导读:本文包含了多光谱图像论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:光谱,图像,卷积,全色,图像处理,神经网络,局部。
多光谱图像论文文献综述
焦姣,吴玲达,王朴军[1]（2019）在《结合空间-光谱调制及图像分割的多光谱图像融合方法》一文中研究指出为了进一步提高多光谱(MS)图像与全色(PAN)图像之间的融合质量,平衡空间细节的注入与光谱信息的保持,提出了一种基于局部自适应空间-光谱调制与图像协同分割的融合方法.该方法利用k-means算法、根据MS图像的光谱特性进行图像分割,得到不同的连通体组,进而基于局部连通体组构建了局部自适应光谱调制(LASpeM)系数和局部自适应空间调制(LASpaM)系数,分别对融合图像中的光谱与空间信息进行调制;其中,LASpeM系数的构建基于MS和PAN图像中的细节提取以及MS波段之间的光谱关系, LASpaM系数的构建则基于MS和低分辨率PAN图像之间光谱特性的局部差异及相关性.另外,引入融合与分割的协同思想,利用图像分割来优化融合结果,并根据融合结果的反馈信息对分割算法的参数进行调整.在Matlab环境下,采用2个卫星GeoEye-1和QuickBird数据集进行融合实验,结果表明,文中方法在主观视觉与客观评价指标方面总体上优于7种经典及流行的融合方法,能够平衡融合图像的空间信息注入和光谱信息保持,有效地减少光谱扭曲.(本文来源于《计算机辅助设计与图形学学报》期刊2019年12期）
王燕妮,朱丹娜,王慧琴,王可[2]（2019）在《基于卷积神经网络的壁画颜料多光谱图像分类》一文中研究指出针对传统光谱匹配法在进行古代壁画颜料识别时存在的获取每个点反射率的过程复杂、计算具有一定误差等会影响识别精度的问题,将壁画颜料识别问题转换成多光谱图像分类问题,利用在图像分类领域有较强优势的卷积神经网络算法对多光谱图像进行处理,设计了一种新的卷积神经网络模型,并提出了光谱特征重组的数据预处理方式,通过加入两次dropout防止训练过程出现过拟合问题,进而实现了对古壁画颜料的分类。实验结果表明,该方法与统计流形支持向量机分类方法,以及未加入dropout的卷积神经网络分类方法相比,在分类效果和分类精度上具有明显的优势。(本文来源于《激光与光电子学进展》期刊2019年22期）
贾兆阳,陈广学[3]（2019）在《面向绘画艺术品复制的多光谱图像数字修复技术研究》一文中研究指出绘画艺术品作为人类文明的瑰宝,有着不可估量的艺术价值,然而受人为、意外以及自然环境等因素的影响,会有不同程度的损坏。面向艺术品复制的多光谱图像数字修复,目的是通过采用多光谱技术获取客观准确的艺术品颜色信息并用于彩色图像数字修复,进而用于艺术品的数字典藏、高保真图像复制,满足人们对绘画艺术品颜色准确性与结构完整性的需求。论文研究了多光谱成像技术及其在彩色数字图像修复上的应用,通过多光谱成像系统获取多通道图像,经过图像配准、滤噪、重构与还原(本文来源于《影像科学与光化学》期刊2019年06期）
朱卫东,王虎,邱振戈,栾奎峰,韩震[4]（2019）在《自适应多尺度几何分析的全色和多光谱图像融合方法研究》一文中研究指出为了利用全色和多光谱图像融合得到一幅空间分辨率较高和光谱信息丰富的遥感图像。结合窗口空间频率绝对值最大原则的高频条带波系数融合规则,提出一种基于自适应多尺度几何分析变换的融合方法。利用Landsat-7数据进行试验,得到一幅空间分辨率和光谱信息都较好的融合图像。和轮廓波方法、IHS、小波变换方法进行比较,本方法提高融合图像的质量,图像的边缘细节更明显清晰。(本文来源于《红外技术》期刊2019年09期）
孙越,黄国满,赵争,刘本强[5]（2019）在《不同滤波方法的SAR与多光谱图像融合算法》一文中研究指出针对不同滤波的SAR数据会导致异质遥感影像融合结果之间产生较大差异的问题,提出了将不同滤波方法与不同融合算法相结合分别进行实验,旨在寻找二者的最优组合。首先在分析SAR数据相干斑噪声产生机理的基础上,对多种经典滤波方法和常用融合算法进行了分析评价,然后将Lee、Frost、Kuan、Gamma MAP、增强Lee和增强Frost等6种滤波后的SAR数据与多光谱图像分别进行IHS融合、PCA融合、GS融合和PCA_IHS融合,最后采用目视判读和定量分析相结合的方式,对融合结果进行分析和评价。以8m Radarsat-2数据和30m Landsat-5TM影像为例。实验结果表明,增强Frost滤波后的IHS变换、Lee滤波后的PCA变换和GS变换、Kuan滤波下的PCA_IHS变换所得融合影像在空间纹理细节和光谱保真度方面整体效果最优。(本文来源于《遥感信息》期刊2019年04期）
