基于小波分解的星载SAR图像纹理信息提取

论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，借助Daubechies3正交小波，对图像进行小波分解，将小波变换各个频带输出的l1范数作为纹理特征值。选取徐州市区局部的Radarsat卫星SAR图像，提取出纹理图像，实验证明，该纹理提取方法能有效地提取出面目标的纹理信息。     

单波段单极化高分辨率SAR图像纹理分类研究

以2003年7月淮河洪水监测获取的高分辨率SAR图像为试验数据，首先对数据进行了分析，指出了高分辨率SAR图像的特点，之后通过小波变换对图像进行两层小波分解得到子图像，并在选择合适的能量计算窗口条件下，计算子图像的纹理能量，最后使用了BP神经网络方法进行纹理分类。研究结果表明，采用小波纹理分类方法对高分辨率SAR图像分类是可行的，可以获得高的分类精度，同时也指出了纹理分类的不足和进一步研究的方向。     

多进制小波在矢量地图数据压缩中的应用

矢量地图数据压缩在地形环境仿真、制图综合、GIS等研究中具有重要作用。利用多进制小波变换理论和矢量地图数据的特点,提出了基于多进制小波变换的矢量地图数据压缩的模型和方法,并从理论上分析了多进制小波变换与二进制小波变换的相互联系、区别及多进制小波变换所具有的优良特性。在对实际数据试验的基础上,分析了利用多进制小波变换得到的矢量地图数据具有多层次、多细节、能够保持良好形状结构特征的性质。     

基于多进制小波的等高线数据简化

研究了多进制小波在等高线数据简化中的应用 ,提出了基于多进制小波的等高线数据简化过程中边界处理方法 ;结合二进制小波 ,利用多进制小波变换可得到多细节、多层次的等高线简化数据     

基于小波的地学纹理特征向量的提取与显示

对通过小波对遥感图像进行多尺度分解,在各个不同尺度不同方向的分量上,设定一定大小的窗口取得纹理信息,然后对其进行统计和分析的地学纹理特征向量提取与显示方法进行了研究,选用方差、能量和熵值三个特征向量来对不同的纹理特性进行定量的描述。这三个参量能够直观地体现该纹理的统计特性,能够体现纹理结构的变化,能为最优小波基的确定和遥感图像地学纹理分割提供有效的依据。     

多进制小波及其在DEM数据有损压缩中的应用

多进制小波是近几年刚发展的小波理论的一个新的分支,本文阐述了多进制小波分析的基本方法及其较之于二进制小波的若干优点,提出利用多进制小波变换压缩（简化）ＤＥＭ数据的方法,并给出实验结果。     

基于多进制小波的等高线数据简化

研究了多进制小波在等高线数据简化中的应用,提出了基于多进制小波的等高线数据简化过程中边界处理方法;结合二进制小波,利用多进制小波变换可得到多细节、多层次的等高线简化数据.     

小波域遥感图像不变纹理分类

分析了有限脊小波变换可以实现图像的旋转不变性和平移不变性,提出了结合两种小波变换提取图像纹理特征的方法,实现了在小波域中进行图像的不变纹理分类.     

利用无参数统计特征进行旋转不变纹理图像渐进检索

分析了Radon变换和Log-polar变换在消除旋转位移时对频谱的影响,探讨了NSCT变换和小波变换在不同检索参数下的平均检索性能,在此基础上构造出多尺度多方向纹理变换谱和旋转不变特征矢量,并提出了一种基于无参数统计特征的旋转不变纹理图像两级渐进检索算法。通过VisTex标准纹理图像库的检索实验证明,与传统检索算法相比,本文提出的算法既可获取纹理主方向,同时又能表征纹理细节信息,有效地提高了旋转不变纹理图像检索的查准率和检索效率。     

小波理论在遥感图像融合中应用

小波变换用于多源遥感图像融合已得到了国内外学者的广泛关注,并且又提出了很多小波变换与传统融合方法结合的融合算法。本文在对这些算法进行总结的基础上,讨论了基于小波包变换和最优树变换以及多进制小波变换在融合中的应用,分析他们在融合中各自的特色,以便使用时根据具体情况进行选择。     

基于小波的SAR影像纹理分析

在分析SAR影像特征的基础上 ,引入了基于小波的纹理提取方法 ,并采用第二代提升小波与双正交小波对SAR影像进行小波二级分解 ,提取影像各尺度上的小波特征系数。对机载的SAR影像进行了纹理分析及分类 ,得出了不同小波的分类分析结果。     

基于径向小波变换的图像特征提取算法

提出了一种基于径向小波变换的图像特征提取算法,该方法使用径向对称函数来获得图像的边缘信息.不同于其他的边缘检测算法,本方法既不使用方向滤波器,也不使用图像的极坐标形式,而且适合于文本和非文本图像,容易实现.算法中的参数在数学上能够严格证明,且通过计算不断调整,生成不变的分辨率特征图像矢量.仿真结果表明,该方法能够用于基于内容的图像检索.     

