被动式毫米波成像图像的一种增强算法

基于图的快速图像分割算法

Efficient graph-based image segmentation 2.相关工作 G=(V ,E)，每个节点V i v 对应图像中一个像素点，E 是连接相邻节点的边，每个边有对应有一个权重，这个权重与像素点的特性相关。最后，我们将提出一类基于图的查找最小割的分割方法。这个最小割准则是最小化那些被分开像素之间的相似度。【18】原文中叫Component,实质上是一个MST,单独的一个像素点也可以看成一个区域。预备知识：图是由顶点集（vertices ）和边集（edges ）组成，表示为，顶点，在本文中即为单个的像素点，连接一对顶点的边具有权重，本文中的意义为顶点之间的不相似度，所用的是无向图。树：特殊的图，图中任意两个顶点，都有路径相连接，但是没有回路。如上图中加粗的边所连接而成的图。如果看成一团乱连的珠子，只保留树中的珠子和连线，那么随便选个珠子，都能把这棵树中所有的珠子都提起来。如果，i 和h 这条边也保留下来，那么h,I,c,f,g 就构成了一个回路。最小生成树（MST, minimum spanning tree ）：特殊的树，给定需要连接的顶点，选择边权之和最小的树。上图即是一棵MST 。本文中，初始化时每一个像素点都是一个顶点，然后逐渐合并得到一个区域，确切地说是连接这个区域中的像素点的一个MST 。如图，棕色圆圈为顶点，线段为边，合并棕色顶点所生成的MST ，对应的就是一个分割区域。分割后的结果其实就是森林。边的权值：对于孤立的两个像素点，所不同的是颜色，自然就用颜色的距离来衡量两点的相似性，本文中是使用RGB 的距离，即

图像分割算法开题报告

图像分割算法开题报告摘要：图像分割是图像处理中的一项关键技术，自20世纪70年代起一直受到人们的高度重视，并在医学、工业、军事等领域得到了广泛应用。近年来具有代表性的图像分割方法有：基于区域的分割、基于边缘的分割和基于特定理论的分割方法等。本文主要对基于自动阈值选择思想的迭代法、Otsu法、一维最大熵法、二维最大熵法、简单统计法进行研究，选取一系列运算出的阈值数据和对应的图像效果做一个分析性实验。关键字：图像分割，阈值法，迭代法，Otsu法，最大熵值法 1 研究背景 1．1图像分割技术的机理图像分割是将图像划分为若干互不相交的小区域的过程。小区域是某种意义下具有共同属性的像素连通集合，如物体所占的图像区域、天空区域、草地等。连通是指集合中任意两个点之间都存在着完全属于该集合的连通路径。对于离散图像而言，连通有4连通和8连通之分。图像分割有3种不同的方法，其一是将各像素划归到相应物体或区域的像素聚类方法，即区域法，其二是通过直接确定区域间的边界来实现分割的边界方法，其三是首先检测边缘像素，然后再将边缘像素连接起来构成边界的方法。图像分割是图像理解的基础，而在理论上图像分割又依赖图像理解，两者是紧密关联的。图像分割在一般意义下十分困难的，目前的图像分割处于图像的前期处理阶段，主要针对分割对象的技术，是与问题相关的，如最常用到的利用阈值化处理进行的图像分割。 1．2数字图像分割技术存在的问题

虽然近年来对数字图像处理的研究成果越来越多,但由于图像分割本身所具有的难度,使研究没有大突破性的进展,仍然存在以下几个方面的问题。现有的许多种算法都是针对不同的数字图像,没有一种普遍适用的分割算法。缺乏通用的分割评价标准。对分割效果进行评判的标准尚不统一,如何对分割结果做出量化的评价是一个值得研究的问题,该量化测度应有助于视觉系统中的自动决策及评价算法的优劣,同时应考虑到均质性、对比度、紧致性、连续性、心理视觉感知等因素。与人类视觉机理相脱节。随着对人类视觉机理的研究,人们逐渐认识到,已有方法大都与人类视觉机理相脱节,难以进行更精确的分割。寻找到具有较强的鲁棒性、实时性以及可并行性的分割方法必须充分利用人类视觉特性。知识的利用问题。仅利用图像中表现出来的灰度和空间信息来对图像进行分割,往往会产生和人类的视觉分割不一致的情况。人类视觉分割中应用了许多图像以外的知识,在很多视觉任务中,人们往往对获得的图像已具有某种先验知识,这对于改善图像分割性能是非常重要的。试图寻找可以分割任何图像的算法目前是不现实,也是不可能的。人们的工作应放在那些实用的、特定图像分割算法的研究上,并且应充分利用某些特定图像的先验知识,力图在实际应用中达到和人类视觉分割更接近的水平。 1．3数字图像分割技术的发展趋势从图像分割研究的历史来看,可以看到对图像分割的研究有以下几个明显的趋势。对原有算法的不断改进。人们在大量的实验下，发现一些算法的效