孔繁锵,周永波,沈秋,温珂瑶[6]（2019）在《基于卷积神经网络的端到端多光谱图像压缩方法》一文中研究指出针对多光谱图像的空谱相关特性,提出一种基于卷积神经网络的端到端多光谱图像压缩方法。编码端,将多光谱数据整体输入到多光谱图像压缩网络中,采用卷积提取多光谱图像的主要光谱特征与空间特征,使用下采样减小特征数据的尺寸,并通过率失真优化控制光谱特征与空间特征数据的熵,使空谱特征数据分布更加紧凑,将量化后的中间特征数据进行无损熵编码得到压缩码流。解码端,码流经过熵解码、逆量化、上采样、反卷积的逆变换过程重构多光谱图像。实验结果表明,相同码率下该方法能有效保留多光谱图像谱间信息,并在图像恢复质量上比JPEG2000平均高约2 dB。(本文来源于《中国激光》期刊2019年10期）
薛利明,吴杰,王军敏[7]（2019）在《基于多光谱图像信息融合的纸币鉴别》一文中研究指出为了提高纸币鉴别设备的鉴别能力,提出一种系统的纸币鉴别方法,该方法综合利用了纸币多光谱图像中的鉴别性特征。首先,利用主分量分析(Principal Component Analysis,PCA)方法计算纸币图像的倾斜角度,并对图像进行旋转以实现倾斜校正;然后,利用纸币的白光图像提取颜色直方图来实现面额识别;最后,利用改进的局部二值模式(Local Binary Pattern,LBP)算法提取红外图像中的鉴别性特征,利用阈值化算法提取紫外图像中的鉴别性特征,并将这些特征进行融合,对纸币的真伪进行鉴别。实验结果表明,提出的方法具有很强的纸币鉴别能力。(本文来源于《计算机与数字工程》期刊2019年06期）
梁玮,郝雯,李秀秀,王映辉,杨秀红[8]（2019）在《兼顾色度和光谱精度的多光谱图像LabW2P编解码》一文中研究指出针对可见光多光谱图像在通用领域的应用,为提高压缩效率,有效提升重建光谱曲线的色度及光谱精度,进一步存储传输,提出了一种非线性光谱反射率模型,并基于此设计了复杂度适中、光照稳定性好且支持光谱跨设备再现的LabW2P编解码算法。首先根据多光谱图像物理特性,提出非线性光谱反射率模型,将光谱数据表示为线性成分和差别光谱,线性成分由六维变换空间及光谱投影系数组成,差别成分为非线性表示成分,该模型用于光谱数据至不同基变换空间的分解及表示,为算法的构建,光谱及色度重建性能的提升,提供了理论基础;然后,根据人眼视觉系统特征、光照条件,借助CIE标准色度空间转换函数,提取光谱反射率中的叁维色度信息Lab,保证重建图像的色度精确性;基于光谱非线性表示模型,采用类视觉曲线的叁角函数基,提取线性成分前两维投影系数作为光谱编码的后两维W_1和W_2,用于近似描述CIERGB色度空间中R和G通道,同时有效提高光谱数据的色度和光谱还原度;利用误差补偿机制生成预测差别光谱,采用主成分分析(PCA)法提取其第一维主成分作为编码值P,补偿了线性光谱重建误差,并进一步提升了光谱精确性;最后,组合提取的叁部分数据,形成LabW2P编码。LabW2P解码即编码的逆过程。首先,根据Lab及W_1和W_2,结合CIELAB至CIEXYZ色度空间转换函数、光照条件、 CIE标准观察者色匹配函数、及叁角函数基,采用最小二乘回归,获得变换空间上的重建投影系数,进而重建线性光谱数据;然后,根据P值,采用PCA逆变换,获取重建预测差别数据,最后,结合两部分重建数据,获得光谱重建图像。实验分析显示, LabW2P算法的平均色度精度为0.207 6,较经典的PCA, LabPQR和LabRGB法分别提升了81.54%, 55.48%, 32.29%,最大平均色差为0.507 0,此外均处于0～0.5之间,达到了视觉难以辨认的可忽略色差的色彩重建水平;平均光谱精度为0.012 7,较PCA性能稍弱,较LabPQR和LabRGB法分别提升了13.01%, 6.62%,表明LabW2P编码法的色度和光谱重建性能优势明显。此外该算法可直接用于物体色估计,较PCA和LabPQR法,传输附加信息少,可达压缩比更高。(本文来源于《光谱学与光谱分析》期刊2019年06期）
