数字图像处理中的插值算法研究

几何运算要求对图像进行灰度值插值,最近邻点插值法,算法简单,但图片放大时会产生明显的锯齿。双线性算法可产生令人满意的效果,但是程序较复杂,运行时间较长。本文阐述了两者的算法原理,并通过实际的效果图描述最近邻点插值法与双线性算法在图像处理中的区别。     

遥感影像重采样方法实现与应用研究

重采样是对遥感图像进行处理的一个重要处理过程。为了保证遥感影像的清晰度、真实度,还有就是图像处理的时间效率,就要选择合适而且正确的方法来处理影像数据,这种选择是非常有实际意义的。本文采用最邻近插值法和双线性插值法这两种重采样方法对图像进行旋转、缩放,并对处理结果进行了对比分析。结果可知:最邻近法速度快,双线性次于它,但是双线性法得出的效果优于最邻近法。所以在选择合适的重采样方法的时候,要综合考虑耗时、产品的效果,从而选择合适的重采样方法。     

基于SUSAN特征点的图像配准算法

提出了一种基于SUSAN算法提取图像特征点并进行图像配准的改进算法。首先采用SUSAN算子对图像进行特征点提取,然后利用最近邻次近邻比值法对特征点进行粗匹配,通过RANSAC（随机抽样一致性）算法剔除错误的匹配点对;最后通过重采样和双线性插值完成图像的配准。实验结果表明,本算法在图像配准中具有一定的有效性。     

基于分形分辨率无关性的应用研究

针对解码图像的方块效应,提出了一种基于分形编码分辨率无关性的新的解决方案。在低分辨率下解码图像后,结合双线性与最近邻点插值方法还原图像。在不改变原编码的前提下,该算法有效地减少了解码图像的方块效应。     

本期摘要

基于SUSAN特征点的图像配准算法作者纪利娥．石继升单位：中北大学信息与通信工程学院．山西太原03005l摘要：提出了一种基于SUSAN算法提取图像特征点并进行图像配准的改进算法。首先采用SUSAN算子对图像进行特征点提取．然后利用最近邻次近邻比值法对特征点进行粗匹配,通过RANSAC（随机抽样一致性）算法剔除错误的匹配点对：最后通过重采样和双线性插值完成图像的配准。实验结果表明．本算法在图像配准中具有一定的有效性。关键词：图像配准．SUSAN算法：最近邻次近邻比值法;RANSACA算法;仿射变换     

基于二代Contourlet域遥感图像双三次插值方法

为了使插值后的遥感图像在尽可能保持原图像信息的同时,显著提高图像空间分辨率,提出一种基于第二代Contourlet变换的遥感图像三次插值算法。在对遥感图像做第二代Contourlet分解基础上,对低分辨率频带中的高频分量做双线性插值变换,使其相似于高分辨率频带中的高频分量。最后,通过反变换得到比原始图像分辨率高的插值图像。实验结果表明,该方法插值效果优于双三次插值算法、小波双三次插值和第一代Contourlet双三次插值算法。     

双二次B-样条插值图像缩放

双线性和各种双三次插值方法是图像缩放中常用方法,但是双二次插值函数却很少被人提起。本文提出了一种基于双二次B-样条局部插值的图像缩放方法,该算法在图像局部重构过程中对称地采用了4×4采样点,并通过对该函数进行重采样来实现图像的缩放,避免了二次函数在图像重构与采样中的相位失真问题,此算法是一个局部性算法,易于扩展。实验结果表明,本文算法得到的图像的峰值信噪比(PSNR)、MISSIM值比双线性插值、双三次卷积、Catmull-Rom三次插值、Dodgson插值算法都要好,接近于最好的双三次B-样条算法,视觉效果虽然不如双三次B-样条插值算法,但优于Dodgson方法,计算时间比双三次B-样条减少了近三分之一。由于该算法没有对图像边缘特征进行特殊处理,对于一些细节纹理比较丰富的图像,将进一步研究。     

