基于离散余弦变换和聚类算法的遥感图像融合

本文将二维离散余弦变换(DCT)应用于多光谱图像与全色光学图像融合问题的研究中。首先,对全色光学图像和多光谱图像的亮度分量(Y)作DCT变换;根据变换矩阵DCT系数分布特点,对DCT系数进行聚类,通过统计不同类的DCT系数的数目,将DCT变换矩阵分为低频分量和高频分量;用Y分量的低频分量代替全色光学图像的低频分量,保留全色光学图像的高频分量,反DCT变换,得到最终的融合结果。实验表明,融合图像在空间细节信息的表现能力和光谱特性保持性能上均是比较优良的,说明该方法是可行有效的。     

基于均值聚类多小波图像融合算法研究

研究图像融合精度优化问题.针对传统的图像融合质量不高,由于图像中边缘信息丢失,使图像的清晰度和分辨率降低.为了提高图像的分辨率,给出了一种新的均值聚类多小波图像融合算法.针对多小波变换的优点,对融合图像采取分段式的多小波分解,并根据不同的融合规则对分解后的小波的不同高低频率重构,对融合后的边缘模糊图像区域采用均值聚类方法进行融合,可有效解决图像融合后边缘细节丢失等问题,对多组多聚焦图像进行验证实验,仿真结果表明,改进的方法能够更好的保留图像边缘信息,融合效果明显优于传统的图像融合方法.     

基于模糊聚类的遥感图像与现有地形图的变化检测方法

提出了一种基于模糊聚类的遥感图像与现有地形图的变化检测方法。该方法通过模糊聚类对遥感图像和地形图的像元进行分类,然后基于分类结果实现图像的叠合,从而显示图像间的变化情况。本文通过一个图像变化检测实例说明该方法能够快速、直观的反映遥感图像与现有地形图之间的变化,从而避免了参考点均方误差法无法完全反映图像实际变化情况的问题。     

基于多粒度粗糙集的聚类融合方法

现有的聚类融合算法从聚类成员的角度出发,若使用全部聚类成员则融合结果受劣质成员影响,对聚类成员进行选择再进行融合则选择的策略存在主观性。为在一定程度上避免这两种局限性,可以从元素的角度出发,提出一种新的聚类融合方法。通过多粒度决策不一致粗糙集来选择一部分类别确定的元素,再利用这部分元素进行聚类融合生成新的划分;多粒度决策不一致粗糙集模型能够刻画多粒度决策过程中属性一致而决策不一致的现象,提出了一种基于多粒度决策不一致的粗糙集模型,并给出了一种聚类融合方法。具体做法是：首先在数据集上多次使用K-means聚类算法,生成论域上的多个粒结构;其次对所有粒结构两两之间求粒间包含度,建立包含度矩阵,对矩阵使用Otsu算法计算阈值,得出多组满足阈值条件的信息粒,求解多粒度决策不一致下近似和上近似;最后分别处理下近似与边界域中元素的类别,从而获得了一个经过融合的聚类划分。实验结果表明,该方法能够有效改善聚类的结果,具有较高的时间效率,且算法具有较好的鲁棒性。     

基于改进的空间模式聚类遥感图像融合算法

研究遥感图像融合优化问题,由于多通道,遥感图像和多光谱图像融合技术受到采集的图像信息精度和分辨率不同的影响,使图像的清晰度降低.为了有效提高遥感图像的分辨率,提出了一种空间模式聚类和小波分析相结合的遥感图像融合新算法.首先采用小波分析对待融合图像进行小波分解,并选择不同的融合规则对小波分解后的不同高低频率重构,然后对融合后的边缘模糊图像区域采用基于空间模式聚类方案进行合并.实验给出了两组遥感图像,仿真结果表明,通过与常用的几种图像融合算法相比,改进的遥感图像融合算法最大限度地保留多波段光谱信息,提高了分辨率,具有一定的实用性.     

