基于Shearlet变换和多尺度Retinex的遥感图像增强算法

传统的小波变换、曲波变换和轮廓波变换无法对图像提供最优的稀疏表示,不能取得好的增强效果,为此,提出了一种基于剪切波(Shearlet)变换的图像增强算法。经Shearlet变换,图像被分解成低频分量和高频分量。首先,对Shearlet变换分解后的低频分量进行多尺度Retinex(MSR)调整,以减轻光照条件对图像的影响;其次,对各尺度、各方向上的高频系数采用阈值抑噪来消除噪声;最后,对重构图像进行模糊对比度增强,提高图像的整体对比度。实验结果表明该算法能够明显改善图像的视觉效果,突出图像的纹理细节且具有良好的抗噪性能。与直方图均衡(HE)、MSR、基于非下采样轮廓波变换(NSCT)的图像模糊增强(NSCT_fuzzy)算法相比,图像清晰度、信息熵、峰值信噪比(PSNR)均有一定的提高,且运行时间缩短为MSR的1/2和NSCT_fuzzy的1/10左右。

基于NSCT与模糊对比度的图像增强算法

针对图像在增强的过程中容易放大噪声,造成图像的失真和细节不明显等问题,结合NSCT(non-subsampled contourlet transform)和模糊集理论,提出一种改进算法。利用NSCT的平移不变性和多分辨率分析特点对图像进行非下采样Contourlet变换,对低频系数采用线性增强,用改进的自适应阈值函数来处理高频系数,利用改进的模糊对比度来增强图像的边缘和纹理,使用伽马校正对增强后的图像进行校正,提高全局对比度。实验结果表明,该算法能够明显改善图像的视觉效果,增强图像的细节信息。

基于NSCT和改进模糊的遥感图像增强方法

为了解决遥感图像处理过程中噪声放大和图像失真现象,提出了一种结合NSCT和改进模糊对比度的图像增强方法。通过NSCT变换把图像分解成低频子带和若干个高频子带;对低频子带进行线性增强,并利用改进的阈值函数对高频子带进行去噪;随后采用改进的模糊对比度来调整NSCT反变换的系数,以提高图像的整体对比度。实验结果表明,提出的算法的客观指标明显优于其他对比算法,并且视觉效果也得到很大改善。

基于窄带多区域水平集方法的遥感图像分割

由于遥感图像存在边缘混叠等问题,经典的C-V模型会产生大量的冗余轮廓,而且无法分割多个同质区域的目标。为此,提出了基于C-V模型的窄带多区域水平集图像分割方法,采用N-1个水平集函数将图像分割成N(N>1)个区域,每个水平集函数表达一个区域。该方法一方面通过建立独立多区域水平集模型可以消除多余的轮廓,避免分割区域的重叠和漏分;另一方面应用窄带技术来减小水平集方法中的计算量。对遥感图像进行了实验,结果表明该方法能快速有效地分割该图像。

混合的SAR图像变化检测算法

为尽可能多地消除遥感图像变化检测过程中"伪变化"信息的影响,获得比较客观的感兴趣区域变化检测结果,针对遥感图像中SAR图像的特点,提出一种混合的SAR图像变化检测算法。对已配准好的图像进行Frost滤波,用邻域比值的方法构造差异图,对得到的差异图进行非下采样轮廓波变换(NSCT),对变换得到的高频子带和低频子带分别处理,用模糊C均值(FCM)聚类算法得到变化检测的结果。实验结果表明,该算法模型很好地保留了图像变化区域的细节,提高了变化检测准确性。

基于分形维数和FCM聚类的多时相SAR图像变化检测

提出了一种基于分形维数和FCM聚类的SAR图像无监督变化检测的算法。首先用非下采样Contourlet变换(NSCT),对两时相图像进行分解,然后求出其分形维数图,构造差异图,再由FCM聚类得到变化区域和非变化区域。并对计算分形维的滑动窗口大小的选择进行了研究。与现有的基于分形维数的图像变化检测算法进行对比,实验证实,本文算法不仅对斑点噪声不敏感,并且提高了变化检测的精确度。

基于非下采样剪切波变换与引导滤波结合的遥感图像增强

针对遥感图像中对比度低、细节信息缺失和边缘梯度保持能力较弱等问题,提出了一种基于非下采样剪切波变换(NSST)与引导滤波相结合的遥感图像增强算法。首先,原始图像通过NSST被分解成低频子带和高频子带两部分。然后,对低频子带进行线性增强,提高整体对比度;采用自适应阈值法抑制高频子带的噪声,再对去噪后的高频子带进行引导滤波增强,提高图像的细节信息和边缘梯度保持能力。最后,对两部分子带进行NSST反变换,得到增强后的图像。实验结果表明,与直方图均衡、基于Contourlet变换和模糊理论的图像增强算法、基于非下采样Contourlet变换与反锐化掩膜结合的遥感图像增强算法以及基于非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强算法相比,该算法的图像信息熵、峰值信噪比(PSNR)和结构相似性(SSIM)都有一定的提升,能明显地改善图像视觉效果,使得图像纹理更加清晰。