多聚焦图像融合方法综述

多聚焦图像融合方法综述摘要：本文概括了多聚焦图像融合的一些基本概念和相关知识。然后从空域和频域两方面将多聚焦图像融合方法分为两大块，并对这两块所包含的方法进行了简单介绍并对其中小波变换化法进行了详细地阐述。最后提出了一些图像融合方法的评价方法。关键词：多聚焦图像融合；空域；频域；小波变换法；评价方法 1、引言按数据融合的处理体系，数据融合可分为：信号级融合、像素级融合、特征级融合和符号级融合。图像融合是数据融合的一个重要分支，是20世纪70年代后期提出的概念。该技术综合了传感器、图像处理、信号处理、计算机和人工智能等现代高新技术。它在遥感图像处理、目标识别、医学、现代航天航空、机器人视觉等方面具有广阔的应用前景。 Pohl和Genderen将图像融合定义为：“图像融合是通过一种特定的方法将两幅或多幅图像合成一幅新图像”，其主要思想是采用一定的方法，把工作于不同波长范围、具有不同成像机理的各种成像传感器对同一场景成像的多幅图像信息合成一幅新的图像。作为图像融合研究重要内容之一的多聚焦图像融合，是指把用同一个成像设备对某一场景通过改变焦距而得到的两幅或多幅图像中清晰的部分组合成一幅新的图像，便于人们观察或计算机处理。图像融合的方法大体可以分为像素级、特征级、决策级3中，其中，像素级的图像融合精度较高，能够提供其他融合方法所不具备的细节信息，多聚焦融合采用了像素级融合方法，它主要分为空域和频域两大块，即：（1）在空域中，主要是基于图像清晰部分的提取，有梯度差分法，分块法等，其优点是速度快、方法简单，不过融合精确度相对较低，边缘吃力粗糙；（2）在频域中，具有代表性的是分辨方法，其中有拉普拉斯金字塔算法、小波变换法等，多分辨率融合精度比较高，对位置信息的把握较好，不过算法比较复杂，处理速度比较慢。 2、空域中的图像融合把图像f(x,y)看成一个二维函数，对其进行处理，它包含的算法有逻辑滤波器法、加权平均法、数学形态法、图像代数法、模拟退火法等。 2.1 逻辑滤波器法最直观的融合方法是两个像素的值进行逻辑运算,如:两个像素的值均大于特定的门限值,

