一种基于总体变分的自适应图像去噪方法

建立了总体变分自适应图像去噪模型,并给出了其非线性各向异性扩散方程的数值解法。该方法采用高斯滤波器对噪声图像进行预处理,并利用图像每个像素的梯度信息,使其扩散方程在沿边缘方向上具有较大的扩散系数,而在垂直边缘的方向上具有较小的扩散系数。因此,总体变分自适应图像去噪方法不但能抑制噪声,还能很好地保持图像的边缘和纹理特征。图像去噪仿真实验表明,该方法的降噪效果明显优于总体变分去噪方法和中值滤波、维纳滤波等传统方法。     

基于结构张量的前后向扩散图像去噪方法

针对各向异性前后向扩散方程对图像进行处理时必然会导致图像角型区域纹理损失的特点,提出了一种改进的图像去噪方法。结合前后向扩散和结构张量对图像进行处理,利用结构张量算法计算图像中的角型区域,增强图像的角点纹理,在去除噪声的同时保留了图像的细节部分。通过实验与传统高斯低通滤波和未改进的去噪算法进行比较,结果表明该改进算法不仅有效去除了噪声而且保持了图像的纹理。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中,受到多种因素的影响,会含有各种噪声而降质.文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上,提出了一种自适应加权的遥感图像去噪滤波方法.该算法针对噪声图像上每一点,应用自适应加权算子,对于不同的图像区域,算子自适应地进行窗口大小和输出像素值的改变.试验证明,该方法优于传统的去噪滤波算法和AMF滤波算法,在滤除噪声的同时尽可能地保留了图像细节,对于遥感图像去噪增强具有很好的效果.     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中，受到多种因素的影响，会含有各种噪声而降质。文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上，提出了一种自适应加权的遥感图像去噪滤波方法。该算法针对噪声图像上每一点，应用自适应加权算子，对于不同的图像区域，算子自适应地进行窗口大小和输出像素值的改变。试验证明，该方法优于传统的去噪滤波算法和AMF滤波算法，在滤除噪声的同时尽可能地保留了图像细节，对于遥感图像去噪增强具有很好的效果。     

联合双边滤波器和小波阈值收缩去噪算法研究

针对现有去噪算法去噪不彻底、噪声误判、损害图像边缘和纹理细节信息的缺点,提出一种联合双边滤波器和小波阈值收缩图像去噪算法。首先,使用双边滤波器对含有噪声图像进行分层;其次,对不同分层结果,选择不同滤波器进行去噪:高对比度层采用双边滤波器,低对比度层采用小波阈值收缩去噪方法;最后,融合高、低对比度层去噪图像,实现有效去除噪声的同时,保证图像信息完整。实验结果表明,本文算法的峰值信噪比达到40.99 d B,比非局部均值滤波、双边滤波器、小波阈值收缩和偏微分方程图像去噪算法分别提高了7.79%,3.56%,11.22%和1.91%;与此同时,还能有效保留图像边缘和纹理等细节信息。     

基于移不变全方向角提升的遥感图像降噪

在分析遥感图像结构特征及其与噪声之间主要区别的基础上,利用图像信号的方向信息,提出基于移不变全方向角提升小波（TI—OL）抑制遥感图像噪声的方法。该方法在方向提升小波变换的基础上并利用循环平移,Gabor小波滤波器和图像旋转技术改进了方向提升小波在图像去噪过程中存在的三个弊端：缺乏移不变性质,图像局部方向信息判方法断缺乏噪声鲁棒性和变换方向分布有限。消除去噪结果中的吉布斯效应,提高图像方向信息判断的准确性并保证图像纹理方向始终落在方向提升能最优表示的方向区间内。试验结果证明所提方法在处理遥感图像的过程中能在去噪的同时保留图像的细节和边缘信息,对遥感图像中的边缘信息如道路和桥梁有较好的刻画性能,较传统方法去噪性能（PSNR）和主观视觉效果（SSIM）均有较大提高。     

结合笔画宽度变换与几何特征集的高分一号遥感图像河流提取

从高空间分辨率遥感影像中提取河流具有诸多重要意义。目前大多数方法致力于从河流的光谱特征或纹理特征出发提取河流,但对于存在同物异谱或异物同谱现象、纹理分析尺度难以确定或噪声严重的的图像,基于水体光谱分析或纹理分析的方法并不十分适用。高空间分辨率图像中的河流一般结构不规则,更可能由于各种原因致使河流的局部与整体拥有不一样的光谱特征和纹理特征,然而在一些遥感图像中,河流可能在大范围内具有近似一致的宽度,基于此,提出了结合笔画宽度变换(stroke width transform,SWT)和几何特征集(geometric feature set,GFS)的河流提取方法。首先,使用Canny算子提取图像边缘,并把边缘图作为SWT算法的输入,得到笔画宽度图;然后,使用连通域标记算法对其中的像元进行分组,接着根据构造的GFS来对分组之后得到的连通域进行筛选;最后,对剩下的连通域进行孔洞填充。使用高分一号(GF-1)近红外波段进行实验的结果表明,该方法能够在完整提取目标河流的同时很好地抑制噪声。同时,该方法在提取效果和算法稳定性上明显优于乘性Duda算子和区域生长算法。     

基于小波域隐马尔可夫树模型的SAR图像去噪

从小波变换和隐马尔可夫模型的理论出发,实现基于小波域隐马尔可夫树模型的图像去噪算法设计,并对具有乘性噪声的SAR图像进行去噪处理。结果表明,与传统的各种去噪方法相比,该算法对SAR图像的去噪效果非常显著,在去噪的同时能够很好地保持原图像的纹理细节特征,具有一定的应用价值。     

