共查询到17条相似文献，搜索用时 422 毫秒
1.
生猪轮廓红外与光学图像的融合算法 总被引：8，自引：5，他引：3
该文针对生猪红外热图像和光学图像的融合,提出一种基于非子采样轮廓波的图像融合算法。在图像多尺度、多方向分解的基础上,设计了基于邻域平均能量和邻域方差的低频子带系数加权融合规则,以及基于邻域能量最大的带通系数融合规则。针对亮度-色度-饱和度变换法(intensity-hue-saturation transform,IHS)、小波变换法(discrete wavelet transform,DWT)、轮廓波变换法(contourlet transform,CT)等融合方法以及非子采样轮廓波变换(nonsubsampled contourlet transform,NSCT)域下不同融合规则进行了对比试验,试验结果表明该文算法具有较好的融合效果。定量融合评价指标中,平均梯度指标高于IHS、DWT、CT等方法25%以上,边缘信息保持指标高于其他3种方法23%以上。该文方法的提出对于改善生猪异常视觉监测中的前景轮廓提取具有较大意义;同时,对进一步开展猪体部位区域温度特征提取,建立生猪多源特征融合的计算机视觉异常监测系统,提高生猪异常预警可靠性具有积极意义。 相似文献
2.
Contourlet变换为农产品图像去噪的有效方法 总被引：3，自引：3，他引：0
农产品图像去噪是农业图像处理中最基本、最重要的工作之一。现有小波去噪方法存在各向同性的缺陷,从而限制了其去噪的效果。针对这一问题,提出了一种基于Contourlet变换的农产品图像去噪算法,该方法充分利用了Contourlet变换具有的多分辨率、各向异性和稀疏性的优点。算法首先对含噪农产品图像进行塔形方向滤波器组(pyramidal directional filter bank,PDFB)分解,然后通过多尺度萎缩阈值进行高频子带去噪,保留信号系数并抑制噪声系数,最后通过Contourlet反变换得到去噪后的图像,实现农产品图像的去噪。为了验证Contourlet变换的去噪效果,分别采用小波去噪、中值滤波、均值滤波、高斯滤波和维纳滤波对常见农产品图像进行了对比试验。试验结果表明,基于Contourlet变换的图像去噪方法应用于农产品图像去噪具有信噪比高、视觉效果好等优点,将Contourlet变换用于农产品图像去噪是有效的、可行的。 相似文献
3.
基于深度和彩色双信息特征源的Kinect植物图像拼接 总被引：4，自引：4，他引：0
图像拼接对制作全景图具有重要作用,传统SIFT(scale-invariant feature transform)图像拼接方法受光照不均匀或风吹影响,存在错位和缺失等情况。针对这一问题,该文提出一种基于Kinect彩色和深度双信息特征源的图像拼接方法。首先对获取的植株彩色图像采用SIFT算法进行特征点提取和特征点匹配,利用Kinect收集到的植株深度数据去除误匹配,采用RANSAC算法寻找投影变换矩阵,最后通过最佳缝合线算法进行图像融合。室内和室外试验结果表明,该文基于Kinect彩色和深度双信息特征源的图像拼接方法能够有效克服光照、风吹等环境因素的影响,避免了图像缺失、亮暗差异、重影等拼接错误,该文方法图像拼接时间较短,平均匹配准确率达96.0%,较传统SIFT图像拼接方法平均准确率提高了5.9%。 相似文献
4.
一种基于IHS变换的改进型图像融合的算法 总被引：11，自引：4，他引：11
常用的遥感图像融合的方法如IHS变换法、Brovey变换法和主成分变换法实施图像融合时，均会有不同程度的光谱扭曲的现象，该文探讨了一种新的光谱保持型的DFF融合算法。DFF融合法先对参与融合的全色波段进行方向滤波，而后将滤波后的全色波段替换IHS正变换后的明度分量，再进行IHS逆变换便得到融合图像。DFF融合后的图像色彩与TM影像一致，光谱保持性能也优于IHS变换法，DFF融合图像的分类精度也高于IHS融合图像。 相似文献
5.
运用厦门本岛的SPOT-5全色波段数据和LANDSAT-7多光谱数据、德化地区的JERS-1雷达数据和LANDSAT-7多光谱数据，通过对两组多源遥感数据融合方一IHS变换和主成分分析(PCA)进行试验和比较分析。试验表明，PCA变换的结果保留更多ETM图像的色彩信息，但纹理细节被光滑，图像清晰度低于IHS变换的结果。而IHS变换则更好地保留SPOT图像的纹理信息，但色彩信息不如PCA方法来得丰富。在实际的遥感数据融合中，应根据不同的目的和需求，从具体领域出发，选择合适的融合方法，才能取得好的效果。 相似文献
6.
