A Study of Pansharpened Images Based on the HSI Transformation Approach

A pan-sharpen technique artificially produces a high-resolution image by image fusion techniques using high-resolution panchromatic and low-resolution multispectral images. Thus, the appearance of the color image can improve. In this paper, the effectiveness of three pan-sharpening methods based on the HSI transform approach is investigated. Three models are the hexcone, double hexcones, and Haydn’s approach. Furthermore, the effect of smoothing the low-resolution multispectral image is also investigated. The smoothing techniques are the Gaussian filter and the bilateral filter. The experimental results show that Haydn’s model is superior to others. The effectiveness of smoothing the low-resolution multispectral image is also shown.

卷积神经网络与视觉Transformer联合驱动的跨层多尺度融合网络高光谱图像分类方法

高光谱图像(HSI)分类是地球科学和遥感影像处理任务中最受关注的研究热点之一。近年来,卷积神经网络(CNN)和视觉Transformer相结合的方法,通过综合考虑局部-全局信息,在HSI分类任务中取得了成功。然而,HSI中地物具有丰富的纹理信息和复杂多样的结构,且不同地物之间存在尺度差异。现有的二者结合的方法通常对多尺度地物目标的纹理和结构信息的提取能力有限。为了克服上述局限性,该文提出CNN与视觉Transformer联合驱动的跨层多尺度融合网络HSI分类方法。首先,从结合CNN与视觉Transformer的角度出发,设计了跨层多尺度局部-全局特征提取模块分支,其主要由卷积嵌入的视觉Transformer和跨层特征融合模块构成。具体来说,卷积嵌入的视觉Transformer通过深度融合多尺度CNN与视觉Transformer实现了多尺度局部-全局特征信息的有效提取,从而增强网络对不同尺度地物的关注。进一步地,跨层特征融合模块深度聚合了不同层次的多尺度局部-全局特征信息,以综合考虑地物的浅层纹理信息和深层结构信息。其次,构建了分组多尺度卷积模块分支来挖掘HSI中密集光谱波段潜在的多尺度特征。最后,为了增强网络对HSI中局部波段细节和整体光谱信息的挖掘,设计了残差分组卷积模块对局部-全局光谱特征进行提取。Indian Pines, Houston 2013和Salinas Valley 3个HSI数据集上的实验结果证实了所提方法的有效性。

融合Transformer和VGG网络的高光谱图像分类

在高光谱图像(HSI)光谱数据中,相邻波段间信息的相关性对光谱特征近似的不同地物的分析具有重要意义。然而在传统卷积神经网络(CNN)的HSI光谱数据处理方法中,所提取的特征忽略了不同波段间信息的关联性。提出了一种融合Transformer和VGG网络的高光谱图像分类方法(SST_Like)。采用3D卷积核的VGG网络提取空间光谱特征,基于多头自注意力(MSA)机制的Transformer网络提取连续光谱间信息,形成空谱联合特征,最终通过多层感知机(MLP)完成地物分类任务。本文提出的SST_Like网络模型在3个HSI开放数据集上的实验结果表明,与传统基于CNN的HSI分类算法相比,可以提取更加深层的、判别性的特征,具有较高的分类性能。

基于HSI色彩空间和分水岭算法的冰雹特征参数测量

为了促进冰雹灾害等级评估工作的高效进行,提出一种测量冰雹特征参数的方法。该方法统计冰雹图片的HSI颜色范围,用先验的颜色范围来分割出冰雹并通过形态学滤除噪声,针对冰雹颗粒粘连情况运用基于分水岭算法分割边界。分别采用统计像素法、Freeman链码和改进的最小外接矩形法来测量冰雹颗粒的面积、周长和直径并与相关算法进行了实验比较。实验结果表明该方法精准度高、相关性较好,冰雹周长、面积和直径的均方根误差(Root Mean Square Error,RMSE)分别为0.2081 cm、0.2124 cm 2和0.9314 cm,决定系数(R 2)分别为0.8814、0.8736和0.9314,测量值平均误差在2%~6%之间。研究结果可为冰雹灾害相关的研究者提供准确的数据参考。

基于HSI模型和Hough变换的指针式汽车仪表自动校验

为了克服传统的汽车仪表人工校验普遍存在准确率不高的弊端,提出一种指针式汽车仪表自动校验算法.针对汽车仪表盘颜色信息丰富的特征和采集图像时目标物体周边有阴影的现象,将RGB模型下的表盘图像转到HSI(色调、饱和度、亮度)模型以消除阴影影响,并利用色调和饱和度分量作为特征参数进行图像分割,并采用Hough变换检测目标;分别计算出指针指向主要刻度线时相对于零刻度线的偏转角,并与相对应的标准偏转角比较,若超过允许误差范围则返回重调.对常用汽车仪表盘的自动校验结果表明该算法精度好,校验准确率高.

