采用亮度、对比度、亮度与对比度乘积、图像信息熵和变换后的图像与原始图像相比较的保真度等指标对增强后的图像进行分析。结果表明,以采用多尺度Retinex算法增强后,在亮度平均值附近1倍标准差截断、拉伸后得到的图像亮度、对比度、亮度与对比度乘积最高,图像质量最好;小波变换后得到的图像对比度和信息熵最高,去云效果较好;取参量n=1的同态滤波法增强后得到的图像其保真度最高,与原图像最接近,去云效果一般;改进型多尺度Retinex算法和小波变换分别对乌云和白云去除效果最佳。     

基于小波变换的高分辨率遥感图像复原算法实现

为了促进遥感图像的后续研究,针对高分辨率遥感图像实现了基于小波变换的迭代收缩（IST）图像复原算法。考虑到算法在复原过程中对内存需求较大,实现过程中采用内存映射文件的方法,将高分辨率遥感图像映射到进程地址空间。针对分块复原图像时通常会伴有边缘跳变现象,影响拼接后的图像质量的问题,使用特殊分块策略对图像进行分块处理。复原算法在VC平台下实现,通过遥感图像复原实验,并对复原图像进行评价分析,复原性能和效率良好。