多传感器图像融合综述

图像融合是在多测度空间综合处理多源图像和图像序列的技术。图像融合分为：像素层图像融合、特征层图像融合和符号图像层融合。本文讨论了图像融合各层次的融合算法以及红外图像、可见光图像、多谱图像、雷达图像等的融合问题，提出图像融合的结构模型，并对图像融合的发展方向进行了展望。     

基于融合图像特征库的夜视图像彩色化研究

提出一种基于图像融合技术的夜视图像彩色化方法,结合红外图像和微光图像各自的特点,利用小波图像融合的方法把红外图像和微光图像进行融合,从大量的融合图像中提取不同物体的纹理特征,构成野外环境下的纹理图像库,并对每类图像指定相应的彩色参考图像。对目标图像进行分割,提取目标图像的纹理特征与图像库进行相似性对比,完成目标图像的色彩传递。实验结果表明,该算法获得真实的场景色彩,使观察者更容易获得图像的场景信息。     

红外图像评价质量研究

按照红外图像的形成过程分析可认为一幅红外图像是由目标图像、背景图像和噪声图像,目标图像和背景图像是红外图像的主体,噪声图像是叠加在红外图像主体上的干扰。文章从红外图像主体能提供的信息量是否丰富、细节是否明显,噪声图像相对图像主体的大小三个方面入手,对红外图像进行质量评价,评价结果与主观评价相一致,具有较好的可比性。     

多传感器图像融合应用评述

近几年，图像融合成为一个热门研究领域，图像融合是多测度空间综合处理多源图像和图像序列的技术，通过融合处理，综合运用多源信息，得到性能比任一源图像好的图像，以便于图像的后续处理和更好地满足应用要求。从信息处理的层次上图像融合要分为：信号层图像融合，像素层图像融合，特征层图像融合和符号层图像融合。比较了不同层次图像融合算法的特点，讨论了红外图像，可见光图像，多普图像，雷达图像等的融合问题，给出了一个应用实例，并对图像融合的发展进行展望。     

数字图像放大算法的研究

数字图像已经在工程和数学领域引起广泛关注,而图像技术也已被广泛应用于数字图像处理,例如图像缩放、图像变形、图像恢复、图像重建、图像配准等.图像插值就是利用已知邻近像素点的灰度值来产生未知像素点的灰度值,以便由原始图像再生出具有更高分辨率的图像.通过分析实际图像获取系统将图像数字化后,建立图像的模型,并给出了图像的表示方法,根据数字图像的特点阐述了图像放大的基本原理.     

基于虚拟现实技术的三维图像重构研究

针对传统基于主动偏振成像的三维图像重构方法重构过程中图像统计信息表达能力较差,导致重构后三维图像精度低,研究一种基于虚拟现实技术的三维图像重构方法。选取Visual C++可视化软件开发平台和VTK三维图像处理软件作为三维图像重构实现平台,将原始图像通过数据输入以及文件解析等步骤导入计算机后,对原始图像进行图像滤波、图像分割以及图像插值等预处理,处理后的图像在VTK软件中利用包围盒法先构建图像重构的三维数据场,依据图像重构三维数据场绘制图像三维直接体,通过图像三维直接体获取三维图像重构输出公式,实现基于虚拟现实技术的三维图像重构。仿真结果表明,采用该方法对10幅图像进行三维图像重构,重构图像平均遍历覆盖度高达97.99%,重构精度均高于97%。     

基于SVM-Clustering载体图像预处理方法

<正>现有图中藏图方法的载体图像都是随机选择的，没有对其进行有意识的选择，从而导致隐藏效果不好，出现图像模糊和褪色等问题。为了解决这些问题，本文提出基于SVM（支持向量机）图像分类的载体预处理方法。使用SVM分类方法对图像库中的图像进行分类，之后对秘密图像和秘密图像同类的图像进行聚类，最后，选取与之最相似的图像作为载体图像，从而避免两幅图像差距过大，出现伪影问题。实验结果表明，在经过图像预处理之后，隐藏的秘密图像对载体图像的改变更少，生成的图像更加接近于原始图像，并且有效地避免了图像出现的伪影和图像褪色等问题，相对未进行预处理的隐     

