多尺度形态梯度和标记分水岭的时频谱图分割

时频谱图干扰强,目标之间、目标与干扰之间有重叠,其分割是重要而困难的问题.提出一种基于图像熵定义的时频谱图多尺度形态梯度图像融合方法,将该方法与标记分水岭分割结合形成一种基于多尺度形态梯度和标记分水岭的时频谱图分割方法.实验结果表明,与基于单尺度形态梯度和标记分水岭的分割方法相比,新方法实用性更强;与Otsu法相比,新方法分割更准确.     

凹透镜焦距测量自准直法的改进

对传统自准直法的凹透镜焦距测量方法进行了分析,提出改进的自准直测凹透镜焦距方法.将移像屏法改进为移凹透镜法,消除了焦深对实验测量结果的影响.实验结果表明,修正的自准直法测量凹透镜焦距的精确度得到较大提高,平均相对误差减少3.93%,方差减小20.39mm2.     

“数字图像处理”实验教学设计

数字图像处理课程概念抽象、实践性强,设置实验教学环节十分必要。采用Matlab作为编程语言,针对不同实验学时数设计了实验项目组合方案。对每个实验项目进行分层管理,设计了基本实验任务与扩展实验任务的具体方案。近年来的教学实践结果表明,这种实验教学设计方法能够取得良好效果。     

基于Logistic和统一混沌系统的彩色图像加密方法

为了增强彩色图像的加密效果,论文提出一种基于Logistic和统一混沌系统的彩色图像加密方法.该方法首先由Logistic系统生成128位Hash值以便在行、列全局位置置乱中确定各行和各列的交换次序,然后使用统一混沌系统的x、y和z序列分别对三基色图像像素进行逐点替代加密.仿真实验结果及其分析表明,该方法不仅实现简单,安全性强,具有良好的像素值混淆、扩散性能和较大抵抗强力攻击的密钥空间,而且加密图像像素值具有类随机均匀分布特性且相邻像素的值具有零相关特性.     

基于双重字典及联合特征的遥感图像超分辨率算法

为了解决低分辨率遥感图像超分辨重建的问题,本文提出了一种基于双重字典及联合特征的遥感图像超分辨率算法.超分辨率重建技术目的就是根据低分辨率图像重建出原始高分辨率图像的高频信息.本文将图像的高频信息分解成为主高频信息和残差高频信息两个部分,然后针对主高频信息和残差高频信息,分别训练主高频字典和残差高频字典,并结合稀疏表示方法对图像进行重构.同时,为了建立更能反映图像内部结构信息的字典,本文联合图像的不同的结构特征,建立统一的字典.本文算法对图像取得较好的复原效果,复原出的高分辨率图像更接近于真实图像,与其他方法相比具有更好的主观和客观质量.     

基于TM影像的森林三维绿量的遥感测算

以北京市八达岭林场为研究区,TM影像为数据源,结合地面样地调查数据,利用多元线性回归分析法分树种建立了北京市八达岭林场三维绿量(TGB)的估测模型。对估测模型进行评价和精度验证,得到阔叶林、针叶林、混交林三维绿量模型的决定系数(R2)分别为0.858、0.756、0.759,测算精度为85.63%。基于模型估测八达岭林场的三维绿量,总量为1 498.635万m3;与利用森林资源二类调查数据计算的地面实测三维绿量对比,测算精度为90.89%。     

基于图像背景噪声相关性的篡改检测

图像拼接是一种简单而常用的数字图像篡改操作,本文利用拼接篡改图像背景噪声特性的不一致性,提出一种基于图像背景噪声相关性的拼接图像篡改检测方法。该方法首先利用小波变换对待测图像去噪,再将待测图像与去噪后的图像相减后得到背景噪声图像,最后根据背景噪声图像中子块与周围邻域子块的相关系数大小来鉴别拼接篡改图像并定位篡改位置。实验结果表明该方法能对拼接篡改图像较为准确地鉴别和定位。     

一种雾天退化场景快速复原方法

针对雾天条件下图像退化的问题,提出一种新的场景复原方法.首先,结合大气散射模型与光学反射成像的特性,对大气耗散函数提出物理约束条件,利用双边滤波的边缘保持特性得到大气耗散函数的初始估计.然后,引入局部均值与局部标准差近似估计图像对比度,从而降低对比度较强的部分区域的雾浓度估计来获取更加准确的大气耗散函数.最后,求解雾图成像方程,恢复理想光照条件下的辐射强度.实验结果表明:该方法对图像的细节和颜色恢复非常有效,并能有效克服边缘残雾现象以及颜色过饱和等不足.     

基于地物波谱形态参数化的高光谱图像分类方法研究

利用语素向量的形态描述方法实现地物波谱形态的参数化,以不同地物具有不同波谱曲线为地物分类准则,在MATLAB设计中,实现一种带通配符的地物波谱曲线形态差异遥感图像分类程序,应用此程序对高光谱遥感图像所得的分类结果与其他分类方法所得的分类结果进行对比.结果说明,此方法可以将地物波谱的波形信息最大限度地保留并利用,进一步解决遥感影像分类中"光谱值"相似及现有的光谱匹配方法受类内差异变化影响大的问题,运用Kappa系数的精度评价证明此方法对高光谱遥感图像的分类优于SVM分类方法.     

基于JointBoost I2C距离度量的图像分类方法

基于图像到类(I2C)距离度量的图像分类是一种新颖的方法,但其分类性能仍有待提高.为此,文中提出了一种基于JointBoost I2C距离度量的图像分类方法.首先生成原型特征集,该集合中的样本具有代表性,故计算测试图像到该原型特征集的距离更有效;然后根据JointBoost算法的思想,联合多个I2C距离度量生成一个强分类器,并将空间信息融合到强分类器中.实验结果表明,该方法在图像分类实验中具有更高的分类性能.