2) Multi-spectral image segmentation
多谱图像分割
4) multispectral images
多光谱图像
1.
The Research of Multispectral Images Compression Algorithms Based on EBCOT and BMMV;
基于EBCOT和BMMV的多光谱图像压缩算法研究
2.
A numerical algorithm of Principle Component Analysis(PCA) is presented and its applications in remoting sensing image processing are introduced as following:Compression of multispectral images.
提出一种主分量分析(PCA)的数值算法并介绍了其在遥感图像处理中的应用,主要包括三方面内容:多光谱图像压缩;多光谱图像消噪;多光谱图像与spot全色图像的信息融合。
3.
With the development of multispectral remote-sensing technology, real- time transmission on limited bandwidth and storing of multispectral image data has become a challenging problem, so compression of multispectral images is of more and more importance.
随着多光谱遥感技术的发展,多光谱图像的压缩也受到了越来越多的关注。
5) multispectral image
多光谱图像
1.
3D SPIHT algorithm of the multispectral image based on histogram modify;
基于直方图变换的多光谱图像3D SPIHT压缩编码算法
2.
A multispectral image classification method based on the SVM and PCA;
一种基于支持向量机和主成分分析的多光谱图像的分类方法
3.
In order to merge multispectral image and high-resolution panchromatic image and to improve abilities of information analysis and feature extraction, we study discrete multiwavelet analysis on image data and give a fusion method in pixel level by means of discrete multiwavelet transform in this paper.
为了能够更好地把多光谱图像和高分辨率图像的图像信息综合起来,以提高对图像信息的分析和提取能力,在研究了离散向量小波图像分析法之后,本文提出了一种基于离散向量小波变换的像素级图像融合新方法。
6) Multi-spectral image
多光谱图像
1.
A registration method for multi-spectral image and panchromatic image based on wavelet transformation;
基于小波变换的多光谱图像和全色图像配准算法
2.
Acquisition of digitized multi-spectral image based on a 4-channel spata modulator;
四波段空间调制器获取数字化多光谱图像
3.
A new method was presented based on HIS transform and wavelet transform for the fusion of a low-resolution multi-spectral image and a high-resolution panchromatic image.
该方法通过对高分辨全色图像小波分解后的低频分量进行低通滤波,将全色图像的低频信息中的高频分量融入到多光谱图像HIS空间的亮度信息的低频中;再将这个融合后的低频和高分辨全色图像的细节信息进行小波反变换,得到融合后的图像。
补充资料:图像分割
把图像分解为一些特定的性质相似的部分(区域或对象),并用这些部分对图像进行分析和描述。一幅图像往往包含许多不同类型的区域,如物体、环境和背景等。图像分析的一个重要方法就是用它们作为基本组成成分对图像进行描述。例如为了在气泡室图片中检出质点碰撞形式并判定其发生位置,就要在图像中分割出气泡的轨迹及其端点。为了从输入的文本中识别出一串字符,首先就要把各个字符从背景和其他字符中分离出来。因此把图像分割为若干子图像,并利用各子图像的特性和它们之间的关系描述图像,对于图像识别和解释、物景分析以及图像的分块处理和存储都有很大的意义。
图像分割基本上是对像素进行分类的过程。例如用某个灰度阈值把图像像素分成"黑"和"白"两类,就可以把黑的对象同白的背景区分开。常用的分割方法有灰度等级阈值法、谱和空间分类法、区域生长法和边缘检测法。
灰度等级阈值法 在图像只有两种组成部分的情况下,图像灰度的直方图常常呈现两个峰值。用两个峰值之间的谷值所对应的灰度作为阈值,把所有像素灰度大于或等于阈值的作为一类,小于阈值的作为另一类是一种最基本的两类分割方法。实际应用时为了改善分类的可靠性,可以利用某些附加的信息(例如已知两类区域的面积之比)使阈值的选择更加合理。在类别更多的情况下,可以采用多级阈值把各类分割开来(例如确定两个阈值,就可以把细胞图像分割为胞核、胞浆和背景三部分)。类别越多,图像直方图的峰值就越不明显,分割就更为困难。
谱和空间分类法 对于彩色和多光谱图像,可以用像素的几种性质(颜色和谱信号)对像素作比较精细的分类。对于黑白图像,用包括像素本身灰度在内的一组局部性质(例如该像素邻域灰级的均值)在多维空间中进行分类。对于一些复杂图像,这种方法比单独的灰度阈值法效果更好。
区域生长法 这是一种从图像中提取区域或实体的序贯分割法。根据灰度、纹理的均匀性、同背景的对比度以及区域、形状、尺寸等准则,把性质大致相同的邻近像素组合在一起以形成分割区域。
边缘检测法 用于获取图像内物体轮廓的分割方法。一般采用曲线拟合、轮廓跟踪或边缘点连接等技术求出物体的边界。此外,若对像素的类别给以某种概率度量或隶属度,则可以对像素反复进行分类,这就成为松弛迭代分割算法。这种算法有较好的效果,在图像分析中已得到广泛应用。
图像分割基本上是对像素进行分类的过程。例如用某个灰度阈值把图像像素分成"黑"和"白"两类,就可以把黑的对象同白的背景区分开。常用的分割方法有灰度等级阈值法、谱和空间分类法、区域生长法和边缘检测法。
灰度等级阈值法 在图像只有两种组成部分的情况下,图像灰度的直方图常常呈现两个峰值。用两个峰值之间的谷值所对应的灰度作为阈值,把所有像素灰度大于或等于阈值的作为一类,小于阈值的作为另一类是一种最基本的两类分割方法。实际应用时为了改善分类的可靠性,可以利用某些附加的信息(例如已知两类区域的面积之比)使阈值的选择更加合理。在类别更多的情况下,可以采用多级阈值把各类分割开来(例如确定两个阈值,就可以把细胞图像分割为胞核、胞浆和背景三部分)。类别越多,图像直方图的峰值就越不明显,分割就更为困难。
谱和空间分类法 对于彩色和多光谱图像,可以用像素的几种性质(颜色和谱信号)对像素作比较精细的分类。对于黑白图像,用包括像素本身灰度在内的一组局部性质(例如该像素邻域灰级的均值)在多维空间中进行分类。对于一些复杂图像,这种方法比单独的灰度阈值法效果更好。
区域生长法 这是一种从图像中提取区域或实体的序贯分割法。根据灰度、纹理的均匀性、同背景的对比度以及区域、形状、尺寸等准则,把性质大致相同的邻近像素组合在一起以形成分割区域。
边缘检测法 用于获取图像内物体轮廓的分割方法。一般采用曲线拟合、轮廓跟踪或边缘点连接等技术求出物体的边界。此外,若对像素的类别给以某种概率度量或隶属度,则可以对像素反复进行分类,这就成为松弛迭代分割算法。这种算法有较好的效果,在图像分析中已得到广泛应用。
说明:补充资料仅用于学习参考,请勿用于其它任何用途。
参考词条