基于非下采样Contourlet系数局部特征的遥感图像融合方法

根据多光谱图像和全色图像非下采样Contourlet变换(NSCT)后低频子带和高频方向子带不同的融合目的,提出了一种基于NSCT系数局部特征的遥感图像融合方法。首先将全色图像和多光谱图像的I分量进行NSCT变换,在低频子带采用有选择的加权求和规则,对于高频方向子带系数,在最高分解层上,采用高频方向子带系数绝对值较大的算子,而在其它的分解层,根据高频方向子带系数的区域方差,比较一定区域内各个系数区域方差的大小,采用有选择的融合方法,然后对融合的高频方向子带系数进行一致性检验。实验表明:融合图像在最大限度保持源图像光谱信息的同时,其清晰度较其它的融合方法得到了较大的提高。     

一种基于小波系数局部特征的选择性遥感图像融合方法

提出了一种基于小波变换系数局部特征的自适应选择性遥感图像融合方法,方法的基本思想是根据多光谱和全色图像融合过程中小波分解后的低频和高频部分融合目的的不同,对分解得到的近似和各层各方向的细节分量分别运用3×3的移动模板逐一计算相应区域小波系数阵的不同局部特征量,然后选择适当的阈值,对图像的近似和细节分量分别应用不同的策略在小波域内进行选择性融合,最后通过小波和IHS逆变换得到融合的高分辨率多光谱图像。对比实验结果表明:本文的方法在较好地保留空间细节信息的同时,图像的光谱信息也得到了最大限度地保持。     

一种自适应的基于局部小波系数特征的遥感图像融合方法

光谱保持和高分辨率保留是影像融合的两个重要问题。本文提出了一种自适应的基于局部小波系数特征的遥感影像融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行小波多分辨率分析,而后对分解得到的近似分量以及各层各方向的细节分量利用移动模板逐一提取对应的小波系数矩阵的局部特征,采用本文提出的自适应融合准则在小波域进行影像融合,最后通过小波逆变换得到新的I′分量,与H,S分量一起还原到RGB空间,最终得到融合后的高分辨率多光谱彩色图像。本文采用一组TM多光谱图像和SPOT全色图像数据进行融合实验,利用标准差、熵,光谱扭曲度等5个重要评价指标对融合效果进行数理分析。其实验融合图像的目视效果和统计指标均优于IHS融和方法和小波融合方法。     

基于多尺度局部特征的图像分割模型

为了解决图像分割中灰度不均匀和初始轮廓敏感的问题,提出一种基于多尺度局部特征的图像分割模型.与传统局部邻域定义在方形区域不同,该模型采用圆形区域来获取更多的局部信息;考虑到局部区域灰度的变化程度不一,提出利用多尺度结构与均值滤波器相结合的方法获得多尺度局部灰度信息;通过转换灰度不均匀模型得到一个逼近真实信息的图像,并将其融合进局部高斯分布拟合(LGDF)模型,构造出基于多尺度局部特征的能量泛函.从理论分析和实验结果表明:由于多尺度结构弱化了灰度不均匀的影响,该模型既能快速、准确地分割灰度不均匀图像,又表现出对初始轮廓具有较强的鲁棒性.     

一种基于特征增强的小波图像融合新方法

图像的特征增强可以突出地物的空间结构和纹理特征,文中在分析小波变换系数局部特征的基础上,利用系数的局部方差定义了高频融合因子,进行了合成孔径雷达(SAR)图像和光学图像的融合实验.由于对SAR图像进行增强处理,提高了融合图像的细节清晰度,与传统方法进行比较,得到了更好的融合效果.     

一种基于边缘特征的图像融合方法

图像数据融合是研究如何从多幅图像中恢复原始图像的重要技术,它在图像处理中引起了人们的关注.本文探讨了基于图像边缘特征的图像的融合方法.在对现有的有关融合方法及其所融合效果进行分析的基础上,提出了一种新的基于小波检测边缘的融合方法.实验证明,该方法能有效地保留原图像信息及增强融合图像的细节信息.     

基于模型的人脸图像配准

为了提高活动形状模型算法在图像配准中的鲁棒性,设计了两种基于Fisher变换的局部外观模型,并基于改进的模型提出了一种人脸图像配准算法.新算法结合了改进的模型和传统外观模型,可以较好地抵抗噪声干扰.     

一种基于数学形态学及融合技术的彩色图像分割方法

提出了一种新的彩色图像分割方法,该方法首先利用数学形态学在3个2维彩色子空间进行图像分割,然后将这些分割结果融合在一起得到最终图像的分割。对于RGB彩色图像,3个子空间分别取为RG、RB和GB。而2维直方图则可看作3维直方图在这3个子空间的投影,对这3个2维直方图分别实施形态学中的watershed分割算法,最后通过区域分裂与合并的方法融合这3个2维空间的图像分割结果,获得最终的图像分割。在计算彩色距离时,使用了CIE（L’a’b’）彩色空间。该方法比直接在3维空间的分割方法既快又节约内存,而且分割效果好。     

基于色貌模型的图像颜色校正

近二三十年来,色貌模型的飞速发展促使颜色校正技术从传统的色度阶段步入到色貌阶段。针对颜色校正技术以及色貌模型和图貌模型的研究现状进行了综述,并对模型的性能进行了比较和评价,进一步展望了基于色貌模型的颜色校正技术的发展趋势。     

