通过核正交匹配追踪 (KOMP) 和核同时正交匹配追踪 (KSOMP) 进行高光谱图像分类分发代码版本 1.0 -- 01/01/2015 由 Mehmet Altan Toksöz 提供，版权所有 2015，土耳其中东技术大学。 代码是基于以下论文中描述的方法创建的： [1] MA Toksoz 和 I. Ulusoy，“通过内核进行高光谱图像分类基本阈值分类器”，IEEE 地球科学和远程学报传感，已接受出版，2016 年。 [2] Y. Chen、NM Nasrabadi 和 TD Tran，“通过内核稀疏表示进行高光谱图像分类”，IEEE 地球科学和遥感汇刊，卷。 51号1，第 217-231 页，2013 年。 请引用它们！ 电子邮件：matoksoz [at] gmail.com

论文基本思路： 在 HSI 颜色空间下，对 I 分量进行处理，裁剪成 相同大小的 n×n 图像块，进行同态滤波，以此实现局部增强，但拼接图像时，在边缘必然会存在颜色突变，造成块效应，因此需要解决这个副作用。作者将相邻的图像块分为水平和竖直两类，利用边界处左右两边的像素进行均值滤波，以此来消除块效应。增强后的 I 分量再重新与 S 和 H 分量组合并还原到 RGB 空间。 代码实现 论文中已经给出了部分关键代码，因此复现起来很简单。

在matlab可实现rgb与hsi之间转换，亲测可用

首先将rgb图片转到hsi空间上，再在hsi空间上加入高斯噪声，最后将hsi空间上的图片转回rgb图片

基于HSI和局部同态滤波的彩色图像增强算法，对比全局同态滤波,局部同态滤波以及分块同态滤波+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

matlab如何敲代码 该存储库包含： MUUFL湾港高光谱和LiDAR数据收集文件 校园1图像的MUUFL Gulfport高光谱数据场景标签 在GoogleEarth KML中标记了此场景的带有地理标签的照片和目标地面的真实位置 公牛目标检测得分码 注意：如果在任何出版物或演示文稿中使用了此数据，则必须引用以下参考文献： P. Gader，A。Zare，R。Close，J。Aitken，G。Tuell，“ MUUFL湾港高光谱和LiDAR机载数据集”，佛罗里达大学，盖恩斯维尔，佛罗里达，技术。 代表REP-2013-570，2013年10月。 如果在任何出版物或演示文稿中使用了场景标签，则必须引用以下参考文献： X. Du和A. Zare，“技术报告：MUUFL Gulfport数据集的场景标签地面真相图”，佛罗里达大学，盖恩斯维尔，佛罗里达州，技术。 发行号：20170417，2017年4月。可用：。 如果任何出版物或演示中使用了任何此评分或检测代码，则必须引用以下参考文献： T. Glenn，A。Zare，P。Gader，D。Dranishnikov。 （2016）。 Bull

使用 RGB 到 HSI 转换的高分辨率图像提高低分辨率图像分辨率的 GUI。 图像必须在空间上共同配准。 单色（灰度）低分辨率图像通过伪色映射到“热”配色方案会聚为彩色图像。 然后将此 RGB 图像转换为色相、饱和度和值 (HSV) 图像。 值组件被更高分辨率的图像替换，生成的 HSV 图像被转换回 RGB。 这种转换为灰度的RGB合并图像是空间分辨率提高的合并图像。 要运行，请键入： >> 解析合并可以处理任何类型的彩色或单色图像。 如果图像是彩色的，它们首先转换为灰度，然后合并。 要从 matlab 文件加载变量，该文件应包含变量 LOWRES 和 HIGHRES

RGB 到 HSI 转换

概要 这是这学期数字图像处理课的第一份作业好久没懂python手都快生了，调了好久才搞出来。 HSI颜色模型是一个满足计算机数字化颜色管理需要的高度抽象模拟的数学模型。HIS模型是从人的视觉系统出发，直接使用颜色三要素–色调（Hue）、饱和度（Saturation）和亮度（Intensity，有时也翻译作密度或灰度）来描述颜色。 RGB向HSI模型的转换是由一个基于笛卡尔直角坐标系的单位立方体向基于圆柱极坐标的双锥体的转换。基本要求是将RGB中的亮度因素分离，通常将色调和饱和度统称为色度，用来表示颜色的类别与深浅程度。在图中圆锥中间的横截面圆就是色度圆，而圆锥向上或向下延伸的便是亮度分量的表示

彩色图像分割一直是彩色图像处理与分析中最为困难的不可缺少的步骤，针对图像分割质量直接在很大程度上影响了图像后期分析的效果，提出了一种基于HSI和LAB颜色空间的彩色图像分割方法。该方法在HSI颜色空间用最优阈值方法进行阈值分割，在LAB颜色空间采用基于K均值聚类图像分割，然后将两次分割结果进行区域合并，最后进行加窗滤波消除噪声。对林区活立木真彩色图像进行分割的实验结果表明，该方法能够精准地将活立木从背景中提取出来。