基于显著性分析的自适应遥感图像融合

针对遥感图像融合中,不同地物区域对空间与光谱信息要求不同的问题,提出了一种基于显著性分析的自适应遥感图像融合算法。结合多尺度谱残差分析模型,将遥感图像分为纹理、边缘丰富的显著区域与纹理、边缘较少的非显著区域,对显著性不同的区域采用不同融合算法。针对居民区、道路等纹理、边缘信息丰富的显著区域,采用窗均值亮度色调饱和度(IHS)变换,较好地保留了空间细节;针对农田、山地等非显著区域,采用基于小波变换的融合策略保留较多光谱信息。实验结果表明,新算法能使融合结果中的显著区域保留更多空间细节,非显著区域保留更多光谱信息,为今后的遥感图像融合研究提供了一定的理论与应用价值。     

基于区域增长的遥感影像视觉显著目标快速检测

针对传统视觉注意模型在遥感影像视觉显著区域检测中存在的计算复杂度高、检测精度低等缺点,提出了一种新的视觉显著区域快速检测算法。首先利用整数小波变换降低遥感影像的空间分辨率,从而降低视觉注意焦点检测的计算复杂度;然后在视觉特征融合中引入二维离散矩变换,生成边缘与纹理信息更为丰富的遥感影像显著图;最后在显著图分析中提出区域增长策略来获得视觉显著区域的精确轮廓。实验结果表明,新算法不仅有效降低了遥感影像视觉显著区域检测的计算复杂度,而且能够精确描述视觉显著区域的轮廓信息,同时避免了对整幅遥感影像的分割与特征提取,为今后的遥感影像目标检测提供了一定地参考价值。     

基于SG-SIFT的光学遥感影像配准

提出了一种基于信号理论和网格化的尺度不变特征变换(SG-SIFT)光学遥感图像配准算法.根据高斯差分尺度空间中各图像层间的频域关系设定各图像提取特征点的数目,使特征点在尺度域上分布均匀;再将各图像层网格化,使特征点在图像空间中分布均匀;然后用一致性检测法剔除有明显错误的匹配对.实验结果表明,利用SG-SIFT算法得到的特征点比尺度不变特征变换(SIFT)算法的特征点分布更均匀,正确匹配对数目比均匀鲁棒尺度不变特征变换(UR-SIFT)算法均多17.47%,且SG-SIFT算法的均方误差明显低于SIFT和UR-SIFT算法.     

加权多分辨率图像融合的快速算法

快速、可靠的融合算法是图像融合技术实用化的关键,因此具有良好融合效果的快速融合算法的研究显得尤为重要。传统的加权多分辨率图像融合方法能够产生良好的融合效果,但是其计算复杂度却不能令人满意,为了降低算法的复杂度,基于定义的相关信号强度比,提出了一种加权多分辨率图像融合的快速算法。同传统加权多分辨率图像融合方法相比,算法具有较低的计算复杂度。实验结果表明,该算法同传统加权多分辨率图像融合方法一样,能够产生良好的融合效果。     

整数小波框架下基于阈值分割的静止图像编码

首先,选定分割阈值Th。然后,对大于Th的小波系数采用整数平方阈值进行量化、缩短阈值间的距离,并对阈值平面上的系数采用改进的二进制SPECK编码框架,对小于Th的系数采用2的整数幂作为量化阈值。最后,在每个阈值平面上均采用无乘法的二进制算术编码。通过与嵌入式零树小波(EZW)、SPIHT及SPECK算法的实验结果比较,ETSC算法不仅有较低的计算复杂度,而且提高了整数小波变换(IWT)在低比特率下的编码效率。此外,该算法支持有损和无损解码在单一码流下完成。     

基于整数平方阈值和索引表的静止图像编码算法

零树编码对一般小波变换有很多优点，但对能量集中性较差的整型小波变换(IWT)却达不到最佳效果．针对IWT存在的这一特点，结合零树编码的优点给出一种新算法．第1，根据IWT中各子带系数幅值的动态变化范围较小，小波图像能量集中性较DWT差这一特点，提出利用连续的正整数平方作为IWT小波系数量化阈值的整数平方算法；第2，提出一种基于索引表和游程编码的小波零树编码方法，简化了编码与解码过程．实验表明，该算法针对IWT在近无损压缩的情况下较EZW算法和SHPIHT更为简便高效。