一种基于视觉特性的彩色图像增强算法

计算机与现代化　２０１４年第２期ＪＩＳＵＡＮＪＩＹＵＸＩＡＮＤＡＩＨＵＡ总第２２２期文章编号：１００６－２４７５（２０１４）０２－００７３－０４收稿日期：２０１３－０９－０９基金项目：国家自然科学基金资助项目（６０９７２１０１）；江苏省科技支撑计划项目（ＢＥ２０１２０９６，ＢＥ２０１３３７２）；南通市科技计划项目（ＢＫ２０１２０２５）作者简介：束代群（１９８８－），女，江苏盐城人，河海大学物联网工程学院硕士研究生，研究方向：数字图像处理；朱浩（１９８９－），男，硕士研究生，研究方向：数字图像处理；盛惠兴（１９６１－），男，江苏无锡人，副教授，硕士，研究方向：信息获取与处理，通信系统；李庆武（１９６４－），男，河南新乡人，教授，博士生导师，博士，研究方向：数字图像处理，信息获取与智能感知。一种基于视觉特性的彩色图像增强算法束代群１，朱　浩１，盛惠兴１，２，李庆武１，２，周　军２（１．河海大学物联网工程学院，江苏常州２１３０２２；２．南通河海大学海洋与近海工程研究院，江苏南通２２６０１９）摘要：为了增强图像暗区域部分，基于人类视觉系统的全局和局部自适应调节原理，提出一种彩色图像增强方法。该方法主要包括全局自适应亮度调节、局部对比度增强和颜色恢复３个部分。全局亮度调节采用直方图非线性自适应拉伸来增强暗区域的亮度；局部对比度增强利用当前点与区域像素之间的关系，调节当前点的亮度，以增强图像局部对比度；通过一种自适应的非线性颜色恢复算法恢复图像色彩。通过大量图像对比实验分析表明，本文方法可以自适应有效快速地实现图像增强。关键词：人类视觉调节原理；自适应亮度调整；局部对比度增强；色彩恢复；快速中图分类号：ＴＰ３９１文献标识码：Ａｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６－２４７５．２０１４．０２．０１７ＡｎＡｌｇｏｒｉｔｈｍｆｏｒＣｏｌｏｒＩｍａｇｅＥｎｈａｎｃｅｍｅｎｔＢａｓｅｄｏｎＨｕｍａｎＶｉｓｕａｌＰｒｏｐｅｒｔｙＳＨＵＤａｉ－ｑｕｎ１，ＺＨＵＨａｏ１，ＳＨＥＮＧＨｕｉ－ｘｉｎｇ１，２，ＬＩＱｉｎｇ－ｗｕ１，２，ＺＨＯＵＪｕｎ２（１．ＣｏｌｌｅｇｅｏｆＩｎｔｅｒｎｅｔｏｆＴｈｉｎｇｓＥｎｇｉｎｅｅｒｉｎｇ，ＨｏｈａｉＵｎｉｖｅｒｓｉｔｙ，Ｃｈａｎｇｚｈｏｕ２１３０２２，Ｃｈｉｎａ；２．ＮａｎｔｏｎｇＨｏｈａｉＵｎｉｖｅｒｓｉｔｙＭａｒｉｎｅａｎｄＯｆｆｓｈｏｒｅＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅ，Ｎａｎｔｏｎｇ２２６０１９，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｔｏｅｎｈａｎｃｅｔｈｅｄａｒｋａｒｅａｓｏｆａｎｉｍａｇｅ，ａｎｏｖｅｌａｌｇｏｒｉｔｈｍｔｏｅｎｈａｎｃｅｔｈｅｃｏｌｏｒｉｍａｇｅｂａｓｅｄｏｎｇｌｏｂａｌａｎｄｌｏｃａｌａｄａｐｔａ－ｔｉｏｎｏｆｔｈｅｈｕｍａｎｖｉｓｕａｌｒｅｇｕｌａｔｉｏｎｐｒｉｎｃｉｐｌｅｓｉｓｐｒｏｐｏｓｅｄ．Ｔｈｅａｌｇｏｒｉｔｈｍｍａｉｎｌｙｃｏｎｓｉｓｔｓｏｆｔｈｒｅｅｐａｒｔｓ：ａｐｒｅｌｉｍｉｎａｒｙｇｌｏｂａｌｌｕｍｉ－ｎａｎｃｅａｄｊｕｓｔｍｅｎｔｆｏｌｌｏｗｅｄｂｙｌｏｃａｌｃｏｎｔｒａｓｔｅｎｈａｎｃｅｍｅｎｔａｎｄｃｏｌｏｒｒｅｓｔｏｒａｔｉｏｎ．Ｔｈｅｇｌｏｂａｌｌｕｍｉｎａｎｃｅａｄｊｕｓｔｍｅｎｔｉｎｃｒｅａｓｅｓｔｈｅｌｕ－ｍｉｎａｎｃｅｏｆｄａｒｋｅｒｐｉｘｅｌｓｂａｓｅｄｏｎｎｏｎｌｉｎｅａｒａｄａｐｔｉｖｅｈｉｓｔｏｇｒａｍｓｔｒｅｔｃｈｉｎｇ．Ｔｈｅｌｏｃａｌｃｏｎｔｒａｓｔｅｎｈａｎｃｅｍｅｎｔａｄｊｕｓｔｓｔｈｅｉｎｔｅｎｓｉｔｙｏｆｅａｃｈｐｉｘｅｌｂａｓｅｄｏｎｉｔｓｒｅｌａｔｉｖｅｍａｇｎｉｔｕｄｅ，ｗｈｉｃｈｉｓｂａｓｅｄｏｎｉｔｓｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｒｅｌａｔｉｖｅｍａｇｎｉｔｕｄｅａｎｄｔｈｅｏｕｔｐｕｔｏｆｉｔｓｎｅｉｇｈｂｏｒｉｎｇｐｉｘｅｌｓ．Ｔｈｅｎａｎａｄａｐｔｉｖｅｎｏｎｌｉｎｅａｒｃｏｌｏｒｒｅｓｔｏｒａｔｉｏｎｐｒｏｃｅｓｓｉｓａｐｐｌｉｅｄｔｏｃｏｎｖｅｒｔｔｈｅｅｎｈａｎｃｅｄｉｎｔｅｎｓｉｔｙｉｍａｇｅｂａｃｋｔｏａｃｏｌｏｒｉｍａｇｅ．Ｔｈｅｃｏｎｔｒａｓｔｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｂａｓｅｄｏｎａｌａｒｇｅｓｅｔｏｆｉｍａｇｅｓｉｎｄｉｃａｔｅｔｈａｔ，ｔｈｅｐｒｏｐｏｓｅｄｉｍａｇｅｅｎｈａｎｃｅｍｅｎｔａｌ－ｇｏｒｉｔｈｍｉｓａｄａｐｔｉｖｅ，ｅｆｆｅｃｔｉｖｅａｎｄｒａｐｉｄ．Ｋｅｙｗｏｒｄｓ：ｈｕｍａｎｖｉｓｕａｌｒｅｇｕｌａｔｉｏｎｐｒｉｎｃｉｐｌｅｓ；ｐｒｅｌｉｍｉｎａｒｙｌｕｍｉｎａｎｃｅａｄｊｕｓｔｍｅｎｔ；ｌｏｃａｌｃｏｎｔｒａｓｔｅｎｈａｎｃｅｍｅｎｔ；ｃｏｌｏｒｒｅｓｔｏｒａ－ｔｉｏｎ；ｒａｐｉｄ０　引　言图像增强是图像处理重要的组成部分，其根据应用要求突出图像中感兴趣的部分，同时减弱或去除不需要的信息，将原图像转换为一种更适合于人眼观察和计算机分析处理的形式。传统的增强方法有基于空域的直方图均衡化、同态滤波以及基于变换域的多尺度增强［１］等。这些方法主要是增强图像的边缘等高频信息，同时抑制噪声的放大，但缺乏对颜色信息的考虑。而在自然界和人们的日常生活中，接触的大多数是彩色图像。近年来，由于人类视觉系统在处理图像信息上近乎完美的特性，越来越多的学者模仿人眼视觉系统，提出基于人眼视觉特性的图像增强算法［２］，其中ＬａｎｄＥ．Ｈ．等提出了基于Ｒｅｔｉｎｅｘ理论的图像增强算法［３－５］，受到了广泛的关注。一般来说Ｒｅｔｉｎｅｘ算法能够获得较好的彩色图像增强效果，但也存在一些不足。当图像和“灰度世界”假设冲突时，处理的图像

