基于优化多光谱成像的异物检测新方法

为有效检测棉花中与棉纤维形态、色泽极其相似的异物,提出一种基于优化多光谱成像的异物检测新方法.在分析不同异物具有不同反射特性的基础上,在405~940 nm的波段范围内建立优化多光谱成像系统.通过实验确定了用于检测多种异物的最佳检测波长及最佳光照强度,在不同的光照条件下获取不同的光谱图像,然后采用小波变换图像融合算法获取完整的异物图像特征.实验结果表明,两种波长405 nm和850 nm构成的多光谱图像融合可检测多种棉花异物,异物检测结果与实际相符.此方法为解决棉花异物检测难题提供了一种新的途径.     

紫外线荧光效应及其在棉花异性纤维分拣系统中的应用

基于机器视觉技术的棉花异性纤维分拣是近几年来国内外研究的热点,为了有效分拣棉花中含有的与棉花色泽相近的异性纤维,提出了一种结合紫外线荧光效应的机器视觉方法应用于分拣棉花中的异性纤维.该方法利用紫外线的荧光效应突出与棉纤维色泽相近的异性纤维与棉纤维的特征差别,并根据异性纤维的类型归纳,提出了用非线性阈值判断算法进行检测.试验结果表明,在紫外线照射下,90%以上的白色异性纤维特征发生明显变化,算法具有非常高的拣出率,系统可以有效地清除棉花中异性纤维杂质.     

基于视觉注意计算模型的棉花异性纤维检测

基于机器视觉的棉花异性纤维在线检测,需要解决一个大背景下的小缺陷区域准确检测问题.为了解决这个问题,通过构建视觉注意计算模型,使检测目标兴趣区凸显出来,从而解决视觉数据冗余瓶颈问题.根据所构建模型结构,首先从输入图像中提取全局特征图;然后提取灰度和方向特征进行高斯金字塔多层分解,并采用中央-周边操作算子构建特征差分图;最后利用融合操作构建特征显著图和整体显著图,检测兴趣区在该显著图中被凸显出来.试验结果表明,该模型能够实现棉花异性纤维的有效检测,不仅检测准确率高,还具有较强的普适性,为棉花异性纤维在线检测提供了一种新方法.     

基于多光谱柑桔缺陷检测方法研究

基于多光谱技术探讨一种新的柑桔缺陷检测方法.构建由光照箱、多光谱光源、摄像机等部件组成的系统.根据色度学基础理论,采用图像融合技术对柑桔图像进行融合分析判断,得到使柑桔缺陷识别率最高的图像为红光、黄光、近红外光波段融合后的图像.对融合后的多光谱图像,采用Otsu等图像处理算法进行缺陷检测.实验表明,采用多光谱技术可快速有效的提取缺陷特征.     

基于CARS与PCA的高光谱煤岩特征信息检测方法

针对采煤机智能化截割时存在煤岩识别精度低、稳定性差等问题,提出一种基于高光谱成像技术的煤岩检测方案。使用8种不同类型的煤岩样本(训练集800块、预测集200块)进行分析,利用竞争性自适应重加权算法将光谱全波段降维至11个特征波长形成光谱特征向量;通过灰度共生矩阵来描述煤岩的纹理特征,选取对比度、能量、同质性3个特征参数值作为纹理特征向量;通过主成分分析融合剔除光谱与纹理特征中解释能力较差的特征信息,利用预测集样本分别对光谱全波段、CARS提取特征波长、图像纹理、CARS提取特征波长融合纹理特征、光谱全波段融合纹理特征和PCA融合特征波长与特征纹理特征的特征向量建立偏最小二乘回归模型,通过对比6种特征向量的建模预测性能,选出煤岩最优特征向量。PCA算法融合后特征向量预测性能的R_2,RMSE,平均绝对误差MAE和准确率分别为0.912,0.201,0.151和94%.该方法可改善煤岩特征信息检测的稳定性与可靠性,为煤岩识别提供有效的特征信息,对实现采煤机智能化开采具有重要意义。     

利用多颜色空间特征融合方法检测近似目标

以棉花中羊毛、白头发、塑料膜等杂质的检测为应用背景,提出一种利用多颜色空间特征融合方法。该方法构建了颜色特征评价函数,对近似目标在不同颜色空间的特征表现进行评估,从中抽取近似目标的若干最优特征;再利用区域信息相关度权值小波分析算法进行多特征融合,获取近似目标的图像。实验结果表明,融合图像比原始图像及单色空间图像具有较高的图像信息量值,近似目标视觉特征明显增强。此方法为提取与背景特征相近的近似目标提供一条新思路。     

CBERS-02B卫星图像的融合试验研究

遥感影像数据融合是目前遥感界研究的新热点,作为在各个领域应用日益广泛的CBERS-02B卫星影像,其全色波段空间分辨率达到2．36m,多光谱波段信息丰富,为了既保留丰富的光谱信息又能提高空间分辨率,本文在对主成分变换、Brovey变换、Mutiplicative变换融合3种传统像素级融合方法分析、归纳与算法实现研究的基础上,对CBERS-02B卫星多光谱波段与全色波段进行了图像融合试验研究,从光谱特征与空间纹理特征两个方面对融合效果进行定性与定量评价．分析结果表明,Brovey变换融合法光谱退化最小,同时也最大程度地保持了高几何分辨率全色波段的空间信息．     