基于偏微分方程的去噪方法

利用偏微分方程抑制图像噪声已经被认为是具有显著效果的图像去噪技术。在阐述图像噪声模型的基础上研究了图像去噪的偏微分方程模型,并对偏微分方程中的参数选择进行了讨论。为了保持图像的边缘信息,对经典模型参数进行了改进。实验结果表明,偏微分方程适用于图像噪声的抑制,并且可以在抑制图像噪声的同时,保持较好的边缘信息。     

高分二号卫星影像自适应模糊阈值法小波去噪

高分二号卫星影像提供了丰富的图像信息，高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰，如果感兴趣区域受到污染，则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题，本文采用自适应模糊阈值法去噪方式，该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后，重新构造作为新的小波系数，经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较，结果表明，自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点，既保留图像细节又使图像更加平滑，图像整体信息完好，去噪效果更为理想。     

基于Wallis滤波的改进小波去噪方法研究

边缘信息是影像最重要的高频信息,在去除噪声的同时应尽量保留。介绍一种改进的小波去噪方法,不仅大大减少了算法的时间复杂度,而且用Wallis滤波对小波变换后的小波系数进行处理,在进一步压制噪声的同时增强了影像的对比度。实验结果表明,该方法不仅效率高,而且能较好地突出细节信号,效果优于普通的小波阈值去噪。     

用小波变换和中值滤波研究差分干涉图的去噪

介绍了小波变换的基本原理和图像去噪常见的滤波方法,采用几种常见滤波分别对模拟差分干涉图和EVISAT卫星获取的矿区真实合成孔径雷达（ASAR）数据的差分干涉图分别进行滤波去噪处理,并对其去噪效果进行分析。采用小波变换和中值滤波相结合的方法对矿区真实ASAR数据差分干涉图进行去噪处理,并对先中值滤波再小波变换和先小波变换再中值滤波两种方式去噪结果分别进行了分析比较,结果表明：先小波变换再中值滤波去噪后,图像保真效果较好。     

一种利用卷积神经网络的干涉图去噪方法

干涉图滤波是合成孔径雷达数据处理的关键,引入卷积神经网络（convolutional neural networks,CNN）进行干涉图去噪。首先,采用自编码器结构进行非监督学习,将干涉图去除局部地形坡度相位,所得残余噪声作为模型输入;然后将模型输出结果与去除的局部地形坡度相位相加,生成滤波结果。利用航天飞机成像雷达数据和哨兵一号A(Sentinel-1A)卫星数据,通过与Goldstein滤波器、均值滤波器、Lee滤波、Frost滤波、改进的去噪卷积神经网络（denoising convolutional neural network,DnCNN）进行对比实验,结果表明,该方法对干涉图相位质量有很大的改善,不仅能够较大程度地抑制噪声,而且能够更多地恢复出图像细节,保持干涉条纹边缘连续性。     

非下采样Contourlet域的ICA法SAR图像相干斑抑制

相干斑是SAR图像固有信息,也是SAR图像处理研究的重要方面之一.将非下采样Contourlet变换和统计信号处理中的独立分量分析相结合进行斑点抑制.对SAR图像进行非下采样金字塔和非下采样方向性滤波器组分解,在分解得到的非下采样Contourlet变换域利用扩展Infomax算法分离SAR图像斑点噪声.实验结果表明,...     

采用张量子空间的高光谱影像多维滤波算法

本文提出了一种基于张量子空间的多维滤波算法,将其应用于高光谱遥感影像降噪。该方法将高光谱影像数据视为三阶张量,引入张量数据表达,通过张量子空间分解将含噪影像投影到信号子空间,根据影像信号与噪声在子空间中分布的不同滤除噪声并保留原始影像的信号成分。利用该算法作用于多组含噪高光谱数据,对比逐波段二维维纳滤波算法、小波降噪算法等传统数字图像降噪算法的结果,实验证明了这种新型降噪算法的有效性。     

基于数据融合的多尺度图像去噪方法

将图像系数尺度内相关模型较强的去噪能力与尺度间相关模型保持边缘的优越性能相结合，提出了一种新的基于数据融合的多尺度图像去噪方法。同时引入了一种新的基于结构相似性（SSIM）指数的图像质量标准来衡量初始去噪图像和融合后图像与原始图像的相似程度，评估图像保持边缘和去噪的能力。仿真结果表明，基于数据融合的方法具有更好的视觉效果和去噪性能。     

干涉图滤波去噪处理的实验

在介绍滤波去噪基本原理和干涉图去噪质量评价指标基础上,采用整体去噪法和分解去噪法2种方法对干涉图进行滤波去噪实验,并对实验结果进行定性和定量分析研究.结果表明,整体去噪法在图像保真,相位平滑程度效果较好,分解去噪法在抑制斑点噪声影响、图像边缘保持能力接好.     

结合二维EMD与自适应高斯滤波的遥感卫星影像去噪

传统的遥感影像去噪方法在去除影像噪声时，往往会造成去噪后影像细节信息丢失和模糊的问题。本文将二维EMD去噪理论用于遥感影像的去噪，提出了二维EMD与自适应高斯滤波相结合的遥感影像改进去噪算法。在去噪时能够保留低频信息不变，只对影像高频信息进行二维EMD分解后的不同频率IMF分量图作自适应高斯滤波去噪，从而更好地对含噪影像进行去噪。两组试验对比分析表明：本文算法具有较大的峰值信噪比、平均梯度和结构相似性，具有较小的均方根误差；并且边缘检测结果也表明，噪声在被滤掉的同时，经本文算法去噪后的影像能较多和更好地保留原始影像的细节信息和边缘轮廓信息，具有更好的去噪效果。