基于局部不变特征的直方图相关匹配方法

将一种基于局部不变的特征描述符ARPIH(Angular Radial Partitioning Inten-sity Histogram)与直方图相关性判断结合起来,提出了一种新的图像匹配算法。本方法保留了ARPIH描述的优点,在匹配旋转、亮度变化、透视等畸变图像时显示出了鲁棒性。通过求取模板图像和目标图像的两个描述直方图间的相似点的个数进行相似性匹配,提高了匹配精度。     

小波和仿射不变矩的目标特征提取方法研究

不变矩是目标识别中重要而有效的特征提取方法。利用小波矩具有的多尺度、平移和旋转不变性进行特征提取,有较高的识别率。但当拍摄角度不同,图像发生形变,识别效果降低。针对这一问题,提出了一种将小波矩和仿射不变矩相结合用于目标特征新的提取方法,并验证本方法的鲁棒性更高,识别效果更好。     

遥感影像直方图修正及彩色变换

遥感技术是当前人类研究地球资源环境的一种主要技术手段。针对遥感影像的特点，对其进行直方图修正及彩色变换的数字图像处理，用VC＋＋6．0程序设计语言，实现几种变换。     

图像的不变矩特征及NMI特征研究

图像识别的方法及其技术实现系当前模式识别研究领域中最为热门的研究课题之一。本文针对NMI（归一化转动惯量）特征识别和仿射不变矩特征识别二种图像特征识别方法，通过实验分析该二种识别方法在旋转不变性、缩放不变性、随机噪声不变性上的差异。实验数据显示NMI特征识别方法在三种情况中均具有最佳的不变性特征。     

基于匹配的遥感影像自动纠正方法研究

针对多源遥感影像人工几何纠正方法存在精度差、效率低等问题，提出了一套新的基于匹配技术的自动纠正算法流程.该流程基于仿射变换对待纠正影像和已地理编码的参考影像进行粗配准.在利用Harris算子从两幅图像中分别提取特征点的基础上，通过由特征点和小波影像金字塔引导的从粗到精的匹配策略获得控制点对，再利用多项式拟合迭代法剔除错误点对.在获得大量的高精度控制点对后，利用不规则三角网(TIN)仿射变换法对影像进行纠正，并对杭州地区多源遥感影像进行纠正试验.结果表明,使用该方法选取的控制点均方根误差(RMSE)可以控制在0.5个像素以内.     

基于不变矩理论的字符串图像识别方法研究

针对字符串的特点,提出了采用基于旋转投影不变矩来识别字符的方法.先将出现偏斜的字符串进行旋转,使其与水平方向平行,然后将字符的灰度图像从上向下进行投影,对黑点像素进行累计求和,构成灰度累计分布图.该分布图具有平移和尺度放缩不变性的特点,因此可以将每个英文字母的灰度累计分布图作为一个几何形状,使用Hough变换对它们进行识别.文中对字符串自动找正、灰度累计分布图的生成、自动阈值选择技术以及Hough变换等关键技术进行了研究,并给出了26个英文字符的灰度累计分布图和投影不变矩值.经实际使用证实该方法的效果很好.     

基于活动轮廓结合目标匹配遥感图像识别算法

随着当今遥感技术的飞速发展,遥感图像的精度和复杂度越来越高,为了从复杂大量的遥感图像中识别出感兴趣的目标区域,本文提出了活动轮廓分割结合目标匹配的遥感图像识别算法.所提出的活动轮廓算法,基于一个区域外法线向量的演化曲线模型,改善了原始的轮廓模型的边缘泄露问题和运算速率.新设计的模型用来提取目标匹配所需要的模板区域,并对其进行填充来构造完整模板.之后通过具有方向不变性的圆投影算法来进行目标区域的匹配进行筛选,并进一步对筛选出来的区域通过具有良好的几何区域不变性的仿射不变矩对目标区域进行分析,从而得出最终所判断的目标区域.最后通过实验验证了所设计的算法具有计算速率快,初始化限定少,演化能力强和鲁棒性强的特点.本算法适用于多种刚性目标的遥感图像识别.     

基于不变矩的图像匹配在生产中的应用

随着高科技的迅猛发展,图像匹配技术也得到广泛的应用,在很多领域里图像匹配技术都起着举足轻重的作用。图像匹配主要有以灰度作基础与以特征作基础的匹配。在此主要以不变矩图像匹配技术为代表,对其进行相关论述,并探讨该技术在生产中的主要应用。     

基于Contourlet变换和不变矩的图像检索方法

利用Contourlet变换具有良好的稀疏特性及其能准确捕获图像中边缘信息的特性,提出一种基于Contourlet变换和不变矩的图像检索方法.利用Contourlet变换分解得到高、低频子带,计算各高频子带的信息熵和低频子带的7个不变矩构成图像的特征向量,采用不同权值的欧氏距离作为图像的相似度进行检索.实验结果表明,该方法具有较高的查准率,能够对纹理图像进行很好的分类和检索.     