关于图像分割算法的研究

关于图像分割算法的研究黄斌（福州大学物理与信息工程学院福州 350001）摘要：图像分割是图像处理中的一个重要问题，也是一个经典难题。因此对于图像分割的研究在过去的四十多年里一直受到人们广泛的重视，也提山了数以千计的不同算法。虽然这些算法大都在不同程度上取得了一定的成功，但是图像分割问题还远远没有解决。本文从图像分割的定义、应用等研究背景入手，深入介绍了目前各种经典的图像分割算法，并在此基础比较了各种算法的优缺点，总结了当前图像分割技术中所面临的挑战，最后展望了其未来值得努力的研究方向。关键词：图像分割阀值分割边缘分割区域分割一、引言图像分割是图像从处理到分析的转变关键，也是一种基本的计算机视觉技术。通过图像的分割、目标的分离、特征的提取和参数的测量将原始图像转化为更抽象更紧凑的形式，使得更高层的分析和理解成为可能，因此它被称为连接低级视觉和高级视觉的桥梁和纽带。所谓图像分割就是要将图像表示为物理上有意义的连通区域的集合，也就是根据目标与背景的先验知识，对图像中的目标、背景进行标记、定位，然后将目标从背景或其它伪目标中分离出来[1]。图像分割可以形式化定义如下[2]：令有序集合表示图像区域(像素点集)，H 表示为具有相同性质的谓词，图像分割是把I 分割成为n 个区域记为Ri ，i=1，2，…，n ，满足： (1) 1,,,,n i i j i R I R R i j i j ===??≠ (2) (),1,2,,i i i n H R True ?== (3) () ,,,i j i j i j H R R False ?≠= 条件(1)表明分割区域要覆盖整个图像且各区域互不重叠，条件(2)表明每个区域都具有相同性质，条件(3)表明相邻的两个区域性质相异不能合并成一个区域。自上世纪70年代起，图像分割一直受到人们的高度重视，其应用领域非常广泛，几乎出现在有关图像处理的所有领域，并涉及各种类型的图像。主要表现在： 1)医学影像分析：通过图像分割将医学图像中的不同组织分成不同的区域，以便更好的

图像融合的研究背景和研究意义

图像融合的研究背景和研究意义 1概述 2 图像融合的研究背景和研究意义 3图像融合的层次像素级图像融合特征级图像融合决策级图像融合 4 彩色图像融合的意义 1概述随着现代信息技术的发展，图像的获取己从最初单一可见光传感器发展到现在的雷达、高光谱、多光谱红外等多种不同传感器，相应获取的图像数据量也急剧增加。由于成像原理不同和技术条件的限制，任何一个单一图像数据都不能全面反应目标对象的特性，具有一定的应用范围和局限性。而图像融合技术是将多种不同特性的图像数据结合起来，相互取长补短便可以发挥各自的优势，弥补各自的不足，有可能更全面的反映目标特性，提供更强的信息解译能力和可靠的分析结果。图像融合不仅扩大了各图像数据源的应用范围，而且提高了分析精度、应用效果和使用价值，成为信息领域的一个重要的方向。图像配准是图像融合的重要前提和基础，其误差的大小直接影响图像融合结果的有效性。作为数据融合技术的一个重要分支，图像融合所具有的改善图像质量、提高几何配准精度、生成三维立体效果、实现实时或准实时动态监测、克服目标提取与识别中图像数据的不完整性等优点，使得图像融合在遥感观测、智能控制、无损检测、智能机器人、医学影像(2D和3D)、制造业等领域得到广泛的应用，成为当前重要的信息处理技术，迅速发展的军事、医学、自然资源勘探、环境和土地、海洋资源利用管理、地形地貌分析、生物学等领域的应用需求更有力地刺激了图像融合技术的发展。 2 图像融合的研究背景和研究意义 Pohl和Genderen对图像融合做了如下定义：图像融合就是通过一种特定算法将两幅或多幅图像合成为一幅新图像。它的主要思想是采用一定的算法，把

图像增强技术

数字图像处理期中论文图像增强技术综述学院信息工程学院专业电子信息工程方向信息处理方向姓名何娜娜学号200710113081 中国传媒大学 2010 年11 月27 日

图像增强技术综述内容摘要数字图像处理是指将图像信号转换成数字格式并利用计算机对其进行处理的过程。图像增强是数字图像处理的过程中经常采用的一种方法，它对提高图像质量起着重要的作用。本文先对图像增强的原理进行概述，然后对图像增强的方法分类并给出直方图增强、对比度增强、平滑和锐化等几种常用的增强方法的理论基础，通过Matlab实验得出的实际处理效果来对比各种算法的优缺点，讨论不同的增强算法的技术要点，并对其图像增强方法进行性能评价。关键词：图像增强直方图增强对比度增强平滑锐化彩色图像增强 Abstract Digital image processing is the procedures of converting image signal into digital format, then using the computer to process it. Image enhancement is digital image processing process often use a method to improve image quality, it plays an important role. This article first introduces the principle of image enhancement and classification，and then focus on several methods to study such as and histogram enhancement, contrast enhancement, smoothing and sharpening, and other commonly used in learning the basic digital image With the approach, through Matlab experiment that the actual effect of various algorithms to compare the advantages and disadvantages to discuss the different enhancement algorithm. The application of occasions, and its image enhancement method of performance evaluation. Keywords:Image Enhancement histogram enhancement contrast enhancement smoothing sharpening 1 图像增强概述 1.1 图像增强背景及意义在一般情况下，经过图像的传送和转换，如成像、复制、扫描、传输和显示等，经常会造成图像质量的下降，即图像失真。在摄影时由于光照条件不足或过度，会使图像过暗或过亮；光学系统的失真、相对运动、大气流动等都会使图像模糊，传输过程中会引入各种类型的噪声。总之输入的图像在视觉效果和识别方便性等方面可能存在诸多问题，这类问题不妨统称为质量问题。图像增强是指根据特定的需要突出图像中的重要信息，同时减弱或去除不需要的信息。从不同的途径获取的图像，通过进行适当的增强处理，可以将原本模糊不清甚

一种新的低照度彩色图像增强算法(精)

