基于均值方差法的遥感图像多尺度表达算法

针对目前遥感图像的多尺度分割算法没有在同一幅图像中实现多尺度表达,文章提出了基于均值方差法的遥感图像多尺度表达的方法。首先用分水岭算法对遥感图像进行初始分割,然后用面向对象的分割方法,以均值方差作为分割质量评估参数,对遥感图像进行多尺度选择。得到多个最优尺度后,在遥感图像中进行多尺度表达,直到每个最优尺度都完成了区域选择。实验结果表明,多尺度表达结果合理,接近于人工解译结果。     

图像去雾的方法研究

21世纪初,自从中国进入WTO以来,中国的经济快速发展,也使雾霾变成了我们生活中的常见现象。2013年,雾霾带来的各种问题日益显现出来,"雾霾"一词也成为了人们广泛关注的热词,有雾图像处理逐渐成为学界研究的重点。雾对于图像系统,如军事侦查、遥感系统、摄影摄像和航拍等成像系统应用都有着极大的影响。有雾图像会导致系统辨识度低、无法识别等问题,极大地降低系统的工作性能和成像效果。目前的去雾算法有两种:一种是基于去雾物理模型;另一种是基于普通图像增强。本文将从这两类算法中分别选取一个有效快速的图像去雾算法分析,并给出一些自己的建议。两种方法分别是何凯明的暗通道法和Retinex方法。     

基于SIFT数学算法的皮革断面图像处理与配准研究

文章阐述了皮革纤维断面图像的获取方式,详细介绍了基于SIFT算法的皮革断面图像配准过程,基于SIFT算法进行了图像配准,设计了同层皮革图像和序列皮革图像的配准实验,结果表明,基于小波的SIFT数学算法,不仅充分发挥了小波去噪的优势,还显著提升了对于皮革断面图像的配准效率。     

基于去噪卷积自编码器的色织衬衫裁片缺陷检测

有监督框架的色织衬衫裁片缺陷检测算法依赖大量标注样本且建模成本高,为此提出一种基于无监督去噪卷积自编码器的色织物缺陷自动检测与定位方法。构建色织衬衫裁片图像数据库;对无缺陷样本加入高斯噪声,利用深度去噪卷积自编码器建立色织衬衫裁片图像的去噪重构模型,对噪声干扰进行重构性修复。计算待测色织衬衫裁片图像和其重构图像的残差,并使用数学形态学算法检测和定位裁片缺陷区域。实验结果表明,在不依赖标注样本的条件下,基于去噪卷积自编码器的色织衬衫裁片图像重构模型和残差图像分析算法可以有效检测色织衬衫裁片的缺陷区域。     

二维卡尔曼滤波的多源信息集中式融合去噪方法

目前对于单独的某种算法或单传感器的图像信息已不能满足高精度的图像识别任务的需要,通过多传感器可获得比单一传感器质量更高的信息。基于此,文章首先在图像上建立多传感器二维线性离散系统的状态空间模型,然后利用二维卡尔曼滤波算法对图像进行滤波去噪,最后利用集中式融合去噪。仿真结果表明:文章算法在提高峰值信噪比和提高图像清晰度两个方面比其他算法更加有效。     

基于计算机视觉的棉花异性纤维检测识别算法

提出了一种基于计算机视觉的棉花异性纤维检测识别算法,通过分析线阵CCD摄像机采集的现场原棉图像,运用去噪平滑、图像分割算法提取异性纤维的特征,最终确定异性纤维数量,仿真结果表明了算法的正确性和有效性.     

