基于模糊融合技术的图像恢复方法研究

研究了利用模糊融合技术对白高斯噪声图像进行恢复的方法。分别用均值滤波器和自适应维纳滤波器对噪声图像进行滤波，然后用Sobel算子和形态学中的膨胀操作提取滤波图像的边沿，把所提边沿部分的均值滤波图像和自适应维纳滤波图像利用模糊融合技术进行融合，得到融合图像。理论分析和仿真实验证明本文所提算法得到的恢复图像较清晰。     

基于模糊推理和柔性形态滤波的图像增强方法

根据柔性形态学的相关概念和性质,提出了一种基于模糊推理和柔性形态滤波的图像增强方法.该方法首先定义了方向性结构元素,在结构元素内引入模糊推理方法判别图像边缘方向,进而构造方向性柔性形态学滤波器对图像边缘进行滤噪增强,并根据局部均值和熵差自适应确定增强系数.实验结果表明该方法可以有效滤除噪声,增强图像边缘.     

一种新的脉冲噪声图像恢复方法

为消除图像中的脉冲噪声, 提出一种窗口自适应开关中值滤波方法. 利用BP神经网络将图像中的每个像素点分类为信号点或噪声点, 再采用改进的中值滤波器对检测后的图像进行滤波处理. 根据噪声检测结果, 滤波器自适应调整窗口大小并选择性取样, 逐点滤波消除图像中的噪声. 该方法在抑制脉冲噪声、 保护图像细节方面均优于以往基于中值滤波的法, 即使在图像遭受70%噪声污染的极端情况下, 仍能得 到很好恢复.     

基于T—S模糊系统和柔性多结构元的形态学彩色图像处理

基于数学形态学在处理二值图像和灰度图像方面的特点，文中在HSI颜色空间基于T—S模糊系统和柔性多结构元素上给出了新的彩色形态滤波和边缘检测方法．实验表明，柔性多结构元素比单一结构元素更优越，新的形态滤波和边缘检测方法对彩色图像处理能有效去除图像的噪声，保留图像细节．     

基于TM遥感图像的预处理分析

TM遥感图像预处理的目的主要是对遥感图像进行噪声滤除,更好的利用预处理后的遥感图像所反映的地物目标波谱特性进行反演、统计和分析。文章用ENVI软件截取合适的TM遥感图像研究区域,井用直方图最小值法校正遥感图像,然后又介绍多结构元素形态滤波方法,与传统的中值滤波和均值滤波进行了对比,信噪比高。这些方法很适合试验区的分析,效果很好。     

适用于图像恢复的最优形态滤波设计方法

针对噪声图像的恢复问题,研究了基于SV形态学理论的最优形态滤波设计方法.通过建立SV形态模式谱解决图像与相关几何结构相似性度量问题;通过引入集差距离函数,解决由形态滤波所产生的几何和拓扑畸变程度的量化问题;通过优化问题的设计,在有效去噪和保持图像基本结构之间寻求一个平衡策略,使得优化问题得以求解.最终从理论上证明了一类SV交替滤波和一类SV交替惯序滤波是SV形态学方法下,适用于图像恢复的最优滤波.     

基于柔性形态滤波和信息熵的电能质量扰动定位分析

针对电力系统中电能质量扰动信号常因周期性变化和采样过程而存在各种噪声的情况,提出一种基于柔性形态滤波和信息熵的扰动定位方法。柔性形态滤波器是在标准数学形态学滤波器基础上发展起来的,具有更强的抗噪声性能和鲁棒性。信息熵可以用来表征信号的无序性测量指标,已经被广泛应用于检测信号的突变情况。首先,将电能质量扰动信号进行柔性形态滤波处理,再将去噪声后的信号进行形态梯度变换,放大扰动信号的突变特征,最后求取信号的信息熵,根据信号突变出信息熵的不同得到扰动信号的准确定位结果。仿真结果表明,该方法对多种暂态扰动信号能准确定位,抗噪声干扰强,具有很高的可行性和有效性。     

