一种基于色调/饱和度/亮度彩色空间的灰度变换算法

考虑到灰度变换技术直接应用于RGB彩色图像增强容易引起彩色失真的缺陷,提出了一种自适应灰度变换算法,将原始RGB图像和RGB三分量灰度变换后的图像转换到色调/饱和度/亮度彩色空间,重组两者的色调分量和亮度分量,再对原始图像的饱和度分量进行补偿处理,从而保持了原始图像的色彩.本算法充分继承了灰度变换算法的优点,扩展了原始图像的有效灰度范围,提高了整体对比度,增强了细节.此外,算法的计算量极小,不需要设定任何参数,可用于自适应实时彩色图像处理.

基于Sobel算子的小波包变换遥感图像融合算法

针对遥感图像融合时图像的空间信息与光谱信息不易兼容的问题,在小波包变换的基础上提出了一种基于Sobel算子的图像融合算法。该方法将多光谱图像与高分辨率图像进行小波包变换,根据阈值选用不同的融合准则得到小波低频系数,利用Sobel算子提取图像高频特征值,采用最值法获取高频系数。实验结果表明,所提算法优于传统的HIS(Intensity,Hue,Saturation)变换、小波变换以及两者结合的方法,在较好地保留图像光谱信息的同时,进一步增强图像的细节信息、边缘特征,从而提高图像的清晰度。

一种基于小波变换的遥感SAR图像与TM图像融合新算法

以高空间分辨率的SAR图像和高光谱分辨率的TM图像为例,提出了一种基于小波变换的多源遥感图像融合方法。该方法首先对TM图像作IHS变换,得到亮度I、色度H与饱和度S三个分量;其次,依据特征量积和匹配度为融合准则,将TM图像的亮度分量和SAR图像进行融合处理,并用融合结果替代TM图像的亮度分量;最后,作IHS反变换得到融合图像。实验结果表明,文中方法在增强空间细节信息的同时更好地保持了光谱信息,与IHS法和小波变换法相比,证明了文中方法的有效性。

结合最优亮度分量的遥感图像融合方法

针对基于亮度色调饱和度变换的遥感图像融合方法中存在的光谱损失问题,提出了一种结合最优亮度分量的融合方法.根据全色图像的亮度分量,利用克隆选择算法给出每幅单光谱图像对应的全局优化权值,该权值可反映出每幅单光谱图像相对于全色图像亮度分量中所占的折中比例,从而减弱了单光谱图像间的相关性,可获得更加逼近全色图像的亮度分量;利用最优亮度分量在改进的空间分辨率增加(ARSIS)框架下获取具有高分辨率的多光谱图像.算法针对快鸟卫星图像数据的实验结果,验证了新方法在降低光谱损失和增强融合图像细节信息方面的有效性,所获得的融合后的高分辨率多光谱图像具有较小的光谱损失.

基于Arnold和离散分数随机变换的彩色图像加密算法

提出一种彩色图像加密方法,该方法在亮度色调饱和度彩色空间使用离散分数随机变换(DFRNT)和Arnold变换进行加密,彩色图像从标准红、绿、蓝空间转化为亮度色调饱和度空间。其中亮度分量通过一种将像素值和像素位置同时进行加密的DFRNT进行加密;色调和饱和度分量使用一种将像素置乱的加密方法Arnold变换进行加密。与传统的双随机相位编码相比,DFRNT加密方法可以节省密钥的存储空间,同时,与传统的双随机相位编码一样安全。将DFRNT的分数阶、随机矩阵和Arnold变换的迭代次数作为该算法的加密密钥,分别使用分数阶的变化、Arnold变换迭代次数的变化、已知的明文攻击、加噪声和加密图像遮挡等攻击手段,对该加密算法进行性能测试,测试结果表明该方案的可行性和有效性。

基于相位一致性与PCNN的SAR和多光谱图像融合算法

针对合成孔径雷达(synthetic aperture radar,SAR)和多光谱图像融合结果易出现空间细节信息丢失问题,文章提出一种相位一致性和脉冲耦合神经网络(pulse coupled neural network,PCNN)相结合的图像融合方法。利用强度-色调-饱和度(intensity-hue-saturation,IHS)变换和非下采样shearlet变换(non-subsampled shearlet transform,NSST),将SAR和多光谱图像分别分解为低频系数和高频系数。从图像的空间结构和纹理特征入手,在低频中采用相位一致性融合规则,根据相位一致性提取的图像特征信息选择低频融合系数;在高频中采用PCNN的融合规则,有效保持图像的边缘纹理等细节信息。最后对融合后的高低频系数进行NSST逆变换和IHS逆变换,得到融合图像。针对哨兵1号SAR图像和Landsat-8多光谱图像进行实验结果表明,该方法在主观评价和客观评价方面均有明显提升,在保持光谱信息的同时,更好地提高了图像的空间细节表现能力。