融合改进暗通道和Retinex的遥感影像去雾增强算法

针对云、雾、霾条件导致的遥感影像饱和度低,色彩失真,细节模糊等问题。提出一种融合改进暗通道和Retinex的遥感影像去雾增强算法。首先,采用改进的暗通道先验方法对雾度分布不均的有雾影像进行复原;其次,将复原处理后的影像作为单尺度Retinex算法的原始输入图像,使影像更加清晰,细节更加明显,更加符合人类视觉特性。通过主观评价和平均梯度、均方误差和信息熵等影像质量评价指标验证了文章算法的有效性。     

基于计算机视觉的棉花异性纤维检测识别算法

提出了一种基于计算机视觉的棉花异性纤维检测识别算法,通过分析线阵CCD摄像机采集的现场原棉图像,运用去噪平滑、图像分割算法提取异性纤维的特征,最终确定异性纤维数量,仿真结果表明了算法的正确性和有效性。     

基于ENVI的遥感影像监督分类方法的研究

随着遥感技术的发展和遥感图像采集方式的多样性,对遥感图像处理技术的要求更高。文章介绍了三种常见的监督分类算法:支持向量机、最大似然法、BP神经网络;并利用上述三种算法对南泥湾地区同一幅SuperView-1遥感影像进行了分类,获得分类解果并评估准确性;然后对三种算法进行了比较,分析三种算法的优缺点,得出支持向量机分类精度最低,最大似然法次之,神经网络最高;最后得出结论,BP神经网络是一种较为优良的遥感影像分类算法。     

基于PCA的遥感图像和红外图像融合的研究

文章在原有的PCA算法的为核心的基础上,加入了IHS变换。充分利用两个算法的优点。并对整个图像融合过程进行新的改进和优化。文章将新的改进分别应用于遥感图像和红外图像的融合。对图像的融合得到了较为理想的结果。     

长芦盐场遥感信息系统的开发与应用

文章将遥感(RS)与GIS技术相结合,利用天津滨海地区的遥感卫星图像,通过专业软件将遥感图像进行处理,并利用数字化,信息化等手段,对长芦盐场的生产流程进行分析,建立了基于生产流程的长芦盐场遥感信息系统.该系统可以对不同流程,不同阶段的盐田生产进行数字化监控、查询.     

盲去卷积图像复原算法研究

图像复原是在研究图像退化原因的基础上,以退化图像为依据,根据一定的先验知识设计一种算子,把已经退化了的图像加以复原。了解和分析图像降质的机理,并用数学模型把它表示出来,是图像复原建立降质模型的一个前提。文章首先分析了图像模糊的成因,描述了图像模糊的基本模型,并介绍了几种经典的图像复原算法,对其中的盲去卷积图像复原算法进行了实验和分析,比较了图像恢复的清晰度,基于寻找点扩展函数的办法,对算法的优缺点进行了说明。     

基于DCT同态滤波的纸病图像去噪算法研究

针对纸病图像采集过程中容易受到光源噪声干扰的问题,在分析了光源噪声特性的基础上,提出基于DCT同态滤波的纸病去噪算法。该算法首先对采集到的纸病图像进行分块,然后对每一图像块取对数,DCT变换,将其变换到频率域,使用高斯同态滤波滤除噪声干扰,最后通过IDCT变换以及取指数操作将其恢复到空间域。实验结果表明,该算法可以有效地去除纸病图像中的各类光源噪声干扰,增强纸病图像区域。     

基于边缘和误差扩散的半色调图像水印算法

为使水印具有不可见性,提出了一种基于图像边缘和误差扩散的数字半色调图像水印算法。Canny算子去噪能力强,在边缘检测和噪声间能取得较好的平衡。先对灰度图像进行Canny边缘检测,得到灰度图像的边缘,然后将灰度图像的边缘近似作为半色调图像的边缘,并在灰度图像使用误差扩散算法进行半色调的同时,在边缘位置进行二值水印的嵌入。对水印图像进行了Arnold预处理,增强了水印的抗剪裁和涂抹攻击的能力。结果表明,该算法不会造成图像的明显失真,能很好地抵抗剪切、涂抹J、PEG压缩、噪声攻击。     

