一种基于多尺度边缘的图像融合算法

给出了一种只利用源图像多尺度边缘点进行融合的图像融合算法.该算法分为三步:首先, 对源图像进行多尺度边缘检测;其次,采用边缘相关性最大的融合准则对源图像的多尺度边 缘进行融合,得到融合图像的多尺度边缘;最后,由融合图像的多尺度边缘重构 出融合图像.该算法融合过程中计算量小,融合图像中最大程度地保留了源图像的边缘信息 ,在一定程度上对融合图像进行了压缩,从而减小了数据存储所占用的资源以及数据传输占用 的带宽.仿真结果表明,用该算法得到的融合图像能有效包含源图像的信息.      

多传感器图像融合技术综述

对国内外多传感器图像融合技术的发展状况进行了介绍,描述了图像融合的主要步骤,概括了目前主要图像融合方法的基本原理,并对各种方法的性能进行了定性分析.给出了评价图像融合效果的标准和方法,指出了图像融合技术的发展方向.     

基于信息隐藏的遥感图像分块压缩

目前JPEG2000等图像压缩方法受制于压缩倍数的限制,无法满足用户对海量遥感数据的实时传输要求,需要进一步减少高分辨率遥感图像产生的数据量,以满足遥感图像数据的空间传输要求。针对此情况提出了一种基于信息隐藏的遥感图像分块压缩方法,利用图像块的相似性判决出基准图像块和相似图像块,将相似图像块的编号隐藏在基准图像块中,只对基准图像块进行JPEG2000压缩。采用标准图像库作为样本图像进行仿真,结果表明,该方法将样本图像压缩前的数据量减少1/3,同时将该样本图像的压缩比提高1.5倍。     

基于小波域清晰度评价的光场全聚焦图像融合

传统全聚焦图像融合以相机多次曝光拍摄的多聚焦图像为基础,光场相机在单次曝光后可计算空间任意深度的重聚焦图像,为后期全聚焦图像的获取提供便利。提出了一种基于小波变换的光场全聚焦图像获取算法,可有效避免传统空域图像融合算法的块效应,获得较高质量的全聚焦图像。该算法通过对微透镜阵列光场相机获得的4D光场数据进行空间变换与投影,得到用于全聚焦图像融合的重聚焦图像,对各帧重聚焦图像进行小波分解提取高、低频子图像集,提出区域均衡拉普拉斯算子、像素可见度函数分别构建融合图像的高、低频小波系数实现图像融合,其性能优于传统的区域清晰度评价函数。实验验证了所提算法的正确性和有效性,采用Lytro光场相机的原始数据计算了融合全聚焦图像,与传统图像融合算法相比,人眼视觉效果更好,客观图像指标也得到了提高。      

基于截断重排的小波图像无损压缩算法

针对图像小波系数的能量聚集特性,提出一种基于截断重排的小波图像无损压缩算法。该算法在离散小波变换的基础上,对图像低频子带的小波系数先后按照大津法和希尔伯特曲线进行分类和重排,对图像各高频子带的小波系数分别根据信息熵代价函数进行自适应的奇异值截断变换,然后对截断重排后的所有小波系数进行熵编码,以实现图像无损压缩。实验结果表明,该算法实现简单,有效地降低了图像的编码比特率,提升了图像无损压缩的压缩比。     

遥感图像受控有失真压缩技术研究

在测绘遥感领域, 对图像的像质要求较为严格, 但即便如此, 遥感图像数据中仍然含有噪声, 从而有损压缩是可行的。文章在遥感图像信噪分析的基础上, 提出了一种遥感图像受控有失真压缩技术。首先分析了遥感图像有失真压缩的可行性; 然后应用小波的良好变焦性能, 对遥感图像施行2层2维小波的塔式分解; 对低频子图进行精细量化,对高频子图进行从粗到精的量化; 最后, 考察不同的高频量化器对遥感图像的压缩倍率和恢复图像像质的影响。     

基于图像增强的无人机侦察图像去雾方法

针对无人机(UAV)雾霾天气下的侦察图像,并考虑无人机自身特性,提出了一种新的基于图像增强的无人机侦察图像去雾方法。该方法从图像处理的角度,通过对图像分别进行白平衡处理和对比度增强处理,基于图像融合和自动色阶处理,最终得到复原图像。选取无人机侦察图像进行去雾,并从主观和客观对实验结果进行评价,本方法得到的去雾图像的图像评价指标均有明显提高;同时与其他典型的去雾方法相比,综合评价指标提升,证明本方法可以得到良好的去雾效果。     

