收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于多光谱图像技术的迷彩面料颜色测量分析

朱晨青  
【摘要】:迷彩服作为用于军事伪装的作训服,由橄榄绿、黑、土黄、棕褐等颜色的不规则保护色图案组成,其伪装效果的好坏直接关系着士兵的生死存亡和战争的胜败荣辱。颜色是衡量迷彩面料伪装效果的重要因素,迷彩面料的颜色与目标背景环境的光谱反射率越贴合,士兵的伤亡率愈低,军队整体战斗力愈高,因此迷彩面料颜色的质量检测显得至关重要。迷彩面料图案是依照各种复杂的地理环境设计出来的,图案尺寸的大小不一、形状以及排列方式的多样性等问题使得传统颜色评估或测量方法存在一定的局限性。为了获取准确的迷彩颜色信息,本论文提出了基于多光谱图像的迷彩面料颜色测量方法。通过获取图像的像素点响应值信息,利用光谱重建算法重建出迷彩面料的光谱反射率,进而实现了迷彩颜色测量。首先,对现有的面料颜色测量评估方法进行了分析。通过对迷彩颜色的实际测量,发现分光光度测色方式,对于迷彩色块过复杂、过小的区域无法测量,又因其为接触式测量,测量效率偏低;DigiEye图像测色系统只能测量划定区域内颜色。其次,本文搭建基于LED可调光源和数码相机的多光谱图像采集系统,可快速获得迷彩面料的彩色图像和(405nm、425nm、450nm、475nm、505nm、525nm、595nm、635nm、660nm)九种窄带波长下的多光谱图像。研究了图像处理技术实现迷彩颜色色块的分割方法,提出了基于彩色图像和多光谱图像结合的分割方法,利用图像滤波、图像分割等技术得到彩色图像的分割结果,再将其像素点位置信息映射到多光谱图像,研究结果发现mean shift聚类可快速实现多张同类多光谱图像的分割。接着本文研究了基于学习算法的光谱重建方法。针对不同训练集对迷彩预测样本光谱重建的影响,提出两种训练样本集:DCC标准彩板的全局样本集和基于迷彩颜色自身的局部训练样本集,通过四种光谱重建方法的对训练集光谱再现结果对比,发现违逆法和主成分分析法的精度结果远远不及BP神经网络回归和支持向量机回归,且支持向量机回归最好,故选择支持向量机回归用于迷彩颜色重建。最后依据迷彩光谱反射率结果探讨发现基于自身训练的局部样本集重建迷彩颜色精度较高,采用基于LSSVM算法的局部训练回归方法,实现了五种迷彩面料的颜色重建,并与Datacolor测色结果相比,平均色差结果分别为4.16、3.24、2.65、3.54、2.36;与DigiEye测色结果相比,平均色差结果分别为3.06、3.58、3.71、3.77、3.34。结果表明,本文提出的多光谱技术测量方法对于迷彩颜色评价是可行的。


知网文化
【相似文献】
中国期刊全文数据库 前17条
1 马启明;;多光谱图像技术在食品品质检测中的应用研究[J];食品界;2017年04期
2 孙根云;张爱竹;王振杰;;基于数据场模型的多光谱图像边缘检测[J];东南大学学报(自然科学版);2013年S1期
3 ;我国研制出同时获取立体和多光谱图像方法[J];现代科学仪器;2011年02期
4 ;我国研制出同时获取立体和多光谱图像的方法[J];光学仪器;2011年03期
5 李婵;万晓霞;谢伟;李天庭;梁金星;;照明光源对多光谱图像采集精度影响的研究[J];激光杂志;2016年12期
6 李云;杨海清;;多光谱图像技术在土壤酸碱度检测中的应用[J];红外;2014年03期
7 黄云仙;李祥;艾未华;;多光谱图像的无损压缩方法[J];计算机工程与科学;2010年04期
8 李云松;孔繁锵;吴成柯;雷杰;;基于分布式信源编码的干涉多光谱图像压缩[J];光学学报;2008年08期
9 邓黎;李元祥;;基于整数小波变换的MODIS多光谱图像无损压缩[J];解放军理工大学学报(自然科学版);2007年01期
10 王海文;李杰;万晓霞;卢玲;阮渭平;寿伟克;毛立洪;李云霞;;面向高保真复现的多光谱图像融合算法[J];数字印刷;2019年02期
11 毛克;;一种快速的全色和多光谱图像融合算法[J];测绘科学;2016年01期
12 ;计量荟萃[J];中国计量;2011年09期
13 薛聿桢,何明一;基于遗传规划的多光谱图像分类[J];计算机工程与应用;2005年15期
14 梁玮;曾平;罗雪梅;王义峰;谢琨;;色彩再现的多光谱图像压缩[J];光谱学与光谱分析;2015年01期
15 胡根生;张为;梁栋;;基于小波支持向量回归的遥感多光谱图像分辨率增强算法[J];华东理工大学学报(自然科学版);2012年03期
