共查询到10条相似文献,搜索用时 265 毫秒
1.
2.
3.
通过对多光谱图像压缩处理,降低存储空间并提高图像存储质量,提出基于视觉传达技术的多光谱图像高效压缩方法。采用二维小波变换进行多光谱图像的细节层结构融合处理,提取多光谱图像的向量量化特征分布集,采用低频特征分解和视觉传达融合技术实现对多光谱图像的冗余性处理,通过图像编码和子空间降噪技术建立多光谱图像的压缩编码模型,采用结构信息特征重组和无损压缩传输技术实现对多光谱图像的视觉传达重构和多重特征压缩。仿真测试表明,采用该方法进行多光谱图像压缩的无损性较好,对细节特征的保留能力较强,图像码字和原始矢量的匹配度较高,可有效保留图像的细节分量的同时降低了图像的存储开销。 相似文献
4.
视觉信息是人类对周边环境进行感知的重要手段,光学成像和图像处理技术能大大扩展人类“视域”,使得人们获取图像的方式不局限于眼睛能见范围。散射效应导致光学成像装置的作用距离大幅下降,难以对远距离目标进行有效观测。人类对图像信息的感知,通常由对焦、校正和立体视觉形成,三个步骤互相耦合完成。其中,对焦和双目图像信息校正过程可以通过光学系统和数字图像处理的方法进行优化,提高强散射背景下的图像对比度,进而使得散射条件下的图像信息得以被感知和分析。然而,在目前技术条件下,机器立体视觉仍难以达到人类视觉水平,而人类视觉系统仍然是图像感知和分析的重要终端。可以预见,在低能见度条件下实现光学图像信息的精确获取与分析,仍需要实现人类视觉系统和机器的双重结合,发展包含人类视觉在内的立体视觉全局优化技术。主要介绍了在大气和水下浑浊条件下实现光学成像和实现图像融合的物理极限和关键影响因素,并展望人类的立体视觉在提高光学成像能力方面的作用。 相似文献
5.
结合压缩感知成像原理和遥感成像系统的物理可实现性,提出了采用掩膜编码的多通道复用压缩成像方法.首先,采用多组随机二值伯努利分布的掩膜为不同光学通道视场进行压缩编码,在单位积分时间内采集重构图像所需的欠采样数据.然后,针对传统的全变分范数最小化的重构方法易受遥感图像局部突出特征干扰的问题,提出了以遥感图像空间域非局部相似度为正则化重构标准的先验约束.实验结果验证了此压缩成像方法的可行性.与传统算法相比,此重构算法能够在保留图像细节的同时实现有效重构. 相似文献
6.
针对浑浊水下成像环境,提出了基于非均匀圆偏振光照射的浑浊水下偏振图像处理方法。首先对非均匀圆偏振光照明条件下目标成像和处理遇到的困难进行了分析,并对圆偏振光作为光源的特点进行阐述;其次设计成像环境对水下目标物的偏振图像和可见光图像进行采集。采用基于CLAHE和MSRCR的方法对可见光图像进行预处理,大幅度消除非均匀光照对图像清晰度的影响;依据水下成像的物理模型,考虑到水下目标物反射光的偏振特性,提出了一种基于偏振信息图像融合的图像去雾方法,实验证明该方法能够对偏振信息图像进行优势融合并增强其边缘轮廓;考虑到人眼视觉特性,将偏振信息融合图像与优化后的可见光图像进行融合,最终实现对水下模糊偏振图像的复原。结果表明,该方法实现了偏振图像边缘轮廓及纹理的增强,显著提高了水下图像的质量。 相似文献
7.
针对光学成像系统景深范围有限、景深范围外目标成像模糊的问题,提出一种区域方差和点锐度相结合的拉普拉斯金字塔变换图像融合方法。该方法首先对多幅源图像做拉普拉斯金字塔变换,提取源图像在不同频率层的特征信息;对金字塔顶层图像和其余各层图像,分别采用区域方差和点锐度作为融合度量,对其进行融合,得到融合图像的金字塔各层系数;最后进行拉普拉斯金字塔逆变换得到融合图像。仿真结果表明,本文方法得到的融合图像主观视觉效果和客观评价指标均优于其他常用算法,标准差、互信息和边缘保持度分别提高了0.24%、6.8%和8.4%。该方法有效降低了融合图像的噪声,获得了更加丰富的边缘信息,对实现光学成像系统在大视场范围获取高分辨率光学图像具有重要意义。 相似文献
8.
结合压缩感知成像原理和遥感成像系统的物理可实现性,提出了采用掩膜编码的多通道复用压缩成像方法。首先,采用多组随机二值伯努利分布的掩膜为不同光学通道视场进行压缩编码,在单位积分时间内采集一帧图像重构所需欠采样数据。然后,针对传统的全变分范数最小化的重构方法易受遥感图像局部突出特征干扰的问题,提出了以遥感图像空间域非局部相似度为正则化重构标准的先验约束。实验结果验证了本文提出的压缩成像方法的可行性。与传统算法相比,本文提出的重构算法能够在保留图像细节的同时实现快速有效重构。 相似文献
9.
为了提高融合图像的视觉感知效果,提出一种非下采样剪切波变换(Non-Subsampled Shear Transform,NSST)域红外和可见光图像感知融合方法.首先采用NSST将源图像分解为高频和低频分量;接着采用参数自适应脉冲耦合神经网络(Parameter Adaptive Pulse Coupled Neural Network,PA-PCNN)融合高频分量图像,提高成像细节;然后联合使用高斯滤波器和双边滤波器进行多尺度变换以融合低频分量图像,将低频分量分解为多尺度纹理细节和边缘特征以捕获更多的多尺度红外光谱特征;最后利用NSST逆变换获取融合图像.实验结果表明,该方法不仅可以有效提高融合图像的细节信息,而且还能增强红外特征的提取能力以契合人体的视觉感知. 相似文献