航空滤光片阵列多光谱图像拼接算法

针对航空滤光片阵列多光谱图像拼接效率较低的问题，提出了航空滤光片阵列多光谱图像拼接算法。首先，对多光谱图像构建条带图像模板，利用平台姿态信息对序列图像及图像模板进行投影变换；其次，利用尺度不变特征变换算法对尺度缩放后的图像提取匹配点并计算图像单应矩阵，通过矩阵补偿得到投影变换后图像的坐标转换矩阵，选择中间序列图像为基准图像，对投影变换后的图像及其模板进行坐标变换；最后，依次提取单波段图像模板得到单波段序列条带图像，通过图像融合得到大区域单波段图像。理论分析与实验结果表明：表明该方法可以有效提高滤光片阵列多光谱图像拼接效率，且具有较高的图像拼接精度。     

特征选择和聚类分析的图像分类模型

针对当前图像分类模型无法满足实际应用要求的难题,为了得到更优的图像分类效果,提出特征选择和聚类分析相融合的图像分类模型。首先提取图像的原始特征,采用主成分分析对图像特征进行选择,然后采用聚类分析算法对图像样本进行处理,选择与待分类图像相关的样本,减少训练样本的规模,最后采用支持向量机建立图像分类器,对标准图像库中的图像进行分类实验。实验结果表明,该模型减少了图像分类的特征和图像分类的训练样本,加快了图像分类建模的速度,同时图像分类正确率明显高于其他图像分类模型。     

基于深度和子树约束最小树形图的高编码效率图像删除

图像删除是指从一个压缩图像集中去除一个或多个图像,生成一个新的压缩图像集。针对当前图像删除方法存在搜寻的预测参考图像不佳,导致编码效率不足的问题,提出一种基于深度和子树约束最小树形图的高编码效率图像删除方法。该方法充分考虑所有剩余图像之间的相关性,确定最佳的预测参考。首先,提出一种新的图像分类方法,将所有图像分成需编码图像、无需编码图像和待删除图像等三类;其次,设计一种新的深度和子树约束最小树形图法,深入探究需编码图像之间以及需编码图像和无需编码图像之间的关系,构建新压缩图像集的最小树形图;最后,根据得到的最小树形图对需编码图像进行压缩,生成新的压缩图像集,实现图像删除。实验结果表明,与现有先进方法相比,所提方法取得了更高的编码效率,同时却有着相近的计算复杂度。     

改进型快速ICA算法与数学形态学结合的图像分割方法

介绍了一种改进型快速独立分量分析(FastICA)算法与形态学相结合的图像分割方法.该方法把图像的特征分量看作是边缘图像分量与其它背景图像分量的结合,把快速ICA对图像分量的提取,变为对边缘图像分量的提取,得到边缘图像的独立分量,再通过数学形态学的方法对边缘图像进行增强处理,从而实现图像的分割.实验结果表明:与传统的图像分割方法相比,该方法具有良好的图像分割性能,可以清楚地观察到图像轮廓,图像边缘的连通性较好且保留了原图像的很多细节,分割效果较好.     

基于小波和色彩传递的夜视图像彩色融合技术

提出一种基于小波和色彩传递的夜视图像的彩色融合方法,使观察者更容易获取图像的场景信息。结合红外图像和微光图像各自的特点,利用NRL法把红外图像和微光图像映射到彩色空间形成假彩色图像(源图像),然后通过小波变换对源图像和参考图像进行多分辨率分解,计算不同分辨率下的均值和标准方差,将各分量根据参考图像和源图像的标准方差比进行缩放,把参考图像的色彩分布传递给源图像。实验结果表明,通过与传统方法的比较,本文算法不仅获得真实场景色彩,还可以提高图像的细节信息,改善场景感知。     

独立成分分析的多光谱图像融合算法

为解决图像空间信息的问题,文章提出了一种独立成分分析的多光谱图像融合算法,将多光谱图像的RGB 3个波段和近红外图像共4个波段进行独立成分分析变化,并对其做加权平均得到主图像信息,将主图像信息与全色图像加权求平均得到一副新的图像,然后将这幅图像还原到4个波段得到融合后的结果图像。     

基于小波变换的红外偏振图像融合算法

为了改善红外图像质量、提高人造目标的可识别率,基于偏振度图像能够较好地凸显人造目标,偏振角较好地描述不同物体表面取向,I图像能反映场景的强度信息的特征,采用对红外图像进行偏振图像融合的算法,即先通过红外热像仪和偏振片拍摄到偏振角度为0°,60°和120°3幅红外图像,再通过计算得到I,Q,U图像,进而得到偏振度图像和偏振角图像,最后对I图像、偏振度和偏振角图像进行红外偏振图像融合,得到高质量的红外偏振图像,由理论分析得到了各个图像的性能指标数据。结果表明,基于小波变换的红外偏振图像融合算法得到的图像数据合理,达到了改善红外图像质量和提高图像中的人造目标的可识别率的目的。     