多传感器遥感图像数据融合研究

重点研究了卫星遥感图像融合技术.通过在Matlab平台上实现基于颜色空间变换和基于小波变换的图像融合算法,分析了颜色空间变换的融合特点,并结合高分辨率图像、多光谱图像以及SAR图像的融合结果对相关理论进行了验证;研究了基于小波变换的融合方法在不同分解和重构级数下所获得的融合图像的特征,比较了各级融合图像的特点和相互间的差别;通过对高分辨率图像和多光谱图像的融合实例,给出了达到融合目的所应进行的最低分解重构级数与两原始图像空间分辨率指标比值间的定量关系;分析了不同小波因子对融合结果的影响,并结合颜色空间变换方法的融合结果得出了最终结论.      

基于分割途径的SAR单视图像斑点噪声抑制方法

在图像分割思想的基础上,结合合成孔径雷达(SAR)图像的区域特征,利用恒虚警率边沿检测技术将分割区域最大化,并在分割区域内根据SAR图像特性进行优化滤波,得到了一种基于图像分割的单视SAR图像降斑方法.其中,边沿检测和区域分割在多视图像中进行,保证了检测和分割的有效性.计算机仿真结果证明了该方法的优越性.      

压缩感知在电容层析成像中的应用

压缩感知(CS)理论是在充分利用信号稀疏性或可压缩性的情况下,对信号进行少量采样即可实现信号的精确重建。本文尝试将CS理论应用于电容层析成像(ECT)图像重建中,首先,使用快速傅里叶变换(FFT)基将原始图像灰度信号进行稀疏化处理;其次,将ECT灵敏度矩阵的各行按随机顺序进行排列,得到ECT系统随机观测矩阵;最后,选取当前普遍使用的基于内点法、梯度投影(GPSR)算法以及贪婪算法的CS图像重建算法进行ECT图像重建,并与线性反投影及Landweber迭代算法进行了对比。仿真实验结果表明:基于CS图像理论的ECT图像重建算法,其重建精度有所提高。本文同时分析了3种CS图像重建算法的优缺点及适用范围。     

一种基于核回归的改进型图像去噪方法

为了消除图像处理中的噪声,同时尽可能地保留图像细节,提出了一种基于核回归的图像去噪算法。该方法的基本思想是在经典方法以像素位置决定权值的基础上,引入像素灰度值。即核函数在计算权值时考虑两个因素:空间距离和灰度距离。通过计算控制核来做到自适应,最后引入一个迭代过程。实验结果表明该算法能够在滤除图像中的高频噪声的同时尽可能保留了图像的细节特征,获得了较为理想的去噪效果。     

太阳X-EUV成像望远镜的图像优化处理

太阳X-EUV成像望远镜主要用来监测和预报影响空间天气变化的太阳活动,成像资料专门服务于空间天气预报研究.为了满足望远镜的空间适应性,望远镜获取的图像会受到其结构调制形成的噪声干扰.本文主要对望远镜所获取的图像进行优化处理,讨论了傅里叶变换的物理意义及其在图像处理中的应用.通过二维离散傅里叶变换,将图像变换到频率域空间;选用巴特沃思陷波滤波器滤波,通过程序设计,实际调试,在尽量减少图像失真的前提下,滤除图像中的周期性噪声.优化后的图像有利于进一步分析太阳活动现象.      

一种基于现代通信理论的图像质量评价技术

应用现代通信理论对成像系统进行了分析, 建立了模拟和数字图像的目标信息密度模型。利用目标信息密度增量评估了亚像元技术的应用; 讨论了系统调制传递函数(MTF)和信号噪声比(SNR)对目标信息密度的影响, 发现目标信息密度随 SNR提高而提高, MTF的影响与目标统计特性有关。     

CCD光学遥感器参数选择研究

介绍了由衍射受限非相干成像系统的衍射分辨率引出的截止频率及混叠的概念. 为了对采样成像系统获得的图像质量进行量化, 使用图像质量因子(λF/P)表示探测器对光学系统线扩散函数采样的程度. 进一步分析了光学遥感器参数选择与信噪比的关系. 选择实际的焦距9 m, F 数为18 的空间光学系统, 利用ZEMAX 软件的像模拟功能, 对选择8.75 μm 和13 μm 像元尺寸的CCD 所获得的图像进行了模拟仿真. 仿真获得的结果验证了图像质量因子和信噪比对图像分辨率的影响.      