图像拼接重建苹果树冠层器官三维形态 总被引：1，自引：4，他引：1
为重建苹果树年生长期冠层器官三维形态,以休眠期、疏花期、成熟期苹果树冠层为研究对象,分别针对基于光合混合探测技术(photonic mixer detector,PMD)的摄像机与彩色摄像机获取的强度图像与彩色图像开展冠层图像拼接技术研究。利用Scale invariant feature transform算法的尺度不变特征,并结合Random sample consensus算法精确确定图像映射模型,避免了果园非结构光及图像尺度变换的影响。以此为基础,应用拉普拉斯金字塔分解与重构算法、分层确定融合规则,实现了不同生长期的冠层图像拼接,有效克服了传统融合算法反映细节信息能力差、拼接痕迹明显等缺点。果园不同环境下(晴天顺光、晴天逆光、阴天)的试验表明:提出的拼接方法适合于苹果树年生长期的冠层器官图像拼接,且算法的鲁棒性、速度及拼接精度均能满足冠层三维重建工作的要求,研究成果对提升剪枝、疏花、测产、采摘等果园管理的信息化水平具有重要意义。 相似文献
7.
基于ARSIS策略的SAR影像与多光谱遥感小波融合 总被引：1，自引：1，他引：0
针对南方多云多雨、光学遥感数据不易获取的特点,在江苏省宝应县设置了区域试验,探索了ENVISAT/SAR影像与HJ-1A星多光谱遥感融合的模式与效果。基于ARSIS策略,利用Mallat小波变换和波段间交互构造模型IBSM,对SAR影像和HJ-1A/CCD影像进行小波分解与低频、高频系数重构,然后通过小波逆变换得到信息融合影像。针对低频与高频影像的不同区域特征使用不同的融合规则,以增强融合过程的自适应性。对融合影像进行了主观与相应的定量评价,并与PCA变换、IHS变换等传统方法进行比较。最后,利用GPS矢量样点提取了小波融合前后影像的波段值与NDVI信息,对融合效果做了进一步的分析与说明。结果表明,小波融合、IHS变换、PCA变换影像光谱扭曲度平均值分别为0.1016、0.3261、1.2772,其中小波融合方法的值最小。三者的信息熵平均值分别为14.7015、11.8993和13.2293,以小波融合方法的值最高。说明小波融合方法在提高空间分别率的同时,较好的增强了光谱保持能力,信息解译效果明显优于PCA变换和IHS变换2种方法。 相似文献
8.
在多源遥感图像融合过程中,为充分利用高分辨率影像的低频信息,从而提高对影像的解译能力,本研究尝试对传统的小波融合算法进行了改进,以SPOT5的多光谱波段和全色波段为数据源,借助MatLab与ENVI等工具,实现改进后小波变换的遥感影像融合,该融合方法跟传统融合方法相比,信息熵和清晰度都有所提高.分别以传统融合图像及改进小波变换融合后图像为分类底图,实施了监督分类,完成地物类型的提取,结果表明:改进的小波变换融合后图像分类效果更好,分类精度和Kappa系数都有所提高,其中利用小波变换融合为基础的马氏距离法和决策树算法相结合的分类效果最佳. 相似文献
9.
一种改进的RS图像融合方法用于土地利用调查 总被引：1，自引：0，他引：1
常用的遥感图像融合的方法如IHS变换法在实施图像融合时,会产生色彩扭曲现象,本文探讨了一种新的光谱保持型的高通滤波融合算法(HPFF融合法)。HPFF融合法先对参与融合的全色波段进行高通滤波,尔后将滤波后的全色波段替换多光谱经IHS正变换后的强度分量,再进行IHS逆变换便得到融合图像。HPFF融合法的光谱保持性能优于IHS变换法,HPFF融合后的图像的色彩与TM影像相近,HPFF融合后图像的分类精度高于IHS融合后的图像,HPFF融合法是一种能较好地保持光谱特性的融合方法。 相似文献
10.
一种基于小波变换的图像过渡区提取及分割方法 总被引：8，自引：3，他引：5
具有复杂背景的树木图像的分割对于精确对靶施药及智能化植保机械的设计具有重要意义。为实现树木图像的精确分割,针对该类图像的特点,该文提出了一种基于小波变换的过渡区提取树木图像分割方法。通过对比小波变换系数、小波变换系数聚类以及小波包系数,最终选取了同时能够分解出更多高频、低频信息的小波包变换系数提取特征,根据小波包变换系数定义了小波能量比参数,将小波能量比参数值归一化为图像灰度值,采用自适应阈值和神经网络两种方法提取了过渡区,实现了具有复杂背景树木图像的分割。试验表明,该方法分割精度高,对于分割复杂背景的树木图像具有特别意义。 相似文献
11.
