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.     

基于颜色线模型和多尺度融合的水下图像增强

针对水下图像出现蓝绿色偏、雾化和噪声等问题,提出一种基于颜色线模型和多尺度融合的水下图像增强算法.首先,设计一种局部自适应颜色校正方法对退化图像进行预处理,提高图像颜色线拟合效果并降低图像色偏的程度;然后,构建一种利用颜色线和背景光矢量求解偏置来估计透射率的凸优化算法,求得准确的模型参数来恢复图像实现图像去雾;接着,将预处理后的图像利用白平衡算法来补偿颜色的深度选择性吸收所造成的偏色,将白平衡处理后的图像分别利用伽玛校正和基于颜色线约束的噪声抑制算法进行处理,分别得到提高全局对比度和抑制噪声的图像;最后,对去雾、对比度增强和低噪声图像进行多尺度融合,得到特征丰富的水下增强图像.实验结果表明:所提出方法能够有效解决水下图像的色偏、雾化和噪声现象;相对于各对比算法,在水下彩色图像质量评价指标和峰值信噪比上分别提高了18.37%和42.16%,更好地保留了水下图像的颜色并降低了图像噪声.     

基于图像增强与样本平衡优化的行人属性识别

由于采用的监控图像尺寸较小、分辨率低等原因, 行人属性识别一直是一个极具挑战性的任务, 而低分辨率的图像往往又导致数据集存在识别行人主体区域不突出、背景噪音干扰严重等问题. 之前的方法大多将未作处理的原始图像作为输入, 使得属性识别效果一直不够理想, 并且, 属性识别的主流数据集通常存在正负样本不平衡的问题, 例如, 许多行人的服装属性分布有着季节性或习俗性的偏差. 因此, 本文提出一个新的深度学习网络——图像增强与样本平衡优化模型IEBO (image enhancement and sample balance optimization). 该模型通过色彩增强与提取行人主体区域的噪音抑制方法, 在突出行人核心特征的同时消除无用背景信息, 防止其对属性识别造成干扰. 另外模型通过权重调节针对样本不平衡的属性进行优化, 提高不平衡属性的识别能力. 实验最终表明, 新的行人属性识别模型在Market-1501-attribute数据集中取得了较好的性能.     

基于Retinex先验引导的低光照图像快速增强方法

低光照图像增强旨在提高在低光照环境下所采集图像的视觉质量. 然而, 现有的低光照图像增强方法难以在计算效率与增强性能之间达到很好的平衡, 为此, 提出一种基于Retinex先验引导的低光照图像快速增强方法, 将Retinex模型与Gamma校正相结合, 快速输出具有对比度高、视觉效果好和低噪声的图像. 为获取具有良好光照的图像以引导确定与输入图像尺寸大小一致的Gamma校正图, 提出基于Retinex模型的先验图像生成方法. 针对所提先验图像生成方法在极低光照区域中存在颜色失真的问题, 提出一种基于融合的Gamma校正图估计方法, 采用反正切变换恢复极低光照区域的颜色和对比度, 以提升Gamma校正图在极低光照区域的增强性能. 为抑制输出图像的噪声, 考虑到完全平滑的Gamma校正图不会平滑细节纹理的特点, 提出基于域变换递归滤波的Gamma校正图优化方法, 降低输出图像噪声的同时保持颜色和对比度. 实验结果表明, 所提方法不仅在主客观图像质量评价上优于现有大多数主流算法, 而且在计算效率上具有十分显著的优势.     

图像拼接中直线段配准的色彩细节融合方法

基于原始照片中存在的直线段信息, 以多融合源的直线段配准为融合约束, 提出一种用于图像拼接的色彩细节融合新方法。该方法在保证较好实时性的同时, 能较好地解决因不同光照条件和不同拍摄模式产生的多幅接接图像间的色彩不一致问题。实验结果验证了新算法的有效性。     

小波分析在图像处理中的应用

简要介绍了小波分析的基本原理和分类,及其在图像处理中的应用。重点论述了小波分析在图像增强、降噪、压缩和融合中的应用。通过实例充分说明了小波在图像处理中的实用价值与工程作用。     

改进的自动颜色均衡化图像对比度增强

提出了一种改进的自动颜色均衡化方法,用于灰度和彩色图像对比度的增强。通过考虑图像中颜色或灰度的空间分布,首先对图像进行了局部自适应滤波,其中使用了改进的相对亮度表观函数。而后对图像进行动态范围调整以得到最终结果。在对彩色图像处理时,通过将图像从RGB空间转至HSV空间,仅对亮度通道进行滤波以保持颜色不失真。实验结果表明,方法可有效增强图像的对比度,且不会引入明显噪声。     

小波分析在图像处理中的应用

简要介绍了小波分析的基本原理和分类，及其在图像处理中的应用。重点论述了小渡分析在图像增强、降噪、压缩和融合中的应用。通过实例充分说明了小渡在图像处理中的实用价值与工程作用。     

基于弱特征增强的轻量化小目标检测方法

针对复杂背景下小目标特征经多次卷积被背景噪声淹没导致的检测精度低的问题,提出一种增强弱特征表达的一阶段轻量级小目标检测算法SA-YOLO.首先,用改进的ShuffleNetv2网络构建骨干网络,通过嵌入SE注意力模块和Inception结构,提升网络在复杂背景下的特征提取能力,有效地抑制背景噪声,充分提取弱特征;其次,在颈部网络,采用新的特征融合模块,以含有弱特征较多的低层级特征块的空间位置信息对高层级特征进行权重调整,提高不同层级的特征融合利用率,减少小目标的特征损失;最后,在头部网络,用解耦的检测头替换原YOLO耦合的检测头,解耦分类任务和回归任务,提高弱特征的解码能力,增强小目标检测的性能.在公开数据集COCO2017上进行实验,结果表明,SA-YOLO参数量仅有1.14M,小目标平均检测召回率$rm AR_S$达到31.6%.同时,将所提出算法与近几年主流算法进行对比,结果表明,所提出算法在小目标检测方面具有较强的竞争力.     

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。     

多尺度融合残差编解码器的低照度图像增强方法

在低光照环境下,由于光子数极少且噪声较大,线阵相机的感光源不能充分曝光,从而导致图像的质量下降.为此,提出一种多尺度融合的残差编解码器的低照度图像增强方法,直接学习原始传感器RAW明暗图像之间的端到端映射,在完全恢复原始图像细节和色彩的同时有效增强图像的亮度;为了增加特征多样性并加快网络训练速度,在网络结构中加入残差块;为了聚合上下文的全局多尺度特征,设计一个密集上下文特征聚合模块,以弥补网络深层缺失的空间信息.基于SID数据集,与其他10种方法进行对比实验,结果表明,所提方法在视觉效果、定量评价(PSNR和SSIM)方面都明显优于其他大部分方法,可以在恢复图像亮度的同时,有效地表示图像的边缘和色彩等,并在弱光增强下获得令人满意的视觉质量.