遥感图像中的黄河主溜线高效提取方法

黄河主溜线的趋向直接影响黄河的防洪决策与规划,而现有的主溜线演进方法需判断每一步河流方向。提出一种河流直向化的预处理方法,利用光谱相似性原理提取河流域,然后轮廓跟踪河流域外边界,对边界内的河流域通过线性插值的方式进行直向化处理;动态演进直向河流的主溜线,随后将其逆映射回原图像,获得原图像中河流域的主溜线。结果表明,运用直向化预处理方法提取主溜线,在没有降低误差精度的基础上,避免了频繁地检测河流走向,简化了主溜线的演进模型。     

SAR图像中的黄河主溜线提取

黄河主溜线的提取可为防洪堤的设计、管理以及防灾决策等提供科学可靠的依据,对黄河的生态环境建设、治理和堤岸的稳固也都具有十分重要的意义。这里利用SAR全天候、全天时成像的优势,依据主溜区与非主溜区波浪差异的物理特性,基于现代谱估计方法提出了一种黄河主溜线的提取方法。通过实际SAR数据实验,验证了算法的有效性。     

线形特征检测及其在黄河主溜线上的应用

提出一种从点状随机分布背景中检测连续曲线的方法。根据曲线连续性特征,采用动态规划算法寻求数据集中最显著的曲线特征,给出了在基于多光谱影像黄河主溜线检测中的应用实例。由于黄河主溜区域和非主溜区域光谱差异小,造成提取出的主溜点存在一定散布情况。根据河流相邻主溜点之间的连续性,分析了算法在主溜线检测中的可行性,并用实验验证了算法的有效性和与曲线拟合方法相比的优越性。     

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IHS变换与小波变换的遥感图像融合

针对多光谱图像与全色图像的融合,本文提出了一种基于IHS变换和小波变换的遥感图像融合方法。新方法首先对多光谱图像作IHS变换,得到亮度I,色度H,饱和度S三个分量;其次,利用小波变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像替代多光谱图像的亮度分量;最后,作IHS反变换得到新的多光谱图像。主观视觉效果分析和客观统计参数评价分析表明,新方法的性能优于IHS变换融合方法、小波变换融合方法和PCA变换融合方法,不仅较大地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息。     

一种新的基于主分量变换与小波变换的图像融合方法

为了更好地进行不同分辨率图像的融合,提出了一种基于主分量变换与小波变换结合的多光谱图像与高分辨率图像融合方法。该新方法首先对多光谱图像进行主分量变换;然后分别对其第1主分量与高分辨率图像进行小波变换,并采用成像强度对比法有效地将经小波分解的高分辨率图像的低频分量信息融合到经小波分解的多光谱图像的第1主分量的低频分量中;最后,通过将小波融合结果作为多光谱图像的第1主分量再做逆主分量变换来得到最终的融合图像。实验结果分析表明,该新方法使融合图像在较好地保留光谱信息的同时,空间细节信息也得到了增强,比典型的IHS变换、主分量变换及小波变换融合方法具有更好的融合效果。     

基于双树复小波的遥感图像融合

介绍了DTCWT(双树复小波变换)的基本原理,与传统小波变换相比,DTCWT具有良好的平移不变性和方向选择性,能够提高小波分解和重构的精度,更好地保持边缘、纹理等细节.在传统小波图像融合的基础上,提出了三种基于DTCWT的遥感图像融合算法:基于IHS变换和DTCWT融合法、模值加权融合法和模值局部方差融合法.对"北京一号"小卫星数据进行融合实验,结果表明,三种融合算法不仅有效地增强了融合图像的空间细节表现能力,而且很好地保留了多光谱图像的光谱信息.     

基于遥感影像的黄河洪灾监测系统模型

基于多光谱遥感图像,提出了一种集河道主溜线自动检测、河势演变分析、洪水漫滩检测与分析评估功能于一体的黄河洪灾监测系统模型。论文首先对基于遥感图像的主溜线检测、河势演变检测、洪水漫滩检测原理与算法进行了详细描述;然后,利用遥感多光谱图像对所提出的检测算法进行了实验验证,最后对实验结果和系统模型进行了总结和分析。实验结果表明,本文提出的黄河洪灾监测模型具有重要的实用价值。     

基于小波分析的TM遥感图像超分辨率重建

基于图像算法的超分辨率重建技术可以提高光学遥感图像的空间分辨率,能够更加有效地利用现有数据并降低成本。以滇西北香格里拉市小中甸坝为实验区,以2009年的TM影像为数据源,开展遥感图像超分辨率重建实验研究。首先分析其中造成图像退化的各项因素并经过双线性插值、维纳逆滤波、卷积等处理;然后通过小波分解得到描述各个方向上不同尺度的高低频信息的小波系数,并多次试验推导出满足预期条件的加权因子。再将多时段的低分辨率图像小波系数以小波重构的方式重建。通过实验可以看出,重建图像能提供更多的细节信息,图像质量有了明显提高。     