基于小波变换的多方向加权聚类颅内肿瘤图像分割方法

分割MR颅内肿瘤区域后,可对病变部分进行针对性的临床治疗和处理。结合临床实际,提出一种基于小波变换的多方向加权聚类颅内肿瘤图像分割方法。通过小波变换和多方向加权聚类算法的结合,利用非线性的补偿图像轮廓来增强小波分解后的高频信号,并对低频信号做多方向的种子点选取加权聚类算法改进。实验结果表明,该算法在大大减少时间复杂度的基础上,也能有效地提高准确性。     

基于多粒度免疫聚类的分类器设计

分析了基于均匀粒度的聚类方法构造分类器存在着与先验知识之间不协调的问题。提出了根据多粒度原理、基于人工免疫聚类来获取代表点集来构造分类器的方法,在一定程度上克服了聚类结果与先验知识之间的矛盾,并提高了分类器的分类准确度和推广性。实验结果表明基于此分类器的入侵检测的平均检测率和误报率都保持了较高的性能。     

基于高斯混合模型的层次聚类算法

选择合适的聚类数和准确划分类间重叠的数据是聚类分析领域2个被广泛研究的问题.提出了一个基于高斯混合模型的层次聚类算法(HCGMM),该算法基于重叠度的衡量,而且不需要预先指定聚类数,能够很好地解决以上两个问题.算法根据高维空间中混合模型每2个组成成分之间的重叠情况自动运行或停止,从而准确划分类间重叠的数据,并自动确定聚类数.最后,通过标准的数据的测试,以及通过把它应用于不同类型的真实彩色图像分割表明,该算法是有效的,而且对噪声影响不敏感.把它和其他层次算法进行比较和分析,以证明该算法的优越性.     

应用快速高斯变换估计图像互信息

针对基于核密度估计的图像互信息估计法运算量很大的问题,提出了一种快速互信息估计算法。该算法选用高斯函数作为核密度估计法的核函数,然后用快速高斯变换加快运算速度,并用k中心聚类算法改进了原快速高斯变换中数据分类方法。新算法能在线性时间复杂度内估计出图像互信息,采用医学图像的实验证实了算法的性能。     

Curvelet变换的多波段遥感图像融合研究

提出一种基于Curvelet变换的多波段遥感图像融合算法。Curvelet变换具有比小波变换更好的边缘表达,因而更适合图像的融合处理。采用具有多尺度、多方向特点的Curvelet变换对多波段遥感图像像进行分解。对于低频系数采用平均融合算法,根据高频子图边缘分布差异,对于方向高频系数采用区域边缘检测和区域谱熵算法实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统算法相比在保留原始图像边缘和纹理信息同时,可以有效地取得较好的融合视觉效果。     

基于云模型的多粒度彩色图像分割

图像信息中存在的不确定性问题会影响图像的分割效果.为此,提出一种基于粒计算和云模型的彩色图像分割算法.研究多粒度认知模型,在HSV颜色空间中利用云模型构建彩色图像的信息粒,进行多粒度、多层次的云粒合成,实现彩色图像分割.实验结果表明,与PCNN算法和K均值算法相比,该算法的分割效果较好.     

海量遥感图象快速显示技术

为了解决随着遥感技术的飞速发展而产生的海量遥感图象，以及在计算机显示时，操作不流畅的问题，结合当前计算机软件和硬件的技术对其原因进行了深入分析。并针对影响显示速度的图象漫游和缩小操作等关键问题提出了基于中间图象技术，栅格分块技术，高速缓存技术以及中间图象序列技术等解决手段。同时在Windows9X/2000操作系统上，利用VC^ 6.0给予了具体程序实现，并在浙江省水土流失遥感调查中得到了充分利用。实践表明本文提出的技术手段能够在现有的计算机条件下，较好地解决图象显示不流畅的问题。     

基于云理论的遥感图像土地利用分割分类方法研究

传统的遥感图像土地利用分类技术自动化和智能化的程度较低,遥感图像土地利用分类问题是一个包含随机性和模糊性的不确定性问题,而云模型把模糊性和随机性集成到一起,构成定性和定量相互间的映射。据此,本文探索将云理论引入到遥感图像土地利用分割分类技术中,建立了基于灰度的云映射空间,实现对遥感图像的分类。同时以武汉市南湖地区进行了实证分析,进一步阐述了模型构建过程,通过分类结果的评价和对比,探索该方法在本领域中的适用性。     

基于改进SIFT算法的无人机遥感图像匹配

将SIFT算法中高斯二阶微分模板与图像函数的卷积运算转化为箱式滤波器对积分图像的加减运算,引入SURF算子,减小特征点检测算子的特征向量维数,降低SIFT算法的计算复杂度,缩短图像匹配时间,从而解决了无人机遥感图像匹配对实时性要求较高的问题。仿真结果表明,改进的SIFT算法在保持原算法鲁棒性和匹配率的前提下,提高了运算速度。     

