近期，中国测绘科学研究院《影像与数据融合国际期刊》出版了第15卷第四期。摘要如下：

3D textured mesh scene data fusion method considering multiple scales and resolutions

Zhendong Liu, Shilong Zhang, Chuan Du, Jianlong Zhang & Wenhu Qu

Pages: 387-413

To cite this article:

Liu, Z., Zhang, S., Du, C., Zhang, J., & Qu, W. (2024). 3D textured mesh scene data fusion method considering multiple scales and resolutions. International Journal of Image and Data Fusion, 15(4), 387–413. https://doi.org/10.1080/19479832.2024.2396331

多尺度分辨率3D纹理网格场景数据融合方法

本文提出了一种创新的3D纹理网格场景数据融合方法，该方法综合考虑了多重尺度和分辨率的特性。在复杂的3D场景中，不同物体和区域往往具有不同的尺度和细节层次，这对数据融合提出了严峻挑战。为应对这一挑战，我们首先分析了现有数据融合方法在处理多尺度和多分辨率数据时的局限性。随后，我们引入了一种新的多级分辨率分析框架，该框架能够自适应地根据场景中的不同尺度和细节层次进行数据融合。本文采用了先进的纹理映射和网格优化技术，以确保在融合过程中保持场景的几何和纹理一致性。同时，设计了一种有效的权重分配策略，以平衡不同尺度和分辨率数据在融合过程中的贡献。实验结果表明，本方法能够显著提高3D纹理网格场景的数据融合质量，特别是在处理具有复杂尺度和细节层次的场景时表现尤为突出。与现有方法相比，本方法在保持场景细节、提高融合效率和准确性方面均取得了显著优势。因此，该方法在3D建模、虚拟现实、增强现实等领域具有广泛的应用前景。

Dehazing, enhancing the boundaries and corners in hazed images using optimal adaptive technique

Buvanesh Pandian V, T Arun Prasath & M. Pallikonda Rajasekaran

Pages: 414-429

To cite this article:

Pandian V, B., Prasath, T. A., & Rajasekaran, M. P. (2024). Dehazing, enhancing the boundaries and corners in hazed images using optimal adaptive technique. International Journal of Image and Data Fusion, 15(4), 414–429.

https://doi.org/10.1080/19479832.2024.2321900

最优自适应的影像除雾增强技术研究

从光学成像仪获取的影像目标，由于雾气、烟雾、湿气和雾霾的影响，往往质量不佳且不可见。因此，本文采用最优自适应技术去除影像中的雾霾。该方法基于对传输函数的内置边界进行约束，通过将约束视为一个优化问题，以预测未知的场景传输。此外，还采用了传输优化技术，基于变量分离方法来解决该问题。在仅做出少数广泛假设的情况下，本方法即可恢复出无雾霾、高质量且具有原始色彩和更好图像信息的影像。通过对大量雾霾影像进行实验，利用影像质量参数证明了所提技术的效率和有效性。

Assessment of explainable tree-based ensemble algorithms for the enhancement of Copernicus digital elevation model in agricultural lands

Chukwuma Okolie, Adedayo Adeleke, Jon Mills, Julian Smit, Ikechukwu Maduako, Hossein Bagheri, Tom Komar & Shidong Wang

Pages: 430-460

To cite this article:

Okolie, C., Adeleke, A., Mills, J., Smit, J., Maduako, I., Bagheri, H.,Wang, S. (2024). Assessment of explainable tree-based ensemble algorithms for the enhancement of Copernicus digital elevation model in agricultural lands. International Journal of Image and Data Fusion, 15(4), 430–460. https://doi.org/10.1080/19479832.2024.2329563

Tree-based可解释集成算法在农业用地Copernicus DEM中的优化评估

近年来，树基集成算法迅速发展，并在多项研究中超越了深度学习的表现，因此成为众多应用场景中的有力竞争方案。本文针对Copernicus DEM在农业景观中的优化，对十种树基集成算法进行了比较评估，这些算法包括：随机森林、bagging meta-estimator、自适应增强（AdaBoost）、GBM、XGBoost、LightGBM、基于直方图的GBM、类别增强（CatBoost）、NGBoost以及RGF算法。优化方法结合了高程与地形参数信息，以及特征级融合到DEM增强算法中。训练数据集由八个从DEM派生的预测变量和目标变量（高程误差）组成。在均方根误差（RMSE）方面，GBM、随机森林和RGF分别在第一、第二和第三个实验地点取得了最佳增强效果。LightGBM的训练计算时间比NGBoost快近五百倍，而基于直方图的GBM在速度上与LightGBM相近。本文的研究结果为其他研究人员提供了知识基础，使他们能够集中优化应用于最有前景的算法上。