第28卷第9期2011年9月计算机应用研究 Application Research of Computers Vol．28No．9Sep．2011 一种新的低照度彩色图像增强算法李小霞，李铖果，邹建华，韩雪梅（西南科技大学信息工程学院，四川绵阳621010）摘 * 要：为了增强彩色图像而不引起色彩失真，在HSV 颜色空间中保持色相不变，提出了采用分段对数变换增采用边缘保持增强色调的低照度彩色图像增强算法。实验结果强饱和度结合在多尺度Retinex 算法的基础上，表明，该方法在保持图像色相和图像边缘的情况下，显著改善了图像的视觉效果，提高了图像的亮度和对比度。25幅低照度图像的平均亮度、20．93%和29．88%，标准偏差和对比度分别提高了94．95%、相对于带色彩恢复的多尺度Retinex 算法的熵和对比度增量分别提高了7．34%和151．51%，效果优于Retinex 算法。关键词：低照度；彩色图像增强；分段对数变换；边缘保持；饱和度；色调；Retinex 算法中图分类号：TP391 文献标志码：A 文章编号：1001-3695（2011）09-3554-02 doi ：10．3969/j．issn．1001-3695．2011．09．100 New low illumination color image enhancement algorithm

LI Xiao-xia ，LI Cheng-guo ，ZOU Jian-hua ，HAN Xue-mei （School of Information Engineering ，Southwest University of Science ＆Technology ，Mianyang Sichuan 621010，China ） Abstract ：In order to avoid the color distortion during the image enhancement ，this paper proposed a new low illumination color image enhancement method combining the saturation enhancement with segment logarithmic transformation and value en-hancement with edge retaining （S_log-V_edge）based on the multi-scale Retinex （MSR ）algorithm without changing the hue in the HSV color space．Results show that this method can improve the low illumination images ’visual effect and enhance the image brightness and contrast while retaining the image hue and edge．The 25low illumination images average value ，standard 20．93%and 29．88%individually ，the entropy and con-deviation and contrast incremental value are increased by 94．95%， showing trast incremental value are 7．34%and 151．51%more than the multi-scale Retinex with color restoration （MSRCR ）， the effects are better than Retinex methods． Key words ：low illumination ；color image enhancement ；segment logarithmic transformation ；edge retainment ；saturation ；value ；Retinex algorithm 0引言在图像采集或视频监控的应用中，经常会有夜视或背光等 V_edge）对低照基于边缘保持的色调分量增强的方法（S_log-度彩色图像进行增强。

一种基于HLS的快速图像分割算法

一种基于HLS的快速图像分割算法【摘要】本文提出了一种新的基于HLS的快速图像分割算法。通过分析HLS 颜色空间特性，提出一种新的图像相似性的定义方法，可以快速选择出相似的颜色区域。在图像的预分割过程中起到了快速定位的作用。与基于MEANSHIFT 的图像分割算法，分水岭算法对比，通过实验结果表明，本论文提出的分割算法具有快速的，良好的的特性。【关键词】预分割；图像分割；HLS颜色空间 1.分割的意义与现状图像分割是计算机图像处理与机器视觉研究领域中的基本问题之一。随着计算机硬件和计算机理论的不断取得突破进展，数字图像处理技术和计算机视觉技术得到了广泛的应用。在对图像进行研究和应用中，前景提取或前景分割是一个重要的研究组成部分。在应用的过程中，往往只对图像中某些部分某些区域感兴趣，这些部分通常称之为前景。前景是图像中特定的，具有某些特性的区域，或者说是具有更高层次语义的区域。例如人，桌子等等自然物体，也可能是人身体的一部分，如头发，脸等等。为了进一步的研究分析，需要把前景区域单独提取出来，作为下一步的算法的输入。所以说图像分割算法是指将某些特定区域从背景中分割出来的算法。图像分割是数字图像处理与计算机视觉研究领域中的基本问题之一，也是热点之一。在每一次交互式的过程中，我们并不需要对整幅图像进行处理，只需要对交互处周围的像素点进行分析即可。这样不仅仅是因为处理的像素点减少，从而可以节省大量的处理时间，同时在处理过程中，可以去掉不相似点的干扰，在处理速度上，在收敛性上，也可以节省大量的时间。所以如果能明确处理的区域，可以提高处理速度，从而保证算法的实时性。如果定义一个固定的矩形或者圆形等形状的话，对于不同的物体显然具有不同的效果。如果物体比所定义的矩形框大，则不能一次性的分割出相邻的区域。如果物体比所定义的矩形框小很多的时候，不仅仅是处理速度上变慢，分割效果会降低。所以使用简单的分割算法进行粗定位，确定下一步的处理范围，对整个交互式过程来说是一个非常重要的步骤。在过去二十多年中，人们对前景图像提取问题做了大量的研究。最简单的方法是，能过选取满足用户指定图像的颜色值的所有像素来提取前景。Photoshop 的智能剪刀和魔杖工具就是采用了这种方法。但是这种方法需要大量的用户交互，使用起来极其不方便。近十年来，研究者提出了很多精确提取前景区域的系统，同时使用户的交互尽可能少。比如智能画布[1]和基于对象的图像编辑系统[2]等，通过将图像分割成区域，然后用户选取一些区域产生最后的前景对象的方法。Grab cut系统[3]

