基于双色性反射模型的彩色不变特征的研究

在对双色性反射模型理论分析的基础上,定义和分析了多种彩色不变特征。实验结果表明,归一化的彩色分量rgb,饱和度S,色度H,以及新定义的彩色分量c1c2c3和l1l2l3对视角、光源方向和光照强度是不敏感的,而且色度H和l1l2l3同时对面反射光的影响也不敏感,在照明的光谱能量分布发生变化时,定义了新的不变参量m1m2m3,该参量对白光照明中单色光强度的变化具有很好的鲁棒性。

基于C1C2C3彩色不变特征的阴影检测与辐射恢复研究

阴影是遥感影像的基本特征之一,它将干扰图像匹配、图象变化检测或图像中信息的提取,而去除阴影则是遥感图像处理的难题。本文利用C1C2C3彩色不变特征中的C3将阴影与黑色区域分解开来;用方差作纹理滤波来提取阴影区边界;参考非阴影区相同地物像素亮度值来恢复阴影区像素的亮度值。并且用IKONOS城市区域影像进行了实验,实验表明该方法可真实再现阴影区地物特征,增加影像信息量,提高数据质量。

基于彩色二进制局部不变特征的图像配准

提出了一种适用于彩色图像的局部不变特征配准方法。特征点提取阶段,提出了快速分割测试特征颜色差异(CDo FAST)特征点检测方法,计算图像的颜色不变量,以此为输入在尺度空间检测FAST极值点,在极值点附近对高斯差分算子(Do G)值进行插值和拟合,以最终确定特征点的位置和尺度。特征描述符生成阶段,提出了一种新的彩色二进制局部不变特征(CBLID),采样点邻域结构类似于人眼视觉的重叠,通过统计方向图生成二进制链码,具备旋转、尺度缩放、光照不变性和抗噪性能。通过计算汉明距离进行匹配并结合随机抽样一致性(RANSAC)算法去除误匹配点,计算出待配准图像间的变换关系。实验表明,所提算法针对彩色图像能够获得比传统的尺度不变特征变换(SIFT)、快速稳健特征(SURF)和DAISY更高的配准精度,同时算法的运行时间也较短,在测试图片上耗时仅为SIFT的10%和12%。

基于ENVI/IDL的遥感影像阴影区域内水陆分割线的提取方法

针对遥感影像阴影区域内水陆分割线的提取问题,提出一种结合C3分量和影像波段属性的提取方法。在ENVI/IDL软件平台下,将多光谱影像和全色波段影像融合,生成高分辨率多光谱影像,由RGB彩色空间构建C1C2C3彩色不变特征中的C3分量,以检测影像中的阴影部分,结合水体对近红外波段的强吸收特性,采用C3分量与NIR波段的比值图像,突出阴影区域水体与陆地的边界。利用Otsu阈值分割、形态学滤波算法和边缘检测,提取阴影区域的水陆分割线,并与直接用近红外波段分割方法比较。实验结果表明,本方法对阴影区域内的水陆分割线提取具有较高的精度和效率。

基于biSCAN和SVM的机器人目标识别新算法研究

针对机器人足球比赛环境容易受光照变化影响,造成目标识别率低、光照自适应性差的问题,采用c1c2c3彩色不变的特征,利用biSCAN算法设置一系列从圆形图像中心出发且与图像半径为同方向的径向扫描线来提取目标所在区域,并用支持向量机(support vector machine,SVM)进行目标识别.实验表明,该方法提高了目标识别率,具有较强的光照自适应能力.

基于局部颜色直方图的SIFT算法研究

尺度不变特征变换(SIFT)算法是一种对旋转、尺度缩放和光照保持不变性的局部特征图像匹配算子,是公认的识别率最佳算法之一。而SIFT算法仅使用灰度信息,忽略颜色信息,当对彩色目标识别时,识别率降低。针对此问题,结合直方图保持良好的旋转、缩放、模糊不变性等特点,提出基于局部颜色直方图的SIFT特征描述算法(即CH-SIFT)。在SIFT算法关键点位置不仅生成梯度直方图特征描述,同时生成颜色直方图特征描述。在匹配时,首先使用梯度直方图特征描述对匹配对初次筛选,然后使用颜色直方图特征描述再次筛选,最后确定是否为满足条件的匹配对。实验对比表明,CH-SIFT算法具有识别率高和匹配时间短等优点,能够有效地实现彩色目标匹配。

结合特征分量构建和面向对象方法提取高分辨率卫星影像阴影

针对高分辨率卫星影像,提出一种特征分量构建与面向对象结合的阴影提取方法。分析遥感阴影光谱特性,构建彩色不变特征C3、亮度特征I、主成分第一特征量PC1以及蓝色波段和近红外波段归一化比率特征RATIOb_nir,增强阴影信息。采用线性变换将几个特征分量Digital Number(DN)值归一化到相同范围,对这几个分量进行综合分析。以I和PC1分量为输入对影像进行多尺度分割,建立包括波段均值、标准差、最大差异等特征的规则集,实现面向对象的阴影信息提取。选取20幅QuickBird影像为例进行阴影提取实验,平均总体精度为97%,平均用户精度为96%,平均Kappa系数为0.94。实验结果表明,相对传统基于像素信息提取方法,本文方法提取阴影斑块完整,无破碎图斑;相对基于原始光谱的面向对象方法,本文方法提取精度更高。