基于云平台的海量图像分类算法研究

传统图像分类算法没有考虑当前图像数据的海量、大规模特点,使得图像分类效率、分类准确率低,为了解决当前图像分类算法存在的难题,设计基于云平台的海量图像分类算法。首先提取反映图像内容的分类特征,并对图像类型采用专家进行标记,构建图像分类的训练样本,然后针对当前图像分类错误率高的问题,设计基于最小二乘向量机的图像分类器,最后利用云平台的分布式、并行处理的优点实现海量图像分类,并采用图像分类仿真实验分析所提算法的性能,该方法降低了海量图像分类的计算复杂度,减少了海量图像分类的时间,提升了海量图像分类效率,而且海量图像分类综合效果要显著优于传统图像分类算法,验证了所提算法的海量图像分类优越性。     

基于自注意力深度网络的图像超分辨率重建方法

针对现有图像超分辨重建方法难以充分重建图像的细节信息且易出现重建的图像缺乏层次的问题,提出一种基于自注意力深度网络的图像超分辨重建方法。以深度神经网络为基础,通过提取低分辨率图像特征,建立低分辨率图像特征到高分辨率图像特征的非线性映射,重建高分辨率图像。在进行非线性映射时,引入自注意力机制,获取图像中全部像素间的依赖关系,利用图像的全局特征指导图像重建,增强图像层次。在训练深度神经网络时,使用图像像素级损失和感知损失作为损失函数,以强化网络对图像细节信息的重建能力。在3类数据集上的对比测试结果表明,所提方法能够提升图像超分辨重建结果的细节信息,且重建图像的视觉效果更好。     

基于图像特征细化的海量数据挖掘系统设计与实现

传统基于图像内容的图像数据挖掘算法,对海量图像特征的分类效率低,对图像数据的挖掘准确率受样本数量影响较大。因此,提出一种基于图像特征细化的海量数据挖掘系统,其中的人机界面可赋予系统较高的交互性。图像搜索引擎能够智能地从互联网海量的图像数据中,采集有价值图像数据和特征。图像预处理模块对图像格式进行变换,完成图像噪声因素的过滤等操作,并对采集图像特征进行细化。数据挖掘模块依据采集的图像特征细化结果塑造CMQL语句,从图像数据库中挖掘出有价值的图像数据。系统实现部分给出了数据挖掘查询语言CMQL进行图像数据的挖掘过程。实验结果表明,所设计系统具有较高的查准率和查全率。     

基于改进ORB算法的图像配准方法研究

传统的图像配准方法存在输出图像连续性低的缺陷。因此,文章提出基于改进ORB算法的图像配准方法研究。设计图像配准流程,计算多点控制图像位置,匹配图像控制点;明确特征点误差匹配方式,计算图像特征点偏差值;获取图像边缘灰度值,按照图像中矩阵排列方式,矫正输出图像。设计实验,模拟实验环境,验证提出的图像配准方法在实际应用中可提升输出图像的连续性。     

基于数学形态学的空空导弹导引头红外图像处理

红外成像制导导弹的图像分割是图像处理中的重点和难点之一。将数学形态学图像处理算法应用于导引头红外图像分割 ,提出一种新的分割方法。首先 ,利用形态学方法估计出导引头红外图像中的背景图像 ;其次 ,利用原始图像减去背景图像得到差图像 ,以消除不均匀背景对图像分割的影响 ;再次 ,利用阈值算法将差图像转换成二值图像 ;最后 ,应用形态学方法消除噪声 ,根据目标图像属性的连贯性实现目标检测。仿真分析表明 ,该分割算法具有较好分割效果     

基于多曝光的高动态图像合成的噪声处理

针对在高动态范围图像合成的过程中有噪声影响图像的质量这一问题,采取一种基于多曝光图像的高动态范围图像合成降噪算法。通过对各曝光图像的灰度数据进行提取、整理、分析,能合成代表原始场景光线分布的亮度图像。通过分析噪声对高动态范围图像合成质量的影响,提出在图像合成前将图像中含有的噪声进行处理。根据光子散粒噪声变化的特点,将图像混有的噪声问题转化为求解一个多曝光图像序列组的平均值问题,合成的图像视觉效果与真实图像极为接近。