基于深度学习与超分辨率重建的遥感高时空融合方法

针对遥感影像的“时空矛盾”,提出一种改进STARFM的遥感高时空融合方法。利用SRCNN对低分辨率影像进行超分辨率重建,由于所融合的2组影像分辨率差距过大,网络训练困难,先将2组影像均采样至某一中间分辨率,使用高分辨率影像作为低分辨率影像的先验知识进行SRCNN重建,再将得到的中间分辨率影像重采样后以原始高分辨率影像作为先验知识进行第2次SRCNN重建,得到的最终重建图像相比原先使用插值法重采样所得图像,在PSNR和SSIM上均有提升,缓解了传感器差异所造成的系统误差。STARFM融合方法在筛选相似像元与计算权重时均使用专家知识提取人工特征,基于STARFM时空融合的基本思想,以SRCNN作为基本框架 自动提取特征,实验结果表明,其MSE值相比原方法更低,进一步提高了遥感时空融合的质量,有利于充分利用遥感影像。     

一种分区域多方向数据融合图像插值方法

为满足高端工业检测中对检测精度和检测时间的严格要求,针对现有图像插值方法在插值速度与精度方面的矛盾,本文提出了一种分区域多方向数据融合图像插值方法。在灰度平坦区域,采用双线性插值算法进行插值。在边缘纹理区域,则选取待插值点在源图像中对应点的4×4邻域内4个插值方向上距离最近的12个像素点,基于距离平方反比计算估计值;然后结合方向灰度梯度和插值距离两个权 重因子,进行数据融合,获得最终插值。实验表明,新提出的插值方法运行速度快,并且在图像任意级别变换时都具有较高的插值精度,能够很好地保持图像的边缘纹理细节。     

不同插值方法实现数字图像旋转研究

随着数字图像技术的发展,数字图像处理广泛应用于几乎所有与图像处理有关的领域。图像的几何变换是数字图像处理中一个基本的、非常重要的变换,而旋转变换是几何变换中最复杂的变换。分析了图像旋转的几何原理,并对图像旋转中用到的插值处理方法,即：最近邻法、双线性插值法和双三线性插值法,进行了比较和分析,在此基础上对其应用进行了阐述。     

结合中值滤波的彩色自蛇模型在遥感图像放大的研究

研究了彩色自蛇模型的形成过程,对遥感TM图像进行了后处理放大处理,采用最邻近点插值、双线性插值、三次样条插值、双立方插值、双二次插值。针对插值放大后的图像的边缘出现锯齿化和模糊化问题,由于彩色自蛇模型本身不仅具有边缘锐化功能,它可以消除边缘锯齿化和边缘模糊化问题,而且具有去噪的能力。采用彩色自蛇模型进行后处理,并对处理后的残余斑点进行研究,结果采用了中值滤波的方式取得更好的效果,并对含噪的遥感图像也有较好的放大效果,实验结果证明该方法适于遥感图像的放大处理。     

Surfer网格化方法的选取及其在区域自动气象站数据服务中的应用

通过实例,分别介绍了加权反距离插值法、克里格法、最小曲率法、最近邻点法、多项式回归法、径向基函数法、带线性插值的三角剖分法等常用网格化方法的选取方法,适用范围及参数设置等使用技巧及其在区域自动气象站数据服务中的实际应用。     

遥感湖泊面积MTMF提取方法及空间尺度效应研究

主要研究遥感湖泊面积亚像元分解提取方法和空间尺度效应,为遥感湖泊面积提取、检验及基于此的局地气候变化分析提供科学的基础数据。在对TM遥感数据进行升尺度处理的基础上,采用混合调制匹配滤波(Mixture Tuned Matched Filtering,MTMF)进行亚像元分解,得到不同空间分辨率的湖泊面积。进而分析不同面积湖泊随遥感空间尺度的变化。结果表明:(1)当通过对高空间分辨率的遥感数据重采样获取多尺度遥感影像进行湖泊面积提取及湖泊空间尺度效应分析时,采用最近邻法比像元聚合重采样法更合理。(2)MTMF亚像元分解法可以用于基于水体光谱特征的遥感湖泊边界提取和面积计算,但边界提取过程中容易将湖泊与河流或其他非湖泊的水体混淆。(3)遥感湖泊面积的提取结果受所用遥感影像空间分辨率的影响较大,影像的空间分辨率越低,湖泊面积提取的偏差越大,尤其对面积较小的湖泊。     