ENVI中的融合方法

ENVI下的图像融合方法图像融合是将低空间分辨率的多光谱影像或高光谱数据与高空间分辨率的单波段影像重采样生成成一副高分辨率多光谱影像遥感的图像处理技术，使得处理后的影像既有较高的空间分辨率，又具有多光谱特征。图像融合的关键是融合前两幅图像的精确配准以及处理过程中融合方法的选择。只有将两幅融合图像进行精确配准，才可能得到满意的结果。对于融合方法的选择，取决于被融合图像的特征以及融合目的。 ENVI中提供融合方法有： ?HSV变换 ?Brovey变换这两种方法要求数据具有地理参考或者具有相同的尺寸大小。RGB输入波段必须为无符号8bit数据或者从打开的彩色Display中选择。这两种操作方法基本类似，下面介绍Brovey变换操作过程。（1）打开融合的两个文件，将低分辨率多光谱图像显示在Display中。（2）选择主菜单-> Transform -> Image Sharpening->Color Normalized (Brovey)，在Select Input RGB对话框中，有两种选择方式：从可用波段列表中和从Display窗口中，前者要求波段必须为无符号8bit。（3）选择Display窗口中选择RGB，单击OK。（4） Color Normalized (Brovey)输出面板中，选择重采样方式和输入文件路径及文件名，点击OK输出结果。对于多光谱影像，ENVI利用以下融合技术： ?Gram-Schmidt ?主成分（PC）变换 ?color normalized (CN)变换 ?Pan sharpening 这四种方法中，Gram-Schmidt法能保持融合前后影像波谱信息的一致性，是一种高保真的遥感影像融合方法；color normalized (CN)变换要求数据具有中心波长和FWHM，；Pansharpening融合方法需要在ENVI Zoom中启动，比较适合高分辨率影像，如QuickBird、IKONOS等。这四种方式操作基本类似，下面介绍参数相对较多的Gram-Schmidt操作过程。（1）打开融合的两个文件。

图像分割算法研究及实现

中北大学课程设计说明书学生姓名：梁一才学号：10050644X30 学院：信息商务学院专业：电子信息工程题目：信息处理综合实践: 图像分割算法研究与实现指导教师：陈平职称: 副教授 2013 年 12 月 15 日

中北大学课程设计任务书 13/14 学年第一学期学院：信息商务学院专业：电子信息工程学生姓名：焦晶晶学号：10050644X07 学生姓名：郑晓峰学号：10050644X22 学生姓名：梁一才学号：10050644X30 课程设计题目：信息处理综合实践: 图像分割算法研究与实现起迄日期：2013年12月16日～2013年12月27日课程设计地点：电子信息科学与技术专业实验室指导教师：陈平系主任：王浩全下达任务书日期: 2013 年12月15 日

课程设计任务书 1．设计目的： 1、通过本课程设计的学习，学生将复习所学的专业知识，使课堂学习的理论知识应用于实践，通过本课程设计的实践使学生具有一定的实践操作能力； 2、掌握Matlab使用方法，能熟练运用该软件设计并完成相应的信息处理； 3、通过图像处理实践的课程设计，掌握设计图像处理软件系统的思维方法和基本开发过程。 2．设计内容和要求（包括原始数据、技术参数、条件、设计要求等）： (1)编程实现分水岭算法的图像分割； (2)编程实现区域分裂合并法； (3)对比分析两种分割算法的分割效果； (4)要求每位学生进行查阅相关资料，并写出自己的报告。注意每个学生的报告要有所侧重，写出自己所做的内容。 3．设计工作任务及工作量的要求〔包括课程设计计算说明书(论文)、图纸、实物样品等〕：每个同学独立完成自己的任务，每人写一份设计报告，在课程设计论文中写明自己设计的部分，给出设计结果。

三种图像融合方法实际操作与分析

摘要：介绍了遥感影像三种常用的图像融合方式。进行实验，对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像，简要分析比较三种图像融合方式的各自特点，择出本次实验的最佳融合方式。关键字：遥感影像；图像融合；主成分变换；乘积变换；比值变换；ERDAS IMAGINE 1. 引言由于技术条件的限制和工作原理的不同，任何来自单一传感器的信息都只能反映目标的某一个或几个方面的特征，而不能反应出全部特征。因此，与单源遥感影像数据相比，多源遥感影像数据既具有重要的互补性，也存在冗余性。为了能更准确地识别目标，必须把各具特色的多源遥感数据相互结合起来，利用融合技术，针对性地去除无用信息，消除冗余，大幅度减少数据处理量，提高数据处理效率；同时，必须将海量多源数据中的有用信息集中起来，融合在一起，从多源数据中提取比单源数据更丰富、更可靠、更有用的信息，进行各种信息特征的互补，发挥各自的优势，充分发挥遥感技术的作用。[1] 在多源遥感图像融合中，针对同一对象不同的融合方法可以得到不同的融合结果，即可以得到不同的融合图像。高空间分辨率遥感影像和高光谱遥感影像的融合旨在生成具有高空间分辨率和高光谱分辨率特性的遥感影像，融合方法的选择取决于融合影像的应用，但迄今还没有普适的融合算法能够满足所有的应用目的，这也意味着融合影像质量评价应该与具体应用相联系。[2] 此次融合操作实验是用三种不同的融合方式（主成分变换融合，乘积变换融合，比值变换融合），对一幅具有高分辨率的SPOT全色黑白图像与一幅具有多