针对单一的自然场景图像信息不能满足准确识别果实和精准定位目标的要求,提出一种多尺度分解双寻优策略简化脉冲耦合神经网络（Simplified Pulse Coupled Neural Network, SPCNN）的飞行时间（Time of Flight,ToF）与可见光果园苹果图像融合模型。对SPCNN模型引入带参数优化的双寻优策略,对非下采样轮廓波变换（Nonsubsampled Contourlet Transform, NSCT）融合规则进行改进。模型包括配准模块、编码区、多尺度分解模块、单目标SPCNN融合模型、多目标SPCNN融合模型、解码区。模型改进了SPCNN模型的参数优化方式以及迭代次数,模型自适应点火次数较低,在3～7次左右,具有点火次数低、自适应分割、效率高的优点。中光15:00时段点火识别成功率达到了100.00%,点火分割时间达到最低91.91s。与其他融合模型比较,模型在强光12:00、中光15:00、弱光18:20、19:00时段融合图像识别成功率达到100.00%;融合时间低于SPCNN模型,达到最低92.68s。模型识别精度最优达到了100.00%、融合耗时最低达到了92.68s、模型大小较SPCNN低一个数量级,可补充和完善图像层次融合理论和方法。 相似文献
12.
用基于IHS变换的SPOT-5遥感图像融合进行作物识别 总被引：7，自引：1，他引：7
遥感图像融合可以发挥多源遥感数据的优势。但是由于遥感数据和融合模型的多样性,目前仍难以找到一种适合于各种类型数据之间、各种应用需要的“万能”的融合算法,而是根据特定图像,特定地表覆盖状况和特定应用的需要选择适合的融合模型。SPOT-5图像是一种较新的高空间分辨率遥感图像,目前已用于运行化农情遥感监测,以弥补传统低空间分辨率遥感图像应用的不足。该文将SPOT-5多光谱和超模式全色图像进行融合,以进行中国东北地区大豆识别。对实验数据分别做基于IHS变换和PCA变换的融合处理,通过比较得出,基于IHS变换的融合 相似文献
13.
无人机可见光遥感和特征融合的小麦倒伏面积提取 总被引：3，自引：3，他引：0
倒伏是造成小麦减产和品质下降的主要原因之一。为快速准确地提取小麦倒伏面积,给农业保险理赔及灾后应急处置提供数据支持,该研究采用无人机遥感平台获取小麦倒伏后的冠层红绿蓝(Red-Green-Blue, RGB)可见光图像,并进行数字表面模型(Digital Surface Model,DSM)图像提取,计算了过绿植被(Excess Green, EXG)指数,利用Arc GIS中的镶嵌工具将不同图像特征进行融合,得到DSM+RGB融合图像和DSM+EXG融合图像,利用最大似然法和随机森林法对2种特征融合图像进行监督分类提取小麦倒伏面积,并与仅基于RGB可见光图像和DSM图像提取倒伏面积结果对比。结果表明,2种方法对4种图像进行小麦倒伏面积提取的整体趋势一致,且最大似然法提取效果整体优于随机森林法,基于最大似然法对RGB图像、DSM图像、DSM+RGB特征融合图像、DSM+EXG特征融合图像提取倒伏小麦面积的整体精度分别为77.21%、93.37%、93.75%和81.78%,Kappa系数分别为0.54、0.86、0.87和0.64,对比分析发现DSM+RGB特征融合图像提取小麦倒伏面积精度最高。该研究表明通过图像特征融合的方法能够有效提取倒伏小麦信息,为快速提取小麦倒伏面积提供参考。 相似文献
14.
基于小波分解的油菜多光谱图像与深度图像数据融合方法 总被引：2，自引：2，他引：0
将多源数据融合分析可以降低单一图像造成的误判读,利用多源数据之间的冗余部分进行配准,利用互补信息完成融合,能够提高数据的信息量和可靠性。该文利用近地面遥感模拟平台分别获取油菜的多光谱图像和深度图像,将2种图像进行配准和融合。该文分别针对多光谱图像和光程差深度图像的成像特点,进行相机内外参计算与图像矫正。采用 SIFT（scale invariant feature transform）算法计算2源图像上的 SIFT 点,并依据关键点描述子进行匹配,之后通过关键点位置计算仿射变换矩阵对图像进行缩放、平移和旋转,从而实现变换后图像的配准。分别对 harr,Db2,Db4,Sym2, Sym4,Bior2.2,Bior2.4,Coif2,Coif 等9种小波基融合后的结果计算其相应的交叉熵、峰值信噪比和互信息量等5个参量进行评价,得出小波基 harr 和 sym4融合效果较好,各项指标均衡性较好。用 haar 小波基对配准后图像在3、4、5、6层分解融合,通过观察得出在多光谱与深度图像融合中第3层小波分解和第4层分解的融合效果较好。最终将深度图像的高程数据归一化之后进行植株三维构建,得到三维点云并进行可视化。 相似文献
15.
