彩色遥感影像阴影颜色特性分析

为了获得具有标识性且易于获取的阴影特征,总结了彩色图像常见的颜色模式,分析和研究了遥感影像中阴影的亮度、色调、饱和度以及阴影区B通道与G通道强度之间的关系等颜色特性.通过系列实验和分析可知:1)彩色遥感影像色调通道中的高亮值对阴影区域的位置具有一定程度的指示作用;2)低亮度是遥感影像中阴影的重要特征;3)同一幅遥感影像阴影区的饱和度在整体上具有一致性;4)同一幅遥感影像上,阴影区像素B通道强度与G通道强度的大小关系具有一定程度上的一致性.利用这四种特征进行自动阴影识别的初步结果,验证了这四种特征在对遥感影像阴影区的综合标识上是有效的,可以作为计算机阴影自动检测方法的建模基础.     

彩色遥感影像阴影颜色特性分析

为了获得具有标识性且易于获取的阴影特征,总结了彩色图像常见的颜色模式,分析和研究了遥感影像中阴影的亮度、色调、饱和度以及阴影区B通道与G通道强度之间的关系等颜色特性.通过系列实验和分析可知:1)彩色遥感影像色调通道中的高亮值对阴影区域的位置具有一定程度的指示作用;2)低亮度是遥感影像中阴影的重要特征;3)同一幅遥感影像阴影区的饱和度在整体上具有一致性;4)同一幅遥感影像上,阴影区像素B通道强度与G通道强度的大小关系具有一定程度上的一致性.利用这四种特征进行自动阴影识别的初步结果,验证了这四种特征在对遥感影像阴影区的综合标识上是有效的,可以作为计算机阴影自动检测方法的建模基础.     

基于感知颜色空间的灰度图像伪彩色编码

提出了一种基于感知颜色空间的灰度图像伪彩色编码的新方法。首先建立了灰度级和色调、饱和度和亮度等与人的感知颜色特征之间的函数关系。然后通过感知颜色空间到RGB空间的矩阵变换 ,得到相应的RGB值。最后将其分别送入彩色显示器的红、绿、蓝枪即可得到伪彩色图像。建立了相应的数学模型 ,给出了分析和实验结果 ,并对如何获得符合人们视觉习惯的伪彩色图像等问题进行了讨论。根据不同的实际需要 ,可以方便地建立灰度级与颜色的色调、饱和度与亮度的不同对应关系 ,使产生的伪彩色图像符合人们的感知习惯。用该方法得到的伪彩色是近似均匀的 ,即在不同的灰度级上 ,相邻两灰度级对应的色差近似相等     

色度亮度空间中的线束端子显微图像分割

为提取检测线束端子质量的相关数据,提出一种在色度亮度空间中分割线束端子显微图像的算法。该方法利用线束端子显微图像的颜色分布特点,用阈值法分割线束端子。通过分析线束端子显微图像的颜色特点,把彩色图像转换至色度亮度空间。为了保证图像内部的颜色均匀,对其中的色度向量进行滤波。借助获取色度向量的红色通道,考虑红色通道直方图双峰夹一谷和双峰夹多谷情况下阈值并分割图像,使用数学形态学方法处理二值图像获得内径轮廓。实验结果表明,分割得到的端子内径轮廓周长偏差小于0.1%,表明此方法可以准确地分割线束端子显微图像。     

基于邻域分割的空谱联合稀疏表示高光谱图像分类技术研究

传统的高光谱遥感影像分类算法侧重于光谱信息的应用。随着高光谱遥感影像的空间分辨率的增加,高光谱影像中相同类别的地物在空间分布上呈现聚类特性,将空间特性有效地应用于高光谱遥感影像分类算法对分类精度的提升非常关键。但是,高光谱影像的高分辨率提供空间聚类特性的同时,在不同地物边缘处表现出的差异性更加明显,若不对空间邻域像素进行甄选,直接将邻域光谱信息引入,设计空谱联合稀疏表示进行图像分割,则分类误差较大,收敛速度大大降低。将光谱角引入空谱联合稀疏表示图像分类理论中,提出了一种基于邻域分割的空谱联合稀疏表示分类算法。该算法利用光谱角计算相邻像素的空间相似度,剥离相似度较低的邻域像素,将相似度高的邻域像素定义为同类地物,引入空谱联合稀疏表示模型中,采用子联合空间追踪算子和联合正交匹配追踪算子对其优化求解,以最小重构误差为准则进行分类。选取AVIRIS及ROSIS典型光谱影像数据进行实验仿真,从中可以看出,随着光谱角分割阈值的提高,复杂的高光谱影像分类精度和平滑区域的高光谱影像分类精度均逐步提高,表明邻域分割在空谱联合稀疏表示分类中的必要性。     