结合小波变换和图像主元分析的人脸识别

提出了一种基于小波变换和图像主元分析（IMPCA）相结合的人脸识别方法。小波变换具有保留主要信息,去除噪声的作用,对人脸图像进行小波变换,对变换后的近似图像采用IMPCA方法进行识别。IMPCA是一种快速有效的直接通过图像抽取特征的方法,从图像重构的角度分析了实现IMPCA的两种模式,两种模式分别增强了图像的行特征和列特征,将它们的识别结果进行决策融合可以获得更好的识别效果。基于ORL人脸数据库的实验表明,所提出的方法在识别率上优于单独的IMPCA方法。     

基于sam多小波的图像压缩

图像压缩是多媒体的关键技术之一,寻求好的图像压缩方法是一个重要的研究方向。多小波拥有对称性、正交性、有限支撑等重要特性弥补了单小波的不足,提出了一种新的图像压缩方法,该方法以sam多小波变换为基础。实验证明,该方法具有很好的压缩效果,在一定的压缩比下可达到很高的峰值信噪比。     

基于小波分析的指纹图像增强技术研究

提出一种新的指纹图像增强算法,该算法以小波变换为基础,利用小波的多尺度分析的能力,根据尺度不同进行非线性增强,解决了因噪声过强而造成差的指纹图像质量,同时保证了图像的整体增强效果。     

小波在遥感图像分析中的应用综述

介绍了小波变换在影像压缩、多源遥感影像融合、影像去噪、影像边缘检测与纹理信息提取等方面的应用特点与效果。此外,还对近几年来兴起的用于遥感影像分析的一些小波变换算法就算法的有效性进行了分析。在文章的最后,对小波在遥感影像分析中的应用趋势,以及一些尚待解决和进一步研究的问题进行了探讨。     

基于小波分解的分形压缩图象增强

讨论分形解码结果图象的特点,基于分形码对图象的放大作用,用小波提取放大图象中的高频信息,再用小波图像融合方法增强图象细节,同时用小波的局部极大值的Ｌｉｐｓｃｈｉｔｚ指数调整方法去除结果图象的块效应,直接提高压缩结果图象质量,可用于改善高压缩比的分形压缩解码结果图象质量。     

基于形状和纹理的图像检索

构造了Radon变换的不变量,提出一种新的基于形状和纹理的图像检索方法。对小波图像边缘提取Radon不变量作为形状特征,同时提取小波各频道能量作为纹理特征。然后将形状特征和纹理特征分别进行高斯归一化,计算图像形状和纹理的相似度。最后,利用形状和纹理相似度的加权和进行图像检索。试验结果表明该方法对噪声具有较强的鲁棒性,具有尺度、平移和旋转不变性。     

Ridgelet变换在图像压缩中的应用

Ridgelet变换特别适合描述具有直线或超平面奇性的高维信号。本文将介绍有关Ridgelet变换的理论,并在此基础上提出一种新的基于正交有限Ridgelet变换（FRIT）的图像压缩方法一FRIT＋DWT。试验结果表明,FRIT＋DWT方法较传统Wavelet方法获得了更高的压缩比和更好的压缩效果。     

脊波变换及其在图像处理中的应用

Ridgelet是继小波变换(Wavelet)后提出的一种新型的多尺度分析方法。对于图像中的直线状和超平面的奇异性问题,Ridgelet变换体现了比Wavelet变换更好的处理效果。文中给出了Ridgelet变换的概念及其实现算法,将Ridgelet应用于图像去噪,并和小波去噪加以比较说明其优越性。     

基于第二代Curvelet变换的彩色图像增强算法

针对小波变换对彩色图像增强算法诸多问题,提出基于第二代Curvelet变换的彩色图像增强算法,它克服了小波变换在表达彩色图像边缘的方向特性等方面的内在缺陷,更加适合分析二维图像中的曲线或直线状边缘特征。阐述了第二代Curvelet变换的基本原理,通过对512×512的Lena和Babon彩色图像仿真实验,实验结果表明算法对彩色图像具有很好的增强效果,提高了彩色图像的对比度,降低了噪声,同时也较好地保留了边缘信息,无论是从视觉效果还是从性能指标都优于小波和Ridgelet算法。     

一种基于小波包变换的遥感影像融合方法

针对多光谱遥感影像和全色遥感影像,提出了一种基于小波包变换的遥感影像融合方法。新方法首先对多光谱遥感影像进行PCA变换;其次对多光谱遥感影像的第一主分量和全色遥感影像进行小波包变换;然后保留多光谱影像第一主分量的低频近似分量,融合它们的高频细节分量;最后,做小波包反变换,得到新的多光谱遥感影像第一主分量,再做PCA反变换,得到新的多光谱遥感影像。与PCA变换融合方法、IHS变换融合方法和小波变换融合方法等方法在主观视觉效果分析和客观统计参数两方面做了比较,新方法是有效的,不仅较大地增强了结果影像的空间细节表现能力,而且很好地保留了多光谱影像的光谱信息。