Transfer learning by VGG-16 with convolutional neural network for paddy leaf disease classification

R. Elakya & T. Manoranjitham

Pages: 461-484

To cite this article:

Elakya, R., & Manoranjitham, T. (2024). Transfer learning by VGG-16 with convolutional neural network for paddy leaf disease classification. International Journal of Image and Data Fusion,15(4), 461–484.

https://doi.org/10.1080/19479832.2024.2332365

基于VGG-16 CNN迁移学习算法在水稻叶片病害分类中的应用

近年来，农业领域研究热点之一是从植物叶片图像中检测和分类病害。由于水稻是全球消费量最大的农作物之一，因此提高水稻生产的质量和数量至关重要。在水稻生产过程中，及早发现各生长阶段的病虫害对于保障产量至关重要。利用图像处理技术来识别农业植物的病害可以减轻农民保护农产品的负担。本文研究提出使用VGG-16结合卷积神经网络（CNN）进行水稻叶片病害的分类和识别。为获取图像，本文采用了来自Kaggle数据集的水稻叶片图像。在预处理阶段，我们使用了高斯滤波器。为分割病害部分、正常部分以及周围环境，同时，采用了聚类技术。随后，利用所提出的模型进行病害分类。本研究对10类水稻图像进行了分类，并评估对比了包括VGG16、InceptionV3、MobileNetV2、ResNet-152在内的多种迁移学习方法与实验结果的性能。实验结果表明，所提出模型的准确率接近99.9%。

Restoration of vibration-induced remote sensing images based on CNN identification: a comparative approach

Mohamed A. Ali, Fawzy Eltohamy, Adel Abd-Elrazek & Mohamed E. Hanafy

Pages: 485-509

To cite this article:

A. Ali, M., Eltohamy, F., Abd-Elrazek, A., & E. Hanafy, M. (2024). Restoration of vibration-induced remote sensing images based on CNN identification: a comparative approach. International Journal of Image and Data Fusion, 15(4), 485–509.

https://doi.org/10.1080/19479832.2024.2321876

基于CNN识别的振动遥感图像复原的方法对比研究

成像过程中卫星的振动经常导致图像模糊。卫星微振动的类型因其来源而异，每种类型都会导致特定形式的图像模糊。本文探讨了使用卷积神经网络（CNN）来识别导致图像模糊的微振动类型的有效性。此外，本文还比较了三种用于复原振动遥感图像的方法。所采用的复原技术基于两步法：首先，使用CNN来识别导致图像降质的核心形状或点扩散函数，从而准确确定模糊图像的核函数；其次是使用包括改进型Levenberg-Marquardt（MLM）、近似Landweber（AL）和全变差（TV）算法在内的三种不同技术对降质图像进行复原。复原后的图像使用四种图像质量指标进行评估。MLM技术可提高去模糊过程的收敛性和准确性。本文的实验表明，与AL和TV技术相比，MLM技术在图像复原方面更为有效。

Colour image enhancement using weighted histogram equalization with improved monarch butterfly optimization

S. Swapna Rani

Pages: 510-536

To cite this article:

Rani, S. S. (2024). Colour image enhancement using weighted histogram equalization with improved monarch butterfly optimization. International Journal of Image and Data Fusion, 15(4), 510–536. https://doi.org/10.1080/19479832.2024.2310191

基于改进monarch butterfly优化的加权直方图均衡图像增强算法

图像增强是一种提高图像质量的技术，以便人类和机器都能更好地查看图像。图像对比度增强的主要目的是提升图像的视觉质量。直方图均衡化（HE）是增加对比度的一种方法。然而，直方图均衡的一个缺点是，在均衡化过程中会发生均值突然变化，导致它在增加对比度的同时无法保持亮度。本研究提出了一种新的图像增强方法，即基于对OCMBO算法的加权直方图均衡方法，以改善视觉感知和提高图像质量。收集的输入图像为RGB格式，然后，将该图像转换为YCbCr格式以进行对比度拉伸。在数字图像处理中，由于人类视觉系统在亮度方面对色彩分辨率较低的特点，经常采用YCbCr色彩空间。将基于对OCMBO算法的加权直方图均衡化应用于转换后图像的Y分量，然后将Cr、Cb和修改后的Y分量重新组合回RGB格式。

期刊主页：http://www.tandfonline.com/tidf

投稿网址：http://mc.manuscriptcentral.com/tidf

（文/ 谢文寒、孙晓霞）