对称分数B样条小波的PCA图像融合

有良好逼近能力的对称分数B样条小波,在刻画图像纹理方面优于传统小波,为图像融合提供了有利条件。将其与PCA(Principal Component Analysis)变换相结合之后对高分辨率全色图像和低分辨率多光谱图像进行融合,提出了一种新的图像融合算法。对两幅源图像应用PCA变换,得到的两个第一主分量分别进行对称分数B样条小波变换,再对产生的两组高、低频小波系数采取不同的规则进行融合,生成两组新的高、低频系数,对其进行小波反变换得到新的第一主分量,与多光谱图像的其他主分量进行PCA反变换,得到最终的融合图像。实验结果表明,该方法使融合图像既提高了分辨率又保留了丰富的光谱信息。

全色和多光谱卫星图像的同步融合与去噪

为了获得较高的光谱和空间分辨率的图像,提出一种卫星混合融合方法,包括IHS变换和离散小波框架变换方法。该方法在融合图像过程中失真比较小的情况下获得高的光谱和空间分辨率,并比较了传统的融合方法和本文混合方法。实验结果证明,混合方法具有优越性。

基于小波变换的遥感图像融合方法研究

在针对同一地区低空间分辨率的多光谱图像与高空间分辨率的全色图像的融合方法中,传统的强度-色调-饱和度(IHS)变换容易出现颜色失真现象,而小波融合虽然能使融合图像在获得高空间分辨率的同时较好地保持原始光谱信息,但由于舍弃了高分辨率图像的低频分量,故很容易出现分块模糊现象。提出了一种基于IHS和小波变换融合的改进方法。提取多光谱图像强度分量并进行主成分分析(PCA),将变换得到的强度分量与全色图像进行小波融合,然后再进行IHS逆变换得到融合结果。经过主客观评价,实验证明,提出的融合方法不但充分表达了地物细节信息,而且很好地保留了原多光谱图像的光谱信息。

基于扩展相位拉伸变换的多聚焦图像融合算法

针对目前传统多聚焦图像融合中图像局部模糊不易度量,融合策略难以设计等问题,提出一种新的相位拉伸核函数,形成基于扩展相位拉伸变换的多聚焦图像融合算法。该算法将传统的线性或次线性群延迟相位滤波器推广到非线性群延迟相位滤波器,并从理论上证明,这种扩展相位拉伸变换的逆变换相位近似于原始图像的归一化二阶梯度,将图像高频特征传统的梯度极值表达转换为角度或相位表达,利用角度/相位图像局部方差对清晰与模糊图像良好的区别特性设计出基于扩展相位拉伸变换局部相位方差度量的融合策略,克服了目前融合方法存在的不足。利用MATLAB软件平台对Lytro数据集中的相当数量多聚焦图像数据进行融合实验,与传统基于离散小波变换、拉普拉斯、超分辨率、引导滤波和联合卷积自编码网络算法等融合算法结果进行对照分析。结果表明,本文算法的融合图像明显优于传统最好的融合算法,融合图像的互信息、信息熵、空间频率、平均梯度及结构相似性等指标比现有的其他方法提高5%以上,证明了所提算法的优越性与实用性。

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GF-1影像的高大地物的阴影检测方法

对阴影信息的研究是高分辨率遥感影像研究的重要问题,但在高分辨率遥感影像中,水体、暗色植被和偏蓝色地物会影响阴影检测精度,基于色调、饱和度、亮度色彩空间与主成分变换法,构建了一种提取阴影的模型PCSI(principalcomponent shadow index)。选择两个试验区,采用PCSI进行阴影区域检测并对检测结果进行比较分析,PCSI能够有效地区分阴影区域与水体、暗色植被和偏蓝色地物,同时该模型能够区分地表深色地物与阴影区域。在有人工草坪的情况下,PCSI能够有效地区分人工草坪与阴影区域。实验结果表明,该方法针对GF-1影像具有良好的适用性,能精确并且快速地检测出阴影区域。