基于HSI颜色空间和小波变换的多光谱图像和偏振图像融合实验研究

偏振成像技术是当前光电成像领域研究的热点之一.为了更好地实现目标探测识别,本文研究了基于HSI颜色空间的偏振图像和多光谱图像的融合算法,对每一个波段内的偏振图像进行融合并映射到HSI颜色空间;然后对实验所选取的三个波段的H、S、I图层进行小波系数融合,并将融合图像在RGB颜色空间输出显示.给出了融合图像的客观评价参数,通过与前人的实验对比,表明该算法更加适合于人眼的视觉特性.融合图像用颜色凸显目标的偏振信息,能够将目标和背景明显区分开来,很大程度地提高了目标探测识别的质量.

HSI鲁棒彩色图像数字水印算法

提出了一种彩色图像数字水印算法,先将图像从RGB色彩空间变换到HSI色彩空间,在HSI模型中取I(强度)分量,结合JND自适应地嵌入水印,然后再反变换回RGB色彩空间,而且水印提取不需要原始图像和原始水印。实验结果表明该算法可以有效抵抗有损压缩、滤波、添加噪声等常见图像处理操作,尤其是对色深变换具有较好的鲁棒性,是一个有实用价值的算法。

HSI空间基于形态学的彩色有噪图像边缘检测

针对在RGB空间中很难有效区分颜色相似性问题,选择更加符合颜色视觉特性的HSI颜色空间进行图像处理,提出一种HSI空间基于数学形态学的彩色有噪图像边缘检测方法.首先对H、S、I三个分量分别采用提出的新的形态学边缘检测算法检测边缘分量,然后对三个边缘分量进行融合得到最终的彩色边缘信息.实验结果表明,该方法可以充分利用彩色图像的色度、饱和度和亮度信息,有效地抑制噪声,提取完整的边缘信息.

基于组合特征和HSI颜色空间的阴影检测

为了更有效地检测视频序列中的阴影,提出基于组合特征和HSI颜色空间的阴影检测算法.对提取的前景,先采用扩展的不变矩和Gabor小波变换分别抽取待识别区域的全局特征和局部特征来建立组合特征向量,再通过建立的HSI空间的阴影颜色模型来准确检测出目标的阴影.实验结果表明,该算法具有良好的阴影检测效果.

基于改进Resnet18网络的火灾图像识别

针对传统卷积神经网络进行火灾图像识别时,准确率不高、特征难以提取、网络的平移不变性较弱等问题,对Resnet18网络进行改进,使其具有更高的性能和准确性.首先,在Resnet18网络的卷积层前插入空间变换网络(spatial transform networks,STN).对于连续多个相同大小的卷积层,只在第一个卷积层前添加STN,共添加5个,并且在全连接层后添加dropout层防止过拟合.然后,使用迁移学习(transfer learning,TL)的方法对火灾进行分类识别.实验结果表明,改进后的Resnet18网络准确率、召回率、F_(1)值和AUC值等各项指标性能优于Resnet18网络和其他深度学习识别算法,能够对火灾图像进行快速、准确地识别.

一种基于小波变换和HSI的改进视频光流场估计算法

为了避免传统基于RGB颜色模型方法在方程组中各等式线性相关和存在孔径的问题,提出一种在HSI颜色模型下结合小波变换的方法计算彩色图像视频序列光流场的计算方法,这里将传统的灰度图像光流估计方法与HSI颜色模型估计方法相结合,并且用小波变换方法对光流矢量场的异常数据点或因为匹配错误而产生的异常块数据进行剔除,从而有效提高光流场估计精度,得到精密的彩色图像光流矢量场特征。

结合HSI变换与双通道脉冲发放皮层的彩色多聚焦图像融合

结合非下采样剪切波变换(NSST)和改进的拉普拉斯能量和以及双通道脉冲发放皮层模型(DCSCM),提出一种新的彩色多聚焦图像融合算法.首先对源图像进行HSI彩色空间变换获得色调、饱和度和亮度分量,对源图像亮度分量采用NSST进行分解,获取相对应的高低频分解系数;然后低频分量系数依据改进的拉普拉斯能量和规则进行筛选,高频分量系数采用DCSCM进行融合,经过NSST逆变换获取亮度信息的融合分量;最后利用源图像与亮度分量的欧式距离关系实现色调与饱和度分量进行的分配,通过HSI逆变换获得最终的融合结果.实验结果表明,算法取得了较好的视觉效果并且在互信息、结构相似度、边缘保留度等客观评价指标中具有优势.