16 李元祥;邓黎;敬忠良;;MODIS多光谱图像压缩研究[J];电子与信息学报;2008年10期
17 李晖;肖鹏峰;冯学智;林金堂;;多光谱图像的边缘特征检测方法[J];武汉大学学报(信息科学版);2012年06期
中国重要会议论文全文数据库 前10条
1 孙根云;张爱竹;王振杰;;基于数据场模型的多光谱图像边缘检测[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年
2 黄云仙;李祥;艾未华;;多光谱图像的无损压缩方法[A];2009第五届苏皖两省大气探测、环境遥感与电子技术学术研讨会专辑[C];2009年
3 陈海永;杨佳博;王庆;王涛;陈鹏;刘坤;;复杂背景太阳能电池片表面缺陷多光谱图像融合[A];2018中国自动化大会(CAC2018)论文集[C];2018年
4 邸(韦華);;基于三维高斯马尔可夫随机场模型的多光谱图像目标自动检测[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
5 张宪伟;宋建社;张红蕾;廖增为;;SAR图像与多光谱图像融合方法研究[A];第三届全国数字成像技术及相关材料发展与应用学术研讨会论文摘要集[C];2004年
6 姜伟杰;孙明;孙洁琼;;基于光谱分析及光谱图像技术作物长势检测研究综述[A];纪念中国农业工程学会成立30周年暨中国农业工程学会2009年学术年会(CSAE 2009)论文集[C];2009年
7 刘吉平;郭艳柳;;一个基于惯量椭球的遥感图像匹配新算法[A];第十七届中国遥感大会摘要集[C];2010年
8 王海华;张彦娥;郭威;;基于多光谱图像的玉米营养监测技术研究[A];中国农业工程学会2011年学术年会论文集[C];2011年
9 蒋年德;王耀南;;基于小波包变换融合TM多光谱图像与SPOT全色图像[A];第十五届全国遥感技术学术交流会论文摘要集[C];2005年
10 况军;罗建书;黄志雄;;基于三维自适应预测的多光谱图像的无损压缩算法[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
中国博士学位论文全文数据库 前10条
1 陈书界;多光谱图像配准与去模糊方法研究[D];浙江大学;2018年
2 翟林;自适应多光谱图像稀疏逼近滤波算法研究[D];山东大学;2018年
3 张凯;基于稀疏矩阵分解的遥感图像融合[D];西安电子科技大学;2018年
4 隋延林;基于张量的多光谱图像云检测与在轨实时处理研究[D];中国科学院大学(中国科学院长春光学精密机械与物理研究所);2019年
5 金剑秋;多光谱图像的融合与配准[D];浙江大学;2005年
6 梁玮;基于光谱特性的多光谱图像压缩方法研究[D];西安电子科技大学;2014年
7 戎凯旋;基于投影替代与矩阵低秩稀疏分解的多光谱图像融合[D];西安电子科技大学;2016年
8 宋娟;基于分布式信源编码的多光谱图像/视频压缩技术研究[D];西安电子科技大学;2012年
9 张国亮;红外多光谱多个弱小运动目标的检测与跟踪技术研究[D];哈尔滨工业大学;2016年
10 陈大可;多光谱与全色图像融合方法的研究[D];吉林大学;2010年
中国硕士学位论文全文数据库 前10条
1 王志辉;印度币多光谱图像识别方法研究[D];华中科技大学;2019年
2 王飞翔;调理肉多光谱图像在线检测设备的设计与试验[D];河南科技大学;2019年
3 涂淑琪;基于卷积神经网络的多光谱图像分割技术研究[D];北京交通大学;2019年
4 朱晨青;基于多光谱图像技术的迷彩面料颜色测量分析[D];江南大学;2019年
5 杨骏锋;基于卷积神经网络的Pan-sharpening方法[D];厦门大学;2018年
6 何欣;多光谱图像深度特征描述与鲁棒匹配[D];北京邮电大学;2019年
7 闫昱光;基于多光谱图像的水稻估产模型研究[D];东北农业大学;2019年
8 HADI-LAI BAKARY;基于张量正则化框架的遥感多光谱图像降噪研究[D];重庆交通大学;2018年
9 刘贤文;多尺度几何分析和稀疏表示的多光谱图像融合方法[D];南京理工大学;2018年
10 徐杭威;基于GPU并行运算的多光谱图像实时目标识别方法[D];南京理工大学;2018年
中国重要报纸全文数据库 前2条
1 记者 詹媛;首批高分辨率卫星影像图发布[N];光明日报;2013年
2 电子系;清华技术精准鉴别钞票真伪[N];新清华;2011年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978