基于空间和光谱信息保持的多光谱图像融合算法

文章采用基于空间和光谱信息保持的多光谱图像融合框架,以生成具有高空间质量的多光谱图像。本文采用的融合框架的能量泛函包括四项,第一项为边缘自适应提取约束项,从全色图像中自适应提取边缘细节信息并注入多光谱图像中;第二项为线性组合系数约束项,基于对多光谱图像各波段线性组合系数的估计以改善融合图像的空间质量;第三项为光谱信息保持约束项,基于L2范数分波段估计模糊核以保持多光谱图像的光谱信息;第四项为波段比例关系保持约束项,基于融合前后波段之间的比例关系相等的假设以减轻融合图像光谱失真。在QuickBird和Pavia University图像数据上进行仿真实验,结果表明,与SFIM、MTF_GLP、MTF_GLP_HPM、PCA、GS、GSA、AIHS、GFPCA等算法相比,本文方法的融合图像具有较高的空间和光谱质量。     

SPOT-5遥感影像自身融合方法的比较研究

近年来,遥感影像数据融合已成为学术界研究的新热点.作为在各个领域应用日益广泛的法国SPOT-5遥感卫星影像,其全色波段空间分辨率高,多光谱波段光谱信息丰富,为了既保留丰富的光谱信息又能提高空间分辨率,本文在对IHS变换、主成分变换、Brovey变换融合3种传统像素级融合方法分析、归纳与算法实现研究的基础上,对SPOT-5全色波段与多光谱波段进行了图像融合实验,并从光谱特征与空间纹理特征两个方面对融合效果进行定性与定量评价.分析结果表明,Brovey变换融合法光谱退化最小,同时也最大程度地保持了高几何分辨率全色波段的空间信息.     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.     

基于小波变换的遥感图像融合算法

提出了一种基于小波变换的遥感图像融合的新方法。给出了梯度滤波器的矩阵形式，改进了Petrovic提出的灰度图像融合方法，并将其应用于ETM图像融合。和两幅原图像及灰度融合图像相比，新方法是有效的，不仅较大地增强了图像的空间细节表现能力，而且很好地保留了多光谱影像的光谱信息。     

基于IHS变换和小波变换相结合的IKONOS影像融合技术

为了充分利用各种遥感影像的信息,基于多分辨率小波融合的融合方法在近几年来得到了广泛的应用。针对IKONOS卫星的全色波段和多光谱波段的影像,提出了一种基于IHS变换和小波变换结合的影像融合方法。对比实验表明了这种结合两种变换的融合方法能够有效保持IKONOS卫星全色影像高空间分辨率的同时,且能较好地保留多光谱影像的光谱信息。     

基于改进IHS变换的遥感图像融合新算法

为改善IHS变换对图像细节信息的丢失,提出了一种基于改进IHS变换的遥感图像融合新算法.针对IHS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,利用基于变异量子行为的粒子群优化算法（MQPSO）改进IHS变换过程,通过MQPSO算法来求解IHS变换中光谱强度分量,将图像融合问题归结为最优化问题.仿真实验结...     

数字图像处理在原棉异物检测中的应用

利用改进的Otsu阈值法对原棉异物图像进行分割,并运用数字图像处理技术,对具有代表性的原棉异物进行图像增强,二值化等处理,快速准确地识别出原棉中存在的异物,从而有效地提高原棉异纤清除机的除杂率.     

基于近红外波长成像的异物检测新方法

为有效检测出与背景形态、颜色极其相似的异物,根据异物与背景近红外吸收特性的差别,提出近红外光谱成像检测异物的方法.该方法分析近红外波段中异物与背景吸收特性差异随波长变化的规律,确定了区分背景与多种异物的最佳检测波段范围,建立近红外光谱成像系统,将近红外吸收特性差别转化为近红外图像中异物与背景的图像特征差别,利用自适应图像增强和二值化图像处理从背景中提取异物.实验结果表明,该方法获取的异物图像特征明显,检测结果与实际相符,此方法可有效检测与背景特征相似的异物.     

基于BP网络的棉花中异性纤维识别算法

针对原棉中的异性纤维种类繁多、特征各异,很难建立一个统一的异性纤维识别模型问题.提出了应用神经网络识别异性纤维的算法.在RGB颜色空间下,提取原棉图像中每个像素的R、G、B分量,采用统计纹理分析方法,计算R、G、B分量的纹理强度信息作为特征值.用MATLAB软件创建BP网络识别模型,对有代表性的原棉图像进行识别实验.实验结果表明该算法可以有效地识别出原棉中存在的有色和无色异性纤维.     

多源遥感数据融合方法的新探索

目前常用的几种遥感图像融合方法在不同的应用层面上有各自的优势,但也存在比如光谱信息丢失严重等现象。为此,首先分析对比了传统的4种融合方法,用高分辨率SPOT图像和多光谱TM图像分别运用4种融合方法进行图像融合的研究。在此基础上提出改进的多进制小波包融和方法,并通过主观与客观相结合的质量评价方法对融合效果进行比较。分析结果表明,主成分分析融合要比B rovey融合能够更好的刻画细节;多进制小波包融合所丢失的图像光谱信息为最低,能更好的刻画细节问题;乘积融合法在增强建筑物信息方面有比较突出的优势。     

基于1αβ空间和抗混叠Contourlet变换的遥感图像融合算法

针对遥感图像中多光谱和全色图像的融合问题,提出一种基于lαβ空间和抗混叠Contourlet变换(non-aliasingcontourlet transform,NACT)的融合方法.该方法首先将多光谱图像进行lαβ变换,对其l分量和全色图像分别进行抗混叠Contourlet变换;然后,利用循环平移(cycle spinning,CS)算法消除由于变换缺乏平移不变性而引起的图像失真,对得到的低频子带系数和各带通方向子带系数分别进行融合;最后,通过抗混叠Contourlet逆变换和lαβ逆变换得到新的l分量以及融合后的高空间分辨率的多光谱图像.实验结果表明,该算法优于传统的色度-亮度-饱和度(hue-intensity-saturation,HIS)变换融合方法、小波融合方法以及Contourlet变换方法.