模糊遥感图像总变分优化恢复方法

 针对遥感图像在成像与传输过程中的退化而导致的图像模糊与噪声干扰,提出了一种基于调制传递函数（MTF）估算与总变分优化的图像恢复方法。通过分析调制传递函数曲线的幅频特性,阐释了基于MTF的遥感图像恢复机制,为抑制噪声干扰和扩大适用范围而采用了一种新的MTF曲线分段逼近策略,并以实验结果验证了该方法较之常规模型的优越性。进而,针对噪声条件下模糊遥感图像的恢复问题,采用改进的快速总变分优化方法实现了对强噪声模糊遥感图像的有效恢复。实验结果表明,本文提出的恢复方法能够在有效抑制噪声的同时更好地保留图像细节和纹理信息,为强噪声干扰模糊遥感图像的恢复处理提供了高效的解决方法。     

基于柔性形态滤波与信息熵的电能质量暂态扰动定位分析

针对电力系统中电能质量扰动信号常因周期性变化和采样过程而存在各种噪声的情况,提出一种基于柔性形态滤波和信息熵的扰动定位方法。柔性形态滤波器是在标准数学形态学滤波器基础上发展起来的,具有更强的抗噪声性能和鲁棒性。信息熵可以用来表征信号的无序性测量指标,已经被广泛应用于检测信号的突变情况。首先,将电能质量扰动信号进行柔性形态滤波处理,再将去噪声后的信号进行形态梯度变换,放大扰动信号的突变特征,最后求取信号的信息熵,根据信号突变处信息熵的不同得到扰动信号的准确定位结果。仿真结果表明,该方法对多种暂态扰动信号能准确定位,抗噪声干扰强,具有很高的可行性和有效性。     

基于T-S模糊系统和柔性多结构元的形态学彩色图像处理

基于数学形态学在处理二值图像和灰度图像方面的特点,文中在HSI颜色空间基于T-S模糊系统和柔性多结构元素上给出了新的彩色形态滤波和边缘检测方法.实验表明,柔性多结构元素比单一结构元素更优越,新的形态滤波和边缘检测方法对彩色图像处理能有效去除图像的噪声,保留图像细节.     

遥感影像处理中的数学形态学方法

通过对遥感影像处理中现有的形态分析理论、方法和应用系统的总结和归纳,对遥感影像形态学分析方法的研究现状和发展方向进行了论述,并对形态学影像分析方法在遥感影像处理中的作用和意义进行了探讨.     

基于SURE-LET和非张量积小波的遥感图像去噪

针对遥感图像中的高斯噪声,提出了基于SURE-LET和非张量积小波的去噪方法,主要包括图像在非张量积小波下的分解、各个子带在不同阈值函数下的处理以及它们最优的线性组合3个步骤．通过选择合适的非张量积小波滤波器参数,使无噪遥感图像和噪声在变换分解中得到的小波系数分离较好,去除噪声对应的小波系数时被去除的无噪图像对应的小波系数较少,从而取得更好的去噪效果．实验结果表明：此方法用于高斯噪声的遥感图像的去噪不仅速度很快,而且去噪效果优于传统基于张量积小波的SURE-LET方法．     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分割的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

基于形态学梯度重构的高分辨率遥感影像分割方法

基于形态学梯度重构提出一种用于高分辨率遥感影像的分割方法.针对遥感图像的特点构建多形状结构元素,然后使用该结构元素对图像提取形态学梯度并进行开闭重构;根据人的视觉特征,对梯度的高对比度区域进行还原,用于保证较高的局部对比度;最后使用浸没式分水岭变换获得分割结果.对IKONOS影像进行分割实验,结果表明了该方法的有效性.     

基于K-means算法分割遥感图像的阈值确定方法研究

当前遥感图像分割中阈值确定方法忽略了前景和背景内在的联系,导致过分割和轮廓模糊,造成整体性能低下。为此,提出一种新型基于K-means算法分割遥感图像的阈值确定方法,通过K-means算法对遥感图像进行分割,利用最大类间方差方法得到分割遥感图像的初始阈值,依据该阈值将遥感图像划分成两类,求出两类的均值,将其作为K-means聚类算法的两个初始聚类中心,通过K-means聚类方法逐次迭代,不断更新聚类中心,直至得到聚类准则函数,从而求出遥感图像的最佳分割阈值。实验结果表明,采用所提方法确定遥感图像分割中的阈值,不仅效率高,而且整体性能优越;将得到的阈值应用于遥感图像分割中,能够使目标和背景被有效分离,且分离后目标部分轮廓比较清晰。     