为解决果园机器视觉导航中果树行识别易受果园复杂环境干扰的问题,该研究提出一种采用动态选取融合因子对彩色图像与深度图像进行图层融合并采用纹理-灰度梯度能量模型进行图像分割的果树行视觉识别算法。首先,通过搭建立体视觉系统获取果园彩色图像与对应的深度图像,并基于饱和度（S）通道图像的灰度值选取动态融合因子,实现对果园彩色图像与深度图像的图层融合;然后,分别计算融合图像的纹理特征图像与灰度梯度特征图像,并建立纹理-灰度梯度结合的能量模型,基于模型能量最小原则进行树干与背景的分割;最后,以树干与地面交点为果树行特征点进果树行直线拟合,完成果树行角度的识别。并对上述算法分别进行果树行识别试验与移动作业平台视觉对行导航试验。果树行识别试验结果表明,该研究算法果树行角度识别平均偏差为2.81°,与基于纹理、灰度梯度特征的果树行识别算法相比识别平均偏差分别降低2.37°和1.25°。移动作业平台视觉导航试验结果表明,在作业平台速度为0.6 m/s时,对行行驶最大偏差为12.2 cm,平均偏差为5.94 cm。该研究提出的视觉导航算法可以满足果园移动作业平台视觉对行导航需求,研究成果将为基于机器视觉的果园自动导航系统的研究与优化奠定基础。 相似文献
16.
利用融合高度与单目图像特征的支持向量机模型识别杂草 总被引：8，自引：6，他引：2
除草是保证农作物高产的必要工作。针对机械化除草和智能喷药中存在的杂草识别问题,以2~5叶苗期玉米及杂草为研究对象,进行了融合高度特征与单目图像特征的杂草识别方法研究。首先从单目图像中提取16个形态特征和2个纹理特征;然后基于双目图像,提出了针对植株的高度特征提取方法,所得高度特征与实际测量值间误差在±12 mm以内;利用max-min ant system算法对形态特征进行优化选择,将形态特征减少到6个,有效减少数据量62.5%,并与纹理和高度特征进行融合;将2~5叶玉米幼苗的可除草期划分为3个阶段,分别构建融合高度特征与单目图像特征的SVM识别模型,并与相应不含高度特征模型进行对比。经测试,3个阶段模型的识别准确率分别为96.67%,100%,98.33%;平均识别准确率达98.33%。不含高度特征模型的识别准确率分别为93.33%,91.67%,95%;平均识别准确率为93.33%。结果表明,融合高度特征与单目图像特征的SVM识别模型优于不含高度特征模型,平均识别准确率提高了5百分点。该方法实现了高准确率的杂草识别,研究结果为农业精确除草的发展提供参考。 相似文献
17.
基于改进密度峰值聚类算法的梨花密度分级 总被引：1，自引：1，他引：0
精准判断梨花疏密程度是自动疏花的基础。为了更好地判断梨花密度,该研究提出了基于改进密度峰值聚类算法的梨花密度分级方法。该方法首先提取梨花位置坐标,获取需要聚类的数据点。其次,为了实现梨花图像的密度分级,针对原有密度峰值聚类算法在梨花密度分级中的不足,结合梨花密度分级需求,改进了对聚类中心的选取方式,通过4组局部密度和中心偏移距离分割阈值将决策图划分为4部分来选取聚类中心,分别对应高、中、低密度以及无需疏花处理等4个等级,实现了对疏密合理的梨花图像的准确分级。最后,针对只有团状分布、稀疏分布及大尺度特写的梨花分布聚类分级不准确的问题,改进了两点间的距离dij参数的计算方法,统一梨花尺度大小和密度分级标准,对所有分布类型的梨花图像均能实现合理的密度分级。试验结果表明,该研究算法能够适应不同尺度大小的梨花图像,预测准确率为94.89%,密度分级准确率达到94.29%,可实现自然环境下局部花簇的密度分级,为机器智能疏花提供了技术支持。 相似文献