旋转和平移不变纹理特征的遥感影像居民地提取

本文利用Radon变换的小波系数直方图对遥感影像居民地进行提取。首先,通过Radon变换将纹理影像的旋转和平移转化为平移,然后对Radon变换后的影像进行小波变换,最后利用小波系数直方图作为旋转和平移不变特征进行纹理分割。实验结果表明:基于Radon变换的小波系数直方图方法对遥感影像居民地有较好的提取结果。     

多视觉特征与K-centroid聚类的高分辨率遥感图像检索

目前基于单一内容的高分辨率遥感图像检索具有描述片面、信息不精确的问题。针对此问题,充分利用遥感图像的颜色、形状和纹理特征,将三者综合起来,形成多视觉特征的遥感图像检索,并通过一系列的迭代运算,得到这三种特征对待不同类遥感图像时各占的最佳比例系数,从而得到较好的检索结果。并针对分别计算遥感图像的颜色、形状和纹理特征,再将其融合导致在大图像库中进行检索时检索速度较慢这个问题,引入改进的K-centroid聚类算法,先对遥感图像库中的图像进行聚类,大大缩小了检索的范围,提高了检索速度。实验结果表明,该方法具有较好的检索结果。     

一种最佳基小波包变换的影像融合研究

在将小波包变换应用于影像融合的过程中,选择不同性质的小波包基,会得到不同效果的融合影像。如何在其中找到性质最好的小波包基,即最佳小波包基,并在此基础上实现影像的融合具有重要的意义。影像融合涉及到两幅影像,最佳小波包基的搜索需要在两棵小波包树上进行,而已有的最佳小波包基搜索算法只能在一棵小波包树上实现。本文提出了一种在两棵小波包树上搜索最佳小波包基的算法,并基于由此算法得到的最佳小波包基,实现了一种新的基于最佳基小波包变换的影像融合。试验结果表明:在采用基于特征的融合规则的条件下,该方法所得的融合影像,无论是在视觉效果上还是在评价指标上都优于由其他小波包变换方法(包括小波变换方法)得到的融合影像。     

结合双树复小波纹理特征和MRF模型的遥感图像分割

针对经典的小波纹理不能准确地表达影像纹理特征的问题，以及影像分割结果缺少对像元空间相关性和分布关系的考虑。本文提出了结合双树复小波（DT-CWT）纹理和马尔可夫随机场（MRF）模型的高分辨率遥感影像分割方法。首先，通过双树复小波变换提取影像纹理特征，联合光谱特征形成表达影像信息的混合特征向量；然后，将混合特征向量高斯归一化处理，并用K-means聚类的方法对特征空间中的混合特征向量聚类得到初始分割图；最后，借助马尔可夫随机场模型在初始分割结果中引入上下文信息，基于贝叶斯最大后验概率准则得到最终的分割结果。本文通过双树复小波纹理提高了特征表达的准确度，同时使用马尔可夫随机场模型减弱了分割结果中同质区域的“椒盐噪声”，从而进一步提高了高分辨率遥感影像分割的精度。     

基于小波纹理信息的星载SAR图像与TM图像的数据融合

遥感图像的数据融合是当前遥感界研究的热点问题之一。论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，基于小波纹理信息将SAR图像与TM图像进行融合。选取徐州市南郊风景区的Radarsat卫星SAR图像和TM图像进行试验研究，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法与颜色变换法相比，将获得更理想的高空间分辨率多光谱的融合图像。     

基于HVS和模糊隶属度函数的卫星图像融合算法

提出了一种基于人类视觉系统和模糊隶属度函数的小波卫星图像融合新算法,利用小波域的人类视觉系统经验模型,刻画图像的边缘、纹理及高亮区域,采用模糊隶属度函数自适应地计算权系数,在小波域上通过加权平均实现了图像融合。     

基于Radon和树型小波变换的遥感影像居民地提取

针对频域变换的旋转不变纹理特征,提出Radon变换结合树型小波变换的纹理特征提取方法。以Radon变换处理影像将影像纹理的旋转转化成平移信息,对变换后的影像进行非完全树型小波变换。此时可以将能量作为旋转不变纹理特征,但得到的小波系数所携带信息较少,所以本文采用小波系数直方图作为纹理特征。采用此方法对居民地进行提取,实验结果表明利用该方法能得到比较有效稳定的旋转不变纹理特征,并且对不同的中小比例尺遥感影像都有较好的适应性。