基于局部颜色间特征的图像语义概念检测

针对基于语义的图像检索系统,提出了一种基于局部颜色空间特征的图像语义概念检测方法。各种基于颜色、纹理和形状的全局特征都存在着众多信息冗余项和干扰项,而该文提出的局部颜色空间特征则是利用语义概念层的先验知识进行特征降维后提取出的特征,它能更好地描述图像的语义内容,且具有容易提取、计算复杂度低的优点。实验结果表明,基于局部颜色空间特征的概念检测方法优于基于全局特征的概念检测方法,将其用于图像检索后的检索精度比采用基于全局颜色特征的方法提高了364%。     

基于物理模型的彩色图像分割

本文给出一个基于光学物理模型的真实彩色图像分割算法.算法首先对图像上的颜色变化(由光照和物体颜色引起)进行分析与综合,然后分割图像.算法的基础是双色反射模型理论,该理论认为反射光的颜色是界面反射(耀斑颜色)和本体反射(物体颜色)的线性组合,这两种反射光在颜色空间的三维直方图中形成特定的聚类(点簇).因此分析聚类的性质可帮助确定光照和物体的颜色,但是有意义的聚类的生成又以图像中物体区域的确定为前提.算法按照假设检验的策略,依据图像中的连通性和颜色空间中聚类的特征,完成彩色图像的分割,并产生对景物中所发生的光学过程的物理描述.该描述包括本征反射图像、分割图像、物体和光照颜色的符号描述.本征反射图像包括只反映界面反射的耀斑图像和从原图像中去除耀斑影响后的本体图像.     

基于彩色图像融合新算法的隐藏武器检测研究

针对隐藏在衣服下的武器融合检测问题,提出了一种彩色可见光图像和红外图像融合的新算法。该算法在基于RGB、HSV和LAB彩色空间变换的基础上,使用了双树复数小波变换技术,该变换明显具有平移不变性、方向选择性、有限数据冗余性、完美重构性和较高计算效率等特点,在融合方面优于其他的小波变换。融合后的图像保持了可见光图像的高分辨率;保留了红外图像中检测出的隐藏武器;维持了可见光图像的自然色彩。该融合技术的可行性在实验中得到了验证。     

基于内容的图像染色方法

利用彩色图像对灰度图像进行染色时,色源图像质量的优劣是染色成功的关键.为此,提出基于纹理和颜色特征的图像染色方法.提取图像视觉内容特征中的纹理和色彩作为索引,计算色源图像与灰度图像的纹理相似度.搜索内容与灰度图像相近的色源图像,以提高染色的成功率.提取色源图像的颜色特征进行像素采样,以增强染色效果.实验结果表明,该方法的染色成功率较高,染色效果较好.     

基于HIS空间的彩色图象分割

提出了一种基于HIS空间的彩色图象自动分割算法．在这个算法中，彩色图象首先被转化到HIS颜色空间．图像分解成彩色通道(H和S分量)和亮度通道(1分量)．我们对彩色通道采用基于J-图象的自动分割算法进行分割．对亮度通道采用水线阈值算法进行分割，然后将分割后的结果进行组合．得到最终分割结果．试验表明，这种方法计算快速简单．是一种高效的自动算法。     

基于色调不变的彩色图像增强

色调是反映彩色图像中色彩信息的重要参数,为了在进行图像效果增强的同时保持色调不变,通常的做法是先把图像从RGB转化到HIS色彩空间,然后在保持H变量(色调)不变的情况下,进行I(亮度)的增强。但是这种方法由于需要进行色彩空间的相互转化,大大增加了计算量。通过对简化HIS模型的分析,提出了一种直接对R、G、B分量进行处理的彩色图像增强方法。该方法可以运用已有灰度图增强算法进行彩色图像的增强,由于不需要进行色彩空间的转化,大大减少了计算量,可用于实时性要求高的场合。实验结果表明,该方案使彩色图像的增强效果明显,运行效率高。     

基于对比度增强的彩色图像边缘检测算法

在分析彩色图像边缘的灰度化和漏检问题的基础上,设计了分解基于分量相关的颜色模型的彩色图像得到的颜色分量进行颜色对比度增强的算法。提出了以该算法为基础的彩色图像边缘检测的改进方法,即对增强后的各分量应用梯度算子检测其分量边缘,最后合成为彩色图像边缘。实验结果表明,文中提出的改进方法,能够检测出图像的彩色边缘,具有检测出的图像边缘细节较完整的优点;又由于该方法是基于像素点处理的检测方法,故不必进行颜色模型的转换,具有方法简单、算法复杂度低的优点。     

特征融合生成对抗网络的水下图像增强

针对水下图像对比度低和颜色失真等问题,提出一种特征融合生成对抗网络的水下图像增强算法.首先,对水下退化图像进行颜色校正,并以卷积神经网络提取颜色校正后图像的特征;其次,以基于U-Net的特征提取网络提取水下退化图像特征,并将其与颜色校正图像的特征融合;最后,通过卷积神经网络完成融合特征到增强图像的重构.在Underwa...