基于深度学习的图像超分辨率重建技术分析

随着深度学习的图像超分辨率的快速发展,促使其在遥感、天气监测、刑侦和医学等许多领域有着广泛的应用,但是如果图像分辨率较低,在恢复图像细节信息、重建图像等后续的处理和应用问题上存在一定的难度。基于深度学习的超分辨率重建技术能够显著提高图像重建的效果,但目前超分辨率重建仍然存在重建图像质量低、重建效率低和视觉效果差等问题,在复杂的图像处理中还是存在很大的挑战。为了解决以上问题,更好地恢复图像的高频和低频信息,文章提出了新的基于深度学习的图像超分辨率重建算法技术,对其概念和种类进行了介绍,并进一步分析该技术的应用和发展趋势,有效提高了重建图像的质量和重建效率。     

一种新型大米检测图像的自适应滤波算法

针对大米检测图像中的脉冲噪声提出了一种新型的基于极值和噪声密度估计算法的自适应滤波算法，结合了EM算法和IMFLED算法的优点。实验表明该算法比现有的中值滤波去噪和保持物体的实际大小、边缘等许多重要细节的能力更强，特别在噪声密度比较高的情况。     

基于小波变换的W18Cr4V图像去噪算法研究

高速工具钢W18Cr4V退火状态下采集的图像内含有许多噪声，为解决基于传统的软、硬阈值函数在W18Cr4V图像去噪过程中出现图像失真和伪吉布斯现象等问题，课题组提出一种新的连续、可导、低偏差的阈值函数和自适应调整阈值的小波去噪算法。新的阈值函数不仅改善了软阈值函数去噪过程中由于固定偏差导致的图像失真问题，而且避免了由于硬阈值图像不连续产生的附加振荡现象；基于MATLAB环境，对3张W18Cr4V退火图像进行去噪实验。结果表明：与传统阈值函数相比，改进的阈值函数对退火图像处理后所得峰值信噪比较高、结构相似性较好、去噪效果较好且自适应能力较强。     

图像处理中的边缘检测算法比较

人类认知客观世界以及人与人相互交流,通过的主要媒体是图像,图像是人们获取信息的主要来源。科学数据表明,人们通过视觉图像获取的信息量大约是其他途径获取信息量的4倍。图像边缘是整个图像最基本特征,包含图像大量重要信息,是图像低层次的特征。不同的图像边缘检测算法适用于不同的图像,常用的图像边缘检测算法有基于数学形态学的边缘检测算法、基于图论的边缘检测算法、以及基于多颜色特征的边缘检测算法,这三种检测算法是目前应用最广泛的边缘检测算法,但均具有各自的优势以及局限性,将这三种算法充分结合,将会有很好的应用前景。     

Matlab在单板表面裂缝检测中的应用研究

针对单板表面裂缝缺陷,提出一种基于非局域均值(NLM)滤波与模糊区域竞争(FRC)模型的表面裂缝图像检测算法。将RGB彩色图像用2R-G-B灰度化,对灰度图像非局域均值滤波,并用FRC模型进行图像分割,得到单板缺陷目标并利用长宽比特征识别出裂缝。Matlab试验结果表明,提出的算法去噪能力强,分割效果好,能很好地提取单板表面裂缝。     

单一雾霾图像RGB值先行验证去雾算法研究

针对单一雾霾图像的去雾算法,通常以颜色增强与先行验证较为常用,目前结合深度学习应用于雾霾图像处理算法也常出现,并且取得了一定的成果和应用。本研究受两个传统的先行验证算法,即黑通道先行验证与彩度灰度值先行验证方法的启发,通过深入研究修复后雾霾图像与无雾图像RGB值的先行验证,发现其两者存在的相关性的统计规律,基于这一特点利用卷积神经网络进行学习,使得雾霾图像得到了修复,并取得了较为理想的视觉效果。后通过PSNR评价结果表明,雾霾图像修复的理论结果与目测的实践结果基本吻合,从而也证实了本研究所采用的RGB值先行验证算法具有一定的实用价值。