光谱信息的SPOT图像进行融合处理，生成一幅既有高分辨率又有多光谱信息的图像。 2. 源文件 1 、 imagerycolor.tif ，SPOT图像，分辨率10米，有红、绿、两个红外共四个波段。 2 、imagery-5m.tif ，SPOT图像，分辨率5米。 3. 软件选择在常用的四种遥感图像处理软件中，PCI适合用于影像制图，ENVI在针对像元处理的信息提取中功能最强大，ER Mapper对于处理高分辨率影像效果较好，而ERDAS IMAGINE的数据融合效果最好。[3] ERDAS IMAGINE是美国Leica公司开发的遥感图像处理系统。它以其先进的图像处理技术，友好、灵活的用户界面和操作方式，面向广阔应用领域的产品模块，服务于不同层次用户的模型开发工具以及高度的RS/GIS（遥感图像处理和地理信息系统）集成功能，为遥感及相关应用领域的用户提供了内容丰富而功能强大的图像处理工具。 2012年5月1日，鹰图发布最新版本的ERDAS IMAGINE，所有ERDAS 2011软件用户都可以从官方网站上下载最新版本 ERDAS IMAGINE 11.0.5. 新版本包括之前2011服务包的一些改变。相比之前的版本，新版本增加了更多ERDAS IMAGINE和GeoMedia之间的在线联接、提供了更为丰富的图像和GIS产品。用户使用一个单一的产品，就可以轻易地把两个产品结合起来构建一个更大、更清

一种改进的图像增强算法及其应用(精)

第25卷第9期计算机应用与软件 Vol 125No . 92008年9月Computer App licati ons and Soft w are Sep. 2008 一种改进的图像增强算法及其应用王小凤耿国华郭红波 (西北大学信息科学与技术学院陕西西安710069 收稿日期:2006-12-30。国家自然科学基金项目(60673100 。王小凤, 博士生, 主研领域:数据挖掘, 模式识别, 图形图像处理和音频处理。摘要为改进图像增强算法, 使之更适合医学领域图片的处理, , 景区, 使用不同的函数进行增强, , 。实验结果显示改进的基于粗糙集的增强效果优于直方图均衡化方法。关键词粗糙集上逼近下逼近AN I M I M ENHANCE M ENT AL GO R I TH M AND I TS APPL I CAT I O N W ang Xiaofeng Geng Guohua Guo Hongbo (School of Infor m ation Science and Technology, N orthw est U niversity, X i πan 710069, Shaanxi, China Abstract W ith an ai m t o i m p r ove the i m age enhance ment algorith m and make it suitable f or medical field, the upper and l ower app r oxi m a 2ti on ideas of r ough set theory are used, and the i m age is divided int o object 2i m age and backgr ound 2i m age, which are enhanced by different functi ons . Then, an i m p r oved i m age enhancement algorith m based on r ough set is p r oposed and used in medical i m age field . Experi m ental re 2sults show that the enhanced effect of the p r oposed algorith m is obvi ous and better than that of the hist ogra m equalizati on method . Keywords Rough set Upper app r oxi m ati on Lower app r oxi m ati on H ist ogram equalizati on

图像融合算法概述

图像融合算法概述摘要：详细介绍了像素级图像融合的原理,着重分析总结了目前常用的像素级图像融合的方法和质量评价标准,指出了像素级图像融合技术的最新进展,探讨了像素级图像融合技术的发展趋势。关键词：图像融合; 多尺度变换; 评价标准 Abstract:This paper introduced the principles based on image fusion at pixel level in detail, analysed synthetically and summed up the present routine algorithm of image fusion at pixel level and evaluation criteria of its quality. It pointed out the recent development of image fusion at pixel level, and discussed the development tendency of technique of image fusion at pixel level. Key words:image fusion; multi-scale transform; evaluation criteria 1.引言：图像融合是通过一个数学模型把来自不同传感器的多幅图像综合成一幅满足特定应用需求的图像的过程, 从而可以有效地把不同图像传感器的优点结合起来, 提高对图像信息分析和提取的能力[ 1] 。近年来, 图像融合技术广泛地应用于自动目标识别、计算机视觉、遥感、机器人、医学图像处理以及军事应用等领域。图像融合的主要目的是通过对多幅图像间冗余数据的处理来提高图像的可靠性; 通过对多幅图像间互补信息的处理来提高图像的清晰度。根据融合处理所处的阶段不同,图像融合通常可以划分为像素级、特征级和决策级。融合的层次不同, 所采用的算法、适用的范围也不相同。在融合的三个级别中, 像素级作为各级图像融合的基础, 尽可能多地保留了场景的原始信息, 提供其他融合层次所不能提供的丰富、精确、可靠的信息, 有利于图像的进一步分析、处理与理解, 进而提供最优的决策和识别性能. 2.图像融合算法概述 2.1 图像融合算法基本理论

