论文摘要
在遥感应用研究中,经过处理后形成的高清晰图像,对展开以后的工作具有重要的作用.而图像增强技术对于改善图像的对比度,突出某些局部细节等方面都起着积极的作用,有利于减少遥感图像在成像过程中受传感器性能下降、大气扰动等因素造成的影响.本文对传统的增强方法进行了深入地研究,并给予了实现,包括线性变换、分段线性变换、非线性变换、直方图均衡化方法.此外,结合聚类理论和模糊增强理论,提出了相应的改进方法.对于分段线性变换方法中如何划分灰度区间以及端点的设定这一问题,给出了基于加权模糊C-均值聚类的遥感图像增强算法,快速地实现了图像灰度分区,并对各区间采取相应的变换进行增强.试验结果表明本文算法有效提高了图像的信噪比,增强了对比度和清晰度,且易于实现.针对传统的模糊增强方法存在的一些缺陷,提出一种基于最大Tsallis熵原则的遥感图像模糊增强算法,首先将Tsallis熵推广到多个阈值的情况,在基于最大熵原则基础上,利用遗传算法计算出图像灰度级的最佳分类阈值,然后采用改进的隶属度函数和增强算子对图像进行模糊增强,最后还将多阈值图像的模糊增强方法进行了推广.试验结果表明,该算法自动、有效地选取阈值,且使图像亮度分布均衡,对比度显著增强,具有良好的视觉效果.实验表明,本文提出的算法对于一些遥感图像的增强取得了比较好的增强效果
论文目录
相关论文文献
标签：加权模糊均值聚类算法论文; 信噪比论文; 遗传算法论文; 模糊增强算子论文;