混合泊松-高斯分布模型的参数估计

针对实际CCD图像处理问题中噪声概率模型的参数估计问题,从CCD图像的噪声背景出发,研究其噪声的混合泊松高斯分布,给出了两种参数估计方法,以及非零均值高斯噪声情况下的参数估计方法,计算结果表明文中方法给出的参数估计精度高。     

基于小波变换的含噪图片的自适应边缘提取

对含有白噪声的图片的边缘提取进行了讨论。利用噪声图像小波系数的统计特征和小波变换的多尺度特性构造收缩因子 ,通过收缩因子对图片中的噪声和边缘区别对待。而且通过极大似然法估计小波系数概率模型中的三个参数 ,使算法达到自适应性。利用所讨论的理论对一幅含有噪声的图像进行边缘提取实验 ,结果令人满意     

用图像模板测量技术检测零件不规则薄圆孔的研究

针对零件的不规则薄孔,常规的方法无法对其精确测量,提出了一种基于数字图像处理的模板匹配检测方法,运用数字图像处理技术对采集的圆孔网像进行截取、降噪、分割、边缘检测等处理,再把提取出的圆与标定模饭上的标准阋进行比较,实现对不规则网孔尺寸的检测,并通过实验证明了陔方法的可行性和实用性.     

抑制复原图像振铃波纹的频域循环边界算法

提出了一种基于Wiener滤波的频域循环边界复原算法,并给出了有效的规整化表达式和信噪比估算方法.复原算法首先将原观测图像按反射对称的方式延拓,形成一个新的观测图像(称为延拓图像);然后,用Wiener滤波算法复原延拓图像,并取延拓图像的复原图像的主值序列作为原观测图像的复原图像.对延拓图像在频域进行复原处理时,需要使用FFT(Fast Fourier Transform)技术,将延拓图像进行周期延拓,因其结合边界在垂直方向上的梯度为零,且边界平滑满足微分条件,抑制了复原图像的振铃波纹.复原过程中,将噪声与原始图像的功率谱之比规整化为原观测图像信噪比的函数.实验结果表明,该算法对周边区域梯度变化较大的观测图像复原效果较好.      

The study of enhanced earth observations on a satellite image chain

The Multi-Spectral Camera (MSC) on the KOrea Multi-Propose SATellite (KOMPSAT)-2 was developed and launched as a main payload to provide a One(1) m panchromatic image and four(4) band four(4) m multi-spectral images at an altitude of 685 km covering a swath width of 15 km. These images, archived around the world, are a useful resource for space applications in agriculture, cartography, geology, forestry, regional planning, surveillance, and national security. The image quality of KOMPSAT-2 depends upon its image chain, which is comprised of an on-board system in the satellite and a processing system at the ground station. Therefore, in this study we determine the factors that have a major impact on the image quality through an investigation of the entire image chain. Consequently, two methods, involving a compression algorithm and a deconvolution technique, were determined as having a significant influence on the KOMPSAT-2 image quality. The compression algorithm of KOMPSAT-2 is rate-controlled JPEG-like algorithm that controls the mismatch between the input and output data rate. The ability to control the input/output data rate may be useful during the operation of the satellite but can also lower the overall image quality. The deconvolution technique may increase the sharpness of images, but it can also amplify the image noise level. Therefore, we propose methods of wavelet-based compression and denoising as an alternative to currently existing algorithms. Satisfactory results were obtained through experimentation with these two algorithms, and they are expected to be successfully implemented into the future KOMPSAT series to yield high-quality images for enhanced earth observation.     

基于改进核聚类算法的空间目标识别方法

根据目标区域的矩特征,几何特征以及灰度特征,提取出目标的特征向量,并通过聚类算法对空间目标进行识别,提出了一种基于Voronoi距离的核聚类算法（KFCM）。该算法通过引入一种新的距离度量,使得隶属度函数更加的明晰,改善了核聚类算法极易陷入最小值的问题。运用改进的核聚类算法对3类空间目标进行识别,试验结果验证了算法的正确性和有效性。