基于生成对抗网络的遥感图像去云算法

计算机视觉中的许多问题可以抽象为将输入图像“转换”成对应的输出图像,图像转换算法是许多计算机视觉问题的通用解决方案,例如语义分割、风格转换等。本文将以遥感图像去云作为图像转换的特例,研究基于生成对抗网络的图像转换算法。提出基于残差模块的生成模型可以对单幅遥感图像进行厚云和薄云的去除;同时提出的多尺度判别网络以及VGG损失函数,有效地解决了复杂场景的云雾遮挡问题。实验结果表明,本文提出的图像转换算法在遥感图像薄云数据集上峰值信噪比提升了1.64 dB,在厚云数据集上峰值信噪比提升了1.92 dB,同时生成的无云遥感图像和真实的无云图像具有较高的结构相似性。     

基于推广的IHS变换和压缩传感的遥感图像融合

为了提高全色图像和多光谱图像的融合图像的质量,提出一种基于推广的intensity-hue-saturation (GIHS)变换和压缩传感的遥感图像融合方法.首先对低分辨率多光谱图像作GIHS变换得到低分辨率的亮度分量;然后在低分辨率的亮度分量、全色图像和理想的高分辨率亮度分量之间建立压缩传感模型;再利用压缩传感理论恢复出理想的高分辨率亮度分量,并用其代替GIHS变换方法中的全色图像,得到最终的融合图像.高分辨率亮度分量的应用,使得融合图像的光谱失真问题大为改善.以Geoeye-1和QuickBird卫星数据为例的实验结果表明,与传统方法相比,文中方法不仅能够提高多光谱图像的空间分辨率,而且对光谱信息的保持也具有更好的效果.     

基于GEP的遥感数字图像模糊聚类研究

针对遥感信息的不确定性和混合像元问题,分析FCM算法。为了避免FCM初值选取不当而陷入局部最优,提出基于基因表达式编程的遥感数字图像模糊聚类算法。该算法可以利用外层GEP算法的全局寻优能力,确定最佳初始聚类中心,再利用内层FCM算法的模糊聚类和局部快速收敛的特性获得遥感数字图像的最优聚类。     

卫星遥感图像增强处理方法研究

在地震减灾研究中,遥感技术作为获取某些震害特征信息和基础空间信息工具而被广泛应用,但是由于在卫星成像过程中,受传统航宅摄影技术以及其它各种噪声的影响,造成遥感图像图质的退化,从而影响了后期的遥感信息的提取和处理.遥感图像增强处理,可以改善图像中某些特性的视觉效果,通过在Visual C++平台上对采集回来的图像进行直方图修正和局部方差均衡图像增强处理,结果提高了卫星遥感的显示质量,为后期地震减灾遥感信息的提取和处理奠定了一定的理论基础.     

多源遥感影像融合技术在地质灾害调查中的应用

我国是地质灾害频发的国家,灾害造成了大量人员伤亡和经济损失,“5·12”地震更是诱发了滑坡、崩塌、泥石流以及堰塞湖等地质灾害,给人民生命财产造成重大损失。实践表明,运用遥感技术可以进行大范围的地质灾害调查与监测,使应急速度得到显著提高,但目前传感器种类较多,如何在海量的数据中发现规律、进行数据的协同处理,弥补信息提取能力的不足,是亟待解决的问题。在对图像融合方法分析的基础上,结合地质灾害调查的任务和研究区具体情况,以全色SPOT和多光谱TM影像为数据源,进行数据融合算法及图像质量评价研究,取得了良好的效果。融合后图像不仅保留了多光谱信息,而且空间信息量也得到了增强,提高了孕灾因子及承灾体的提取精度,为地质灾害调查与地质灾害风险评价起到了技术支撑作用。     

遥感图像特征定位算法的仿真分析

研究遥感图像中的特征准确定位问题.天空中的碎云层会对通信卫星发出的成像射线形成一定的阻挡,造成遥感碎云干扰,使得在有碎云干扰情况下形成的遥感图像中的特征会发生较大程度的形变.传统的遥感图像匹配方法多是在无云情况下采集的图像,一旦遥感图像受到碎云干扰,会造成后期特征定位准确度大幅下降.提出一种基于人类视觉系统(HVS)优化模型的碎云干扰消除算法,通过提取存在碎云干扰的遥感图像纹理特征,将带有碎云干扰纹理特征转换到HVS空间,运用滤波方法对其进行碎云干扰的消除,克服干扰给后期识别带来的弊端.仿真结果表明:改进方法能够有效的定位碎云干扰下的特征,定位准确性有了提高.