基于改进背景减法的视频图像运动目标检测

为解决传统背景减法在动态背景下受噪声干扰和运动目标检测准确性不高的问题,提出一种基于改进背景减法的视频图像运动目标检测方法。在背景建模阶段,为易于计算和提高检测精度,采用基于GMM的图像块均值方法重构背景模型;在目标检测阶段,采用数学形态学和小波半软阈值函数相结合的方法对检测到的运动目标进行去噪处理;在背景更新阶段,采用自适应背景更新方法进行背景更新。实验结果表明,所提方法提高了运动目标检测的准确性,验证了其有效性。

结合Ostu阈值法的最小生成树图像分割算法

基于最小生成树的图像分割算法是一种全局最优的算法,然而会出现图像细节的处理不甚理想的问题,即分割结果出现不同程度的过分割和欠分割的现象。针对这一现象,根据图像全局和区域间的最大类间方差(Ostu),将Ostu阈值法与最小生成树(MST)算法相结合,提出了一种基于MST的Ostu阈值法图像分割准则。该图像分割算法是一种MST的优化方法,将区域合并判决条件取决于相互合并的两个区域的Ostu阈值,又考虑到较小的区域包含在较大的目标区域中或者背景区域中,再次使用Ostu阈值进行区域合并。该方法通过实验证明,可以有效地减弱图像的过分割与欠分割比例,减少了误分割率。

基于剪切波变换的反锐化掩膜遥感图像增强

针对遥感图像的细节信息丰富、对比度低、清晰度差等特点,提出基于剪切波变换和反锐化掩膜相结合的遥感图像增强算法。直方图均衡化遥感图像,剪切波分解遥感图像,得到低频子带系数和高频子带系数,对各尺度各方向的高频系数进行自适应阈值去噪和线性增强处理。为防止过增强,不处理剪切波变换产生的低频系数,对做逆变换回空间域的图像采用反锐化掩膜来增强边缘和细节。实验结果表明,该算法对遥感图像有较好的增强效果。

结合位图切割和区域合并的彩色图像分割

就经典分水岭图像分割算法中存在的过分割问题,提出一种结合位图切割和区域合并的彩色图像分割算法。对原始彩色图像通过空域梯度算子求其梯度图像,并利用位图切割重建梯度图像;对新梯度图像进行分水岭预分割;对预分割图像基于异质性最小原则进行区域合并,并获得最终分割结果。相比于现有的同类方法,该算法引入位图切割,抑制噪声对分割结果的影响,在边缘模糊处分割准确,得到符合人类视觉的较小分割区域数目,同时在运行效率上提高。

利用双差异图和PCA的SAR图像变化检测

为减少噪声对SAR图像变化检测分类结果的影响,提高最终的检测精度,提出一种结合双差异图与PCA-FCM的SAR图像的变化检测算法。通过对数比法和均值比法得到同一地区的两幅差异图,两幅差异图通过合成规则得到最终的差异图,将合成的差异图分成不重叠的块,利用主成分分析(PCA)提取特征向量,将合成差异图中每个像素用映射到特征向量空间的向量表示,使用模糊C均值聚类对每个像素的向量聚类分为变化类和未变化类。实验结果表明,该方法降低了噪声对检测结果的影响,提高了变化检测的精度。

基于小波变换和Retinex结合的遥感图像的薄云去除

去除遥感图像中的薄云是图像处理中的常见难题。为了更好地对存在薄云的遥感图像进行薄云去除,提高薄云遥感图像的地物细节信息的可读性。提出了基于小波变换和单尺度Retinex结合的遥感薄云去除算法,先将遥感薄云图像进行小波分解,对分解的低频薄云部分进行抑制,高频信息部分进行强化,处理后进行小波重建,然后利用单尺度Retinex算法对重建后的遥感图像进行增强处理。最后利用平均灰度值,信息熵,标准差及平均梯度指标进行客观评价分析,结果表明,该方法可以在有效去除薄云的同时增强地面细节信息。

基于NSST域的引导滤波遥感图像增强方法

针对图像增强过程中出现的清晰度低、噪声放大、细节不明显和边缘梯度保持能力弱等问题,提出一种NSST和引导滤波相结合的图像增强算法。将原始图像和直方图均衡化后的图像分别进行NSST处理,得到各自的低频子带和高频子带;将直方图均衡化后的低频子带进行PM滤波增强;采用循环阈值法抑制原始图像的高频子带中的噪声,用引导滤波对高频子带进行增强,提高图像的清晰度和边缘梯度保持能力,对处理后的低频子带和高频子带进行NSST逆变换。实验结果表明,该算法增强了图像的细节信息,改善了图像的视觉效果。