基于支持向量机的遥感图像分类研究

支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的新型机器学习算法.通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.将支持向量机理论应用到遥感图像分类的研究还处在初级阶段,传统分类算法应用于遥感图像分类存在运算速度慢、精度比较低和难以收敛等问题.从支持向量机基本理论出发,建立了一个基于支持向量机的遥感图像分类器.用遥感图像数据进行实验,并将结果与其它方法的结果进行了比较分析.实验结果表明,利用SVM进行遥感图像分类的精度明显优于神经网络算法和最大似然算法分类精度.     

基于低空遥感的消费级相机油菜苗期长势监测最优波段选取

无人机遥感作为卫星和航空遥感平台的有力补充,在低空遥感观测领域发挥越来越重要的作用.对于农作物长势监测而言,选择合适的光谱波段有利于更加准确地反映作物长势情况.该研究借助水稻—油菜氮素养分试验,针对其油菜季开展基于无人机遥感的消费级相机油菜苗期长势监测最优波段选取问题研究.试验采用经红外改造后的消费级相机,逐次搭配lp680、lp720、lp850 3种近红外长通滤波片和RGB红外截止滤波片来获取不同光谱位置的近红外波段影像和可见光波段影像.在此基础上计算多波段影像的多种植被指数,同时结合油菜地面冠层高光谱数据和滤波片光谱响应特性模拟计算相同的植被指数.结果表明,使用可见光波段影像计算的归一化差指数(NDI)与地面实测归一化差植被指数(NDVI)之间的相关性最高,其R2达到0.945,该结果与基于油菜地面冠层高光谱数据所得结果呈现出较好的一致性.同时该NDI值与油菜氮素养分试验中不同氮素施用水平之间的相关性也较好,其R2达0.963.该研究结果表明选取常规消费级相机可见光波段也能准确地获取作物长势信息,为其用于作物长势监测提供了科学依据.     

遥感图像中机场跑道的检测

针对遥感图像中机场跑道区域比较狭长的特点,提出了一种新的检测遥感图像中机场跑道的方法.对原始图像的二值图像进行一系列数学形态学操作和逻辑运算,实现感兴趣区域的增强,以此为基础,借助Hough变换检测出跑道区域的中轴线.应用图形学中的Bresenham算法,对每务中轴线取平行线,得到机场跑道区域.通过对大量的图片进行测试表明,该方法可以较准确地检测出机场跑道.     

基于纹理方向和角点的居民地信息提取

高分辨率遥感影像中规则建筑聚集街区式居民地纹理方向性明显且含有丰富的角点,为了充分利用该特性,以简化滤波器参数设置,提高居民地提取精度及效率,提出基于纹理方向和角点的高分辨率遥感图像居民地信息提取方法。该方法首先对遥感图像进行特定方向角度的Gabor滤波变换;并将滤波器组输出的不同方向滤波影像进行重构。然后对滤波影像做Harris角点检测;并计算检测结果影像的角点密度似然度。最后将角点密度似然影像进行阈值分割以提取影像上的居民地信息。实验结果表明,该方法对乡村及山区居民地信息提取的Kappa系数分别达到0.954 2和0.894 4,保证了居民地提取的精度。同时,算法中各参数的鲁棒性较好,其中中心频率不需要反复的选取试验,从而提高了居民地信息提取的效率。     

基于量子粒子群算法选择特征的遥感图像分类

针对目前遥感图像分类算法存在精度低、 速度慢等问题, 提出一种基于量子粒子群算法的遥感图像分类算法, 以提高遥感图像的分类效果. 首先分析目前遥感图像分类算法存在的不足及其原因; 然后提取多种类型的遥感图像原始特征, 采用量子粒子群算法对特征进行筛选, 以提取对遥感图像分类结果较重要的特征; 最后采用最小二乘支持向量机(LSSVM)建立遥感图像分类器, 实现遥感图像分类和识别, 并进行遥感图像分类的仿真对比实验. 实验结果表明, 该算法克服了当前遥感图像分类算 法存在的局限性, 大幅度提高了遥感图像的分类精度, 有效减少了图像分类误差, 提高了图像分类效率.