张忠星,李鸿龙,张广乾,朱文平,刘力源[9]（2019）在《CCNet:面向多光谱图像的高速船只检测级联卷积神经网络（英文）》一文中研究指出针对实现遥感图像中船只目标的快速检测,提出了一个采用多光谱图像、基于级联的卷积神经网络(CNN)船只检测方法 CCNet.该方法所采用两级级联的CNN依次实现感兴趣区域(ROI)的快速搜索、基于感兴趣区域的船只目标定位和分割.同时,采用含有更多细节信息的多光谱图像作为CCNet的输入,能够提升网络提取特征鲁棒性,从而使得检测更加精确.基于SPOT 6卫星多光谱图像的实验表明,与当前主流的深度学习船只检测方法相比,该方法能够在实现高检测精准度的基础上将检测速度提高5倍以上.(本文来源于《红外与毫米波学报》期刊2019年03期）
李良骥,刘晓华,黄小仙[10]（2019）在《一种基于对称性边缘的多光谱图像配准方法》一文中研究指出多光谱成像技术是遥感领域的一项重要技术。多光谱图像配准技术可以提高遥感图像的应用效率和能力。基于边缘结构在多光谱图像中较为稳定这一特性,提出了一种基于对称性边缘的多光谱图像配准方法,该方法主要包含"图像比例调整"、"对称性边缘提取"和"互信息配准"等叁个步骤。基于天宫二号宽波段成像仪的遥感数据设计了一种多子图配准方案,验证了所提方法在可见光、短波红外和长波红外叁个谱段之间图像配准的有效性。设置对比实验,将所提配准方法与其他多光谱图像配准方法进行比较,结果表明该方法在天宫二号宽波段遥感图像的配准中具有较高的精度。(本文来源于《半导体光电》期刊2019年03期）
多光谱图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对传统光谱匹配法在进行古代壁画颜料识别时存在的获取每个点反射率的过程复杂、计算具有一定误差等会影响识别精度的问题,将壁画颜料识别问题转换成多光谱图像分类问题,利用在图像分类领域有较强优势的卷积神经网络算法对多光谱图像进行处理,设计了一种新的卷积神经网络模型,并提出了光谱特征重组的数据预处理方式,通过加入两次dropout防止训练过程出现过拟合问题,进而实现了对古壁画颜料的分类。实验结果表明,该方法与统计流形支持向量机分类方法,以及未加入dropout的卷积神经网络分类方法相比,在分类效果和分类精度上具有明显的优势。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多光谱图像论文参考文献
[1].焦姣,吴玲达,王朴军.结合空间-光谱调制及图像分割的多光谱图像融合方法[J].计算机辅助设计与图形学学报.2019
[2].王燕妮,朱丹娜,王慧琴,王可.基于卷积神经网络的壁画颜料多光谱图像分类[J].激光与光电子学进展.2019
[3].贾兆阳,陈广学.面向绘画艺术品复制的多光谱图像数字修复技术研究[J].影像科学与光化学.2019
[4].朱卫东,王虎,邱振戈,栾奎峰,韩震.自适应多尺度几何分析的全色和多光谱图像融合方法研究[J].红外技术.2019
[5].孙越,黄国满,赵争,刘本强.不同滤波方法的SAR与多光谱图像融合算法[J].遥感信息.2019
[6].孔繁锵,周永波,沈秋,温珂瑶.基于卷积神经网络的端到端多光谱图像压缩方法[J].中国激光.2019
[7].薛利明,吴杰,王军敏.基于多光谱图像信息融合的纸币鉴别[J].计算机与数字工程.2019
[8].梁玮,郝雯,李秀秀,王映辉,杨秀红.兼顾色度和光谱精度的多光谱图像LabW2P编解码[J].光谱学与光谱分析.2019
[9].张忠星,李鸿龙,张广乾,朱文平,刘力源.CCNet:面向多光谱图像的高速船只检测级联卷积神经网络（英文）[J].红外与毫米波学报.2019
[10].李良骥,刘晓华,黄小仙.一种基于对称性边缘的多光谱图像配准方法[J].半导体光电.2019
论文知识图