图像融合算法的分析与比较

摘要：图像拼接技术一直是计算机视觉、图像处理和计算机图形学的热点研究方向。图像融合算法是图像拼接过程中非常重要的一个步骤，本文介绍了几种常用图像融合算法，并且结合实验对它们的进行了分析和比较。关键词：图像融合；图像拼接一、引言图像拼接(image stitching)技术是由于摄像设备的视角限制，不可能一次拍出很大图片而产生的。图像拼接技术可以解决由于相机等成像仪器的视角和大小的局限，不可能一次拍出很大图片而产生的问题。它利用计算机进行自动匹配，合成一幅宽角度图片，因而在实际使用中具有很广泛的用途，同时对它的研究也推动了图像处理有关的算法研究。图1 图像拼接流程图图像拼接技术的基本流程如图1-1所示，首先获取待拼接的图像，然后是图像配准和图像融合，最终得到拼接图。图像拼接技术主要包括两个关键环节，即图像配准和图像融合。图像配准主要指对参考图像和待拼接图像中的匹配信息进行提取，在提取出的信息后寻找图像间的变换模型，然后由待拼接图像经变换模型向参考图像进行对齐，变换后图像的坐标将不再是整数，这就涉及到重采样与插值的技术。图像拼接的成功与否主要是图像的配准。待拼接的图像之间，可能存在平移、旋转、缩放等多种变换或者大面积的同色区域等很难匹配的情况，一个好的图像配准算法应该能够在各种情况下准确找到图像间的对应信息，将图像进行匹配。图像融合的任务就是把配准后的两幅图像根据对准的位置合并为一幅图像。由于两幅相邻图像之间存在重叠区域，因此，采用配准算法可以实现图像的对齐。然而图像拼接的目的是要得到一幅无缝的拼接图像[1]。所谓无缝，就是说在图像拼接结果中，不应该看到两幅图像在拼接过程中留下的痕迹，即不能出现图像拼接缝隙。由于进行拼接的两幅图像并不是在同一时刻采集的，因此，它们不可避免地会受到各种不定因素的影响。由于这些无法控制的因素的存在，如果在图像整合过程结束之后，只是根据该过程中所得到的两幅相邻图像之间的重叠区域信息，将两幅图像简单的叠加起来，那么，在它们的结合部位必然会产生清晰的拼接缝隙，这也就达不到图像拼接所要求的无缝的要求。如何处理图像整合过程中无法解决的拼接缝隙问题，实现真正意义上的无缝拼接，正是图像融合过程中所要解决的问题。对于重叠部分，如果只是简单的取第一幅图像或第二幅图像的数据进行叠加，会造成图像的模糊和拼接的痕迹，这是不能容忍的。图像融合就是要消除图像光强或色彩的不连续性。它的主要思想是让图像在拼接处的光强平滑过渡以消除光强的突变。二、常见的图像融合算法 1、平均值法令，，分别表示第一幅图像、第二幅图像和融合图像在点处的像素值，则融合图像中各点的像素值按式(4-1)确定。 (1) 式(4-1)中，表示第一幅图像中未与第二幅图像重叠的图像区域，表示第一幅图像与第二幅图像重叠的图像区域，表示第二幅图像中未与第一幅图像重叠的图像区域。取两幅图像的平均值的算法速度很快，但效果一般不能令人满意，在融合部分有明显的带状感觉，用眼睛能够观察出区别。本文以左图像所在的坐标系为参考坐标空间，将右图像经过变换矩阵向参考图坐标进行映射，由于双线性插值法在计算效率和精度方面可以达到一个很好的平衡，因此在变换过程中本文采用双线性插值。然后采用平均值法对图像重叠区进行融合，得到图2(a)和图2(b)。从图中可以看出由于采用本文的配准方法拼接出来的图像在拼接点处结合得很好，但是由于重叠区域采用了简单的平均值法来进行融合，有明显的拼缝。 (a) 校园广场图片（b）足球场图片图2 采用平均值法来对图像进行融合 2、重叠区线性过渡为了消除重叠区的拼缝问题，目前采用较多的是重叠区线性过渡的方法. 实现的具体方法是假设重叠区域宽度为l。取过渡因子是（）。两幅图像重叠区的x轴和y轴最大和最小值分别为、和、，则过渡因子，重叠区的像

基于Gram-Schmidt的图像融合方法概述

基于Gram-Schmidt的图像融合方法概述摘要遥感图像融合的目的是综合来自不同空间分辨率和光谱分辨率的遥感信息，生成一幅具有新空间特征和波谱特征的合成图像。它具有重要的意义和广泛的应用前景。而由于采用的算法或变换方法的不同，融合方法有多种。在众多的融合方法相互比较的过程中，我们发现Gram-Schmidt具有较高的图像保真效果，是一种高效的图像融合方法。由于该算法在遥感图像融合中的应用尚处于起步阶段，对于Gram-Schmidt光谱锐化高保真的影像融合算法的了解尚不全面。对此，对Gram-Schmidt的原理、方法、优势等做了较为详尽的介绍。关键词遥感融合保真Gram-Schmidt 概述 1 引言对于光学系统的遥感影像，其空间分辨率和光谱分辨率一直存在着不可避免矛盾。在一定的信噪比的情况下，光谱分辨率的提高必然导致牺牲空间分辨率为代价。然而，通过将较低空间分辨率的多光谱影像和较高空间分辨率的影像的全色波段影像的融合，可以产生多光谱和高空间分辨率的影像。因此，各种基于不同算法的融合方法得到了迅速地发展和广泛地应用。随着遥感技术的发展，由于对图像解译和反演目标参数的需要，一些简单的融合方法在很大程度上已经无法满足对于光谱信息保持，空间纹理信息增加的迫切需求。例如，对于检测植被活力和生长状态，反演陆地生产力，进行环境评价和矿产勘测等，如果融合后的图像信息的保真度无法满足要求，将会导致错误结果的产生。通常采用的遥感图像融合方法有IHS变换、Brovey变换、主成分变换、小波变换等。虽然，这些融合方法都能够增加多光谱影像的空间纹理信息特征。但IHS、Brovey、主成分变换等方法易使融合后的影像失真；小波变换光谱信息虽保真相对较好，但小波基选择困难，且计算相对复杂（李存军等，2004）。基于Gram-schmidt算法的图像融合方法既能使融合影像保真度较好，计算又较为简单。本文将对该影像融合算法的原理、方法以及所具备的优势做较为详尽的介绍。 2 算法简介