基于SVMs的大幅遥感影像目标快速检测方法

针对高分辨率遥感影像数据幅度大、内容复杂的现状，提出了基于分层分类器的检测方法。从简化分类器的结构和缩减检测区域探讨了提高系统效率的途径。实验表明，这种新的搜索策略提高了大幅遥感影像目标检测的效率。     

航空遥感影像渐晕复原方法

针对航空遥感影像在拍摄过程中相关参数不易获取的问题,提出了利用逐行扫描及数据拟合的方法来获取影像整体灰度变化情况,从而实现影像渐晕现象的复原。实际航空遥感影像的处理结果表明,该方法能够有效去除影像的渐晕现象,处理效果比传统的光学和几何纠正方法更为理想。由于该方法不需要相关的光学和几何参数,因此具有广泛的适用性。     

A RBF classification method of remote sensing image based on genetic algorithm

Alongwith the increases of resolution of satellite re-mote sensing image and aerial remote sensing image,people may obtain more useful data and information fromthe remote sensing image[1,2]. Following " the digitalEarth" concept proposed, more and more civil situationsneed to use the remote sensing image, including re-sources investigation, natural disaster observation,weather forecast and so on. Because the applications ofremote sensing image in different situation has put for-ward for differ…     

基于蚁群算法的遥感图像聚类方法

聚类分析是遥感图像非监督分类的有效方法,蚁群算法具有离散性和并行性的特点,蚂蚁觅食行为、蚂蚁堆积尸体行为和基于蚂蚁自我聚集行为的聚类算法是目前研究较为广泛的3种基于蚂蚁的仿生聚类算法.为验证上述3种算法的有效性,在对这3种聚类算法进行研究的基础上,针对遥感图像进行了聚类实验.实验结果表明,基于蚂蚁的聚类方法对图像的聚类分析是有效的,较传统的k均值和模糊C均值算法有一定优越性.     

基于小波包移频算法的遥感图像融合技术

为了对分类最小二乘支持向量机实施有效的稀疏化，以提高分类速率，采用分类相关分析算法，按序提取样本核矩阵的全部分类相关成分，并依据样本核矩阵各列与分类相关成分的相关性，对训练集所有个体按分类的重要性排序，进而可选取最重要的部分个体作为支持向量，并将其余非支持向量的信息转移至支持向量，以提高支持向量的分类表达能力.由此构建一种新的稀疏型最小二乘支持向量机CS LSSVM，并将其应用于多个模式分类的实际问题.测试结果表明，CS LSSVM稀疏性很强，且保持了标准LSSVM的分类性能，还可直接适用于多类问题.     

基于提升格式的高光谱遥感图像压缩算法

高光谱遥感的特点是谱分辨力的提高,但其高数据维给图像进一步处理带来了困难,因此有必要对其进行有效压缩处理.该文以提升格式为基础对高光谱图像压缩算法进行了研究,充分考虑了高光谱图像的空间相关性和谱间相关性,采用自适应波段选择的谱间压缩方法,通过自适应选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量,然后采用梅花形网格分解方法构造出第二代小波变换,从而对二维图像进行空间压缩,可实现提升格式的分解和完全重构.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低,以提升格式为基础的第二代小波变换比第一代小波变换取得更好的空间压缩效果.     

基于一致性直方图的超声乳腺图片分割方法

为了在乳腺超声图像中准确的分割出病灶,提出了新的一致性定义,把纹理信息应用到计算一致性中.基于最大熵准则求一致性阈值,把超声图片分为两个子集,一致性区域和非一致性区域;对一致性区域采取求直方图谷值的方法分割,而用邻域信息处理非一致性区域,从而完成对图像的分割.实验结果表明:该分割过程既考虑了图像的局部信息,又考虑了全局信息,弥补了传统的直方图分割算法无法包含局部信息的缺陷.算法处理结果得到了超声医学专家的认可;通过采用差异实验方法评估,取得了理想的效果.     

遥感图像中基于视觉显著性的分层目标检测

针对遥感图像自动判读的应用场景,提出了一种基于视觉显著性的分层目标检测方法。该方法对于每一个特征定义一个偏好函数,并定义一个将各偏好函数计算的多个视觉显著性图像合成为一个视觉显著性图像的合成偏好函数。首先对低分辨率目标图像分别使用各偏好函数计算对应特征的视觉显著性图像;然后使用合成偏好函数计算合成的视觉显著性图像;最后定位出合成偏好函数取得最大值的区域,并将其作为最有可能包含目标的候选区域。这三个步骤在定位出的候选区域对应更高分辨率的图像上反复进行,直到待检测目标被发现或者被确定不存在为止。实验结果证明,该方法能够尽早地略过那些不包含目标的区域,与传统的目标检测方法相比,具有更好的检测效果和更少的计算量。     

一种基于矢量量化的高光谱遥感图像压缩算法

压缩是高光谱遥感(hyperspectral remote sensing)图像的一个重要研究领域.文中充分考虑了高光谱遥感图像的谱间相关性较强而空间相关性相对较弱的特点,采用了自适应波段选择降维方法与基于神经网络的矢量量化方法相结合的方法对高光谱遥感图像进行压缩.首先采用自适应波段选择(Adaptive band selection)的谱间压缩方法,通过自适应地选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量.然后对降维后图像在空间进行小波变换并进行矢量量化,最后对量化后数据进行自适应算术编码.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低;基于神经网络的SOFM算法及其改进算法取得较好的空间压缩效果,实现了对高光谱遥感图像的有效压缩.     

基于MASK算法的遥感影像匀光处理研究

针对现有的MASK匀光算法不足现象,提出一种针对MASK结果影像的梯度拉伸算法,实验证明:与2%线性拉伸和对比度参数拉伸相对比,该算法在解决遥感影像亮度分布不均匀问题的同时,保障影像的清晰度,增强细节反差,达到很好的匀光效果。