基于PM扩散方程的SAR图像变化检测

为了提高图像变化检测的准确率,缩短图像变化检测的检测时间,文章提出了一种新的合成孔径雷达(SAR)图像的变化检测算法。首先对实验图像进行对数变换,把图像中的乘性噪声转化成加性噪声。然后利用非线性各项异性扩散方程(PM扩散方程)的去噪算法对变换后的图像进行去噪,在对数域利用差值法获取差异图像。考虑到差异图像统计特性复杂,难以建立准确的模型,文章利用FCM算法对差异图像进行聚类,得到变化检测结果。实验结果表明,文章提出的检测算法具有较高的准确率和较短的检测的时间。

基于众包的嵌套流形匹配室内定位方法

随着普适应用的兴起,室内定位变得越来越重要。传统的基于指纹的定位方法需要现场勘测,所需时间及工作量巨大,且需实时更新,以适应室内变化,这大大限制了其应用范围。采用众包形式进行室内信息采集,并记录其在室内的大量路径信息,利用嵌套在路径中的低维流形一致性进行地理位置匹配,以建立位置指纹库。通过高斯粒子滤波器对传感器数据进行去噪,进而解决步长差异问题。定位时,根据用户位置的连续性和路径信息筛选出合理的近邻点,继而实现精确定位。在84m2的会议室进行实验,在不需要现场勘测的情况下,所提方法可达到与传统方法可比的定位精度。该方法可以实时适应环境变化,在2周甚至1个月之后,其定位准确性优于传统定位方法。

结合高频强调滤波与Lee滤波的全息图再现像降噪方法

数字全息图像的获取过程中,由于激光光源的高度相干性而引起的散斑噪声不可避免。散斑噪声的存在成为影响全息图像质量的重要因素,而单一的数字图像处理方法无法直接有效地减少全息再现图像中的散斑噪声。针对以上问题,本文提出了一种大幅减少散斑噪声的新算法。该算法先使用多高频强调滤波的方法对全息图像进行初步降噪,再对降噪后的数字全息再现图像进行Lee滤波处理。仿真结果表明,本文提出的方法大幅度提高了全息再现像的峰值信噪比,散斑指数和对比度也有所改善。降噪处理后的图像视觉效果良好,与不含噪声的原始图像差异较小。以上结果均表明本文算法能够有效改善数字全息再现像的质量。

基于非下采样Shearlet变换与模糊对比度的合成孔径雷达图像增强

针对合成孔径雷达(SAR)图像在成像和传输过程中引入噪声和干扰从而导致图像清晰度下降、细节丢失等问题,提出了一种非下采样Shearlet变换(NSST)与模糊对比度的SAR图像增强算法。首先,原始图像经NSST分解成一个低频分量和若干个高频分量;然后对低频分量进行线性增强以提高整体对比度,对高频分量采用阈值法进行增强以去除图像中的噪声;接着对处理后的两部分分量进行NSST反变换得到重构图像;最后采用模糊对比度算法对重构图像进行增强,提高图像细节信息和层次感,得到增强后的图像。对40幅图像的实验结果表明,与直方图均衡化、多尺度Retinex增强算法、基于Shearlet变换和多尺度Retinex的遥感图像增强算法、基于剪切波域改进Gamma校正的医学图像增强算法相比,该算法的图像峰值信噪比至少提升了22.9%,均方根误差至少降低了36.2%,能明显提升图像的清晰度,使图像的纹理信息更加清晰。

关于湖泊轮廓变化趋势图像预测仿真研究

通过对图像变化的预测分析,研究了湖泊边缘的演变,预测得到下一步的湖泊轮廓图。针对影响湖泊演变的因素较多、众多影响因素与湖泊轮廓演变存在非线性关系、传统方法仅依赖于数字对湖泊演变进行预测的问题,提出了更加直观化的基于灰色预测的图像变化预测方法。以我国章江头木错湖为例,对其不同时期的Landsat MSS/TM/ETM+,CBERS CCD遥感影像进行边界信息提取,获得湖泊轮廓图谱。在研究区域中间选择一个原点,并以原点做射线,得到预测所需的原始数据。建立灰色预测模型,对所得数据进行预测分析,得到湖泊轮廓变化的预测图,并对预测结果进行验证,最终结果表明,改进方法对湖泊轮廓变化趋势的预测是可行的并且有较高的预测精度。

多尺度分割融合的遥感图像变化检测

由于遥感图像的变化检测与分割方法、分割尺度有较强相关性,提出一种多尺度分割融合的对象级图像变化检测方法。利用改进的最小生成树分割算法同时联合分割不同尺度下的两幅图像,保证分割图斑的空间位置完全相同;结合分割图斑的光谱特征和纹理特征,计算不同尺度下对应图斑的差异指数,提取变化图斑;多尺度融合变化检测结果,得到变化区域。实验结果表明,该算法具有较好检测结果和较高检测精度。