基于控制点配准算法的无人机遥感影像自动无缝拼接技术

传统无人机遥感影像自动无缝拼接技术无法精准匹配影像信息,导致无人机遥感影像拼接结果出现大量缝隙,拼接效果差。因此提出了基于控制点配准算法的无人机遥感影像自动无缝拼接技术。遵循无人机影像成像原理,获取无人机遥感影像,并将数据以图像格式文件形式存储。设置阈值,剔除最邻近域和次邻域比值大于阈值的控制点,对影像坐标平移和缩放数据标准化处理,彻底消除坐标变换对图像配准影响。构建相似变换矩阵,获取新的控制点集,使用直接线性变换算法预估变换矩阵,得到线性解。经过粗、细配准,确定不同图像重叠区域。搜索最佳拼接线,使用加权平均融合法消除拼接缝,由此设计拼接流程。由实验结果可知,该技术能够精准匹配影像信息,检测到影像最大分辨率为1000*800,具有良好拼接效果。     

基于SIFT的遥感图像配准方法

针对多传感器遥感图像配准问题,改进了一种基于SIFT的图像自动配准方法.首先提取图像中适应尺度变化的局部不变特征点,提出了利用最近邻特征点距离与次近邻特征点距离之比的互对应约束得到初始匹配点对,然后利用RANSAC(Random Sample Concensus)算法删除误匹配特征点对.试验结果表明:该方法能够实现多传感器遥感图像和不同分辨率图像的自动配准.     

一种等值线填充并行算法

通过获得的计算机CPU个数对要形成的网格场进行子区域划分,对各子区域用反距离加权插值法,双线形插值方法将离散气象数据格点化后形成网格数据场,对各子区域进行OPENMP的并行算法处理形成等值线填色场。实验结果表明,并行计算使系统的处理速度有较大提高。     

北京一号灾害监测小卫星数据几何精校正研究

北京一号是具有双遥感器的灾害监测小卫星,其星载的CCD多光谱传感器可以获取32m的多光谱数据。本文对2005年11月14日的北京天津地区遥感图像数据进行了几何精校正研究,根据图像自身特点和后续研究需求采用有限元模型对空间位置进行校正,采用最临近法重新采样,矫正后的图像满足后续使用精度要求。     

一种基于模糊关联分类的遥感图像分类方法

遥感图像分类是遥感领域的研究热点之一.提出了一种基于自适应区间划分的模糊关联遥感图像分类方法(fuzzy associative remote sensing classification,FARSC).算法根据遥感图像分类的特点,利用模糊C均值聚类算法自适应地建立连续型属性模糊区间,使用新的剪枝策略对项集进行筛选从而避免生成无用规则,采用一种新的规则重要性度量方法对多模糊分类规则进行融合,从而有效地提高分类效率和精确度.在UCI数据和遥感图像上所作实验结果表明,算法具有较高的分类精度以及对样本数量变化的不敏感性,对于解决遥感图像分类问题,FARSC算法具有较高的实用性,是一种有效的遥感图像分类方法.     

Fourier-Mellin变换不同时相遥感影像自动配准研究

多时相遥感影像配准是变化检测的关键步骤。由于不同时相的遥感影像差异,且在传感器参数未知情况下,很难完成其自动配准。基于傅里叶-梅林变换（Fourier-Mellin Transform,FMT）影像配准其实就是基于傅里叶变换和对数极变换的全局相位相关。这种方法在进行频域计算时找到了配准的变换参数,并且对噪声和遮挡等很鲁棒。提出了一种基于Fourier-Mellin算法的改进配准方法。Fourier-Mellin变换由于旋转的频谱混叠和旋转变换中插值误差而产生错误。为了得到更好的配准结果,通过加窗和滤波来提高峰值、减少频谱混叠、增加鲁棒性。     

一种卫星遥感影像村庄区域提取算法

卫星遥感影像提取村庄区域在地理和气象领域均有十分重要的意义.针对卫星遥感影像的特点,提出了一种村庄区域提取方法.利用改进的去雾算法对卫星遥感影像进行预处理,通过遥感卫星影像的颜色特征实现分割,结合村庄区域分布特点进行去噪处理,实现卫星遥感影像村庄区域的提取.实验结果表明:该算法能够对卫星遥感图像中不同类型村庄区域进行提取,且提取准确率高,可以应用于地理以及气象等领域.