基于HSI变换和QPSO变换的图像融合算法

提出了一种基于HSI和QPSO(即基于量子行为的粒子群优化算法)的图像融合方法,HSI变换方法对多光谱图像和全色图像进行融合会丢失较多的光谱信息。利用QPSO算法来求解HSI变换中光谱强度分量的最优变换问题。由于采用了QPSO算法,使最后变换后的图像与多光谱图像和全色图像都有很强的相关性。实验表明,此方法所得到的融合图像优于传统HSI变换。

基于HSI变换的无人机图像亮度均衡模型去雾研究

针对无人机遥感图像因雾霾影响而发生图像降质的问题,使用亮度均衡模型进行改善。亮度均衡模型基于HSI变换得到原始图像的亮度通道图像,使用亮度均衡滤波将亮度动态调整到合适的区间以达到去雾目的,再采用高斯模糊和色彩重塑处理对图像进行进一步优化。经过图像对比实验,处理后的图像均值更合理且标准差和熵等重要参数均较原图有所提升。实验结果表明,本文模型具备较好的去雾能力和视觉效果。

HSI空间上高噪声彩色图像去噪方法研究

针对彩色图像中噪声难以去除的问题,根据HSI空间独特的色彩分离特点,对受高噪声污染的彩色图像的噪声去除进行了研究。首先将彩色图像投影到色彩特征空间HSI中,将色彩信息与亮度特征信息进行分离操作,然后对该空间中的色彩分量H和S提出极坐标下距离阈值去噪方法进行处理,在保持色彩不失真的情况下去除噪声。同时对亮度特征分量I进行多尺度变换得到高低频子图,根据高频子图中噪声突变频繁的特点提出自适应梯度阈值去噪方法去除高频中噪声以提高图像质量;采用稀疏去噪方法对低频子图中少量噪声进行处理;最后进行相应逆变换得到最终的彩色图像。实验结果表明,所提出的去噪方法在视觉上和PSNR、RMSE、SSIM、RE这些客观指标上均达到了良好的噪声去除效果。

一种基于HSI和小波变换的可见光和红外图像融合新方法

针对传统的HSI(色度—饱和度—亮度)图像融合方法易出现颜色失真和传统的小波融合方法存在分块模糊的现象,文中提出一种基于HSI和小波变换的可见光和红外图像融合新方法。该方法首先通过HSI变换获得红外和可见光图像的亮度成分,采用基于方差匹配度的融合规则对两者进行小波融合,得到新的亮度分量,并选用红外图像的饱和度分量和可见光图像的色度分量,进行HSI逆变换获得最终融合图像。实验结果表明:该方法在提高图像清晰度、突出图像细节和热目标等方面效果显著。

基于HSI的改进Retinex水下图像增强算法

针对水下采集的彩色图像会出现细节丢失、边缘模糊和颜色衰减等现象,将原始水下图像变换到HSI(Hue-Saturation-Intensity)色彩空间,在小波分解和多通道滤波基础上对传统Retinex算法进行了改进。利用小波变换将彩色图像分解为高频与低频部分,针对其不同频带上图像的特征,分别用多通道滤波和Retinex两种处理方法对图像进行处理。实验表明:该算法不仅能够有效消除光晕伪影现象,增强图像的亮度和对比度,同时也还原了图像原本的特征细节,并有效去除了图像噪声,图像的视觉效果与客观评价结果也都取得了较大提升。与传统的Retinex算法和直方图均衡法对比,该算法能够显著有效增强水下图像,主观和客观评价指标有大幅度的提升。

Color Image Segmentation Based on HSI Model

ＣｏｌｏｒＩｍａｇｅＳｅｇｍｅｎｔａｔｉｏｎＢａｓｅｄｏｎＨＳＩＭｏｄｅｌＺｈａｎｇＹｕｊｉｎ（章毓晋），ＹａｏＹｕｒｏｎｇ，ＨｅＹｕｎ（ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃＥｎｇｉｎｅｅｒｉｎｇ，ＴｓｉｎｇｈｕａＵｎｉｖｅｒｓｉｔｙ，Ｂｅ...

基于M-HSI和像素偏移法的车牌定位

为提高车牌定位准确率,提出一种改进的车牌定位方法。以小功率汽车牌照为研究对象,通过对HIS模型进行修正,分别得出包含车牌蓝色区域的二值图像和包含车牌字符的二值图像;将两幅二值图像合成一张图,利用车牌区域的几何特征实现对车牌区域的定位;用Hough变换和像素偏移法对倾斜的车牌进行矫正。实验结果表明,该方法与基于边缘检测的车牌定位方法相比,在耗时基本不变的情况下,图像定位准确率达到98%,倾斜矫正准确率达到99%,验证了该方法的有效性。

HSI色彩空间的彩色图像小波域直方图均衡算法

彩色图像增强是一种应用广泛的图像处理技术。针对传统方法通常会导致增强后的图像出现色调变化与噪声放大的问题,提出一种改进的彩色图像直方图均衡算法。首先,将彩色图像转换到HSI颜色空间,对其中的亮度分量进行3层小波分解;然后,对低频分量进行直方图均衡处理,通过小波重构与色彩空间转换得到输出图像。实验结果表明,该算法增强的彩色图像不仅保持了原图像色调,还明显提高了抑制噪声的性能。将该算法用于彩色图像对比度增强能够取得较为理想的视觉效果。