基于图像分割和局部亮度调整的微光图像颜色传递算法

为提高微光夜视图像质量，提出一种基于图像分割和局部亮度调整的颜色传递算法。用简单线性迭代聚类结合K均值聚类对微光图像进行分割，在YCbCr颜色空间中利用子区域与参考图像每一个像素点上亮度的一致性，将匹配参考图像的颜色分量传递到目标图像的子区域，以目标图像纹理特征中对比度的值作为系数，调整目标图像子区域的亮度值，进行颜色空间转换并显示颜色传递结果。搭建了微光图像成像系统，进行了微光图像分割及完成了微光图像的颜色传递。结果表明，改进的分割算法将图像中不同的景物分割出来，得到的彩色微光图像的峰值信噪均值达到12.048 dB，比Welsh算法平均提高2.63 dB。     

基于柯西分布的视频图像序列背景建模和运动目标检测

提出了一种用于视觉监视系统的基于柯西分布的发光模型的光照不变变化检测方法.假定视频图像序列中每个背景图像像素点灰度观测值的时序变化由白噪声引起,利用建立的初始化背景高斯统计模型对每帧图像进行归一化,得到了背景像灰度比值的分布符合标准柯西分布的结论,解决了柯西分布的模型参量估计问题.在变化检测的基础上,YCbCr颜色空间的亮度、色调和饱和度被用来识别和消除由阴影和反光等引起的变化区域.结果表明,提出的背景建模方法对场景中各种光线变化、小的背景扰动等噪声具有稳健性,可以较为可靠地检测前景目标,识别和去除阴影和反光.     

光谱谐波分析的新型HAC非监督分类器

高光谱影像分类是识别影像信息的重要途径之一,研究其算法对地物识别、动态变化监测和专题信息提取等方面具有重要意义。非监督分类由于其具有无须先验知识的特点,被广泛应用于高光谱影像分类。结合谐波分析理论提出一种新的高光谱影像非监督分类算法,即谐波分析分类器(harmonic analysis classifier,HAC)。首先,该算法统计第一谐波分量并绘制其直方图,根据波峰数目及位置确定初始地物类别和聚类中心像元。然后将待分类像元光谱的波形信息映射到谐波分解次数、振幅和相位的特征空间中,利用同类地物在特征空间中表现聚集性这一特征,根据最小距离原则对待分类像元进行归类。最后,计算聚类中心像元间的欧式距离,通过设置距离阈值完成类间合并,从而达到高光谱影像分类的目的。提取两种地物类别的光谱曲线,经谐波分析后得到谐波分解次数、振幅和相位量,并分析其在特征空间中的分布情况验证了HAC算法的正确性。同时将HAC算法应用到EO-1卫星的Hyperion高光谱影像得到其分类结果,通过对比K-MEANS,ISODATA和HAC算法的高光谱影像分类结果,证实HAC算法作为一种非监督分类方法在高光谱影像分类方面具有较好的应用性。     

基于HSI颜色空间的彩色边缘检测方法研究

针对在RGB空间中很难有效区分颜色相似性的问题,通过选择更加符合颜色视觉特性的HSI颜色空间进行图像处理与分析,提出了一种新的色差度量方法,在此基础上设计了一种彩色边缘检测方法。首先计算色度、饱和度、亮度等三个分量的边缘信息,然后对三个分量进行加权得到彩色边缘信息,通过非极大值抑制和阈值选取后,得到彩色图像的边缘。实验结果表明,该方法可以充分利用彩色图像的色度、饱和度和亮度信息来有效地检测彩色边缘。     

结合NSDTCT和稀疏表示的遥感图像融合

为了提高全色图像与多光谱图像的融合质量,提出一种基于非下采样双树复轮廓波变换和稀疏表示的图像融合算法.对多光谱图像进行亮度-色度-饱和度变换,再对亮度分量和全色图像进行直方图匹配及亮度平滑滤波处理.利用非下采样双树复轮廓波变换处理亮度分量和全色图像,得到对应的高低频系数.对于低频系数,利用稀疏表示进行融合,采用空间频率和l1范数双指标取大的融合规则得到稀疏表示系数;对于高频系数,将改进的拉普拉斯能量和作为脉冲耦合神经网络的外部输入项,提出了改进的脉冲耦合神经网络的融合策略.最后进行非下采样双树复轮廓波逆变换和亮度-色度-饱和度逆变换得到融合结果.实验结果表明,该算法最大限度地保留光谱信息的同时可以提高空间分辨率,视觉效果及客观指标均优于经典的融合算法.