DT-CWT结合MRF的遥感图像变化检测

为了解决多尺度遥感图像变化检测在降噪时丢失大量高频信息及单一像素孤立性的问题,提出了一种双树复小波变换DT-CWT(Dual-tree Complex Wavelet Transform)和马尔可夫随机场MRF(Markov Random Field)相结合的非监督遥感图像变化检测算法,首先采用DT-CWT对差异图像进行多尺度分解,并根据MRF模型分割算法提取高频区域的变化特征,然后进行相应层的高、低频重构,再对重构后的各层建立MRF模型并根据贝叶斯最大后验概率准则MAP(Maximum A Posterior)进行最终分割,最后对各层分割结果进行求交融合,得到最终的变化检测结果掩膜图。对比实验结果表明,该方法在去除杂点和噪声的同时能够较好地保留高频信息,并且边缘检测更加平滑,具有较高的变化检测精度和很好的鲁棒性。     

遥感影像条带噪声去除的小波变分法

为了避免条带噪声去除过程中丢失影像细节，提出一种基于小波变分法去除遥感影像条带噪声。首先，对含有条带噪声的遥感影像进行小波分解；其次，通过构建的条带保留变分模型（SPVM）去除低层高频分量（含条带噪声）中的细节信息而保留条带噪声，从而有效分离出低层高频分量（含条带噪声）中的细节信息；通过构建的条带去除变分模型（DVM）去除高层高频分量（含条带噪声）中的条带噪声，从而有效地保留高层高频分量（含条带噪声）中的细节信息；最后，通过小波重构，获得去噪影像。试验证明本文方法在去除条带噪声的同时基本没有丢失影像细节，去噪后的影像对比度及质量都是最优的。     

遥感图像高斯与椒盐噪声的PDE混合去噪模型研究

针对经过前期处理的遥感图像主要含有高斯噪声和椒盐噪声的特点,提出一种基于PDE的混合去噪模型,该模型克服传统的纯各向异性扩散模型在平滑区域过度扩散、产生阶梯效应和四阶PDE模型在去噪的同时过多损失边缘信息的弱点,在有效去除遥感图像中混合噪声的同时,很好地保持图像的边缘和纹理细节信息.实验结果验证所提出模型的有效性和稳定性.     

基于深度学习的高分辨率卫星遥感影像条带噪声去除

受到成像环境、硬件条件等因素的限制，高分辨率卫星遥感影像上普遍存在条带噪声的现象，其严重影响了影像的辐射质量和可用性。本文针对传统条带去除方法存在的适应性差、去噪效率低、依靠先验知识等不足，提出了一种基于深度学习卷积神经网络的条带噪声去除方法。本方法首先利用不同尺度的卷积层进行特征提取，然后对多尺度的特征图进行特征融合得到去噪底图，通过残差学习的方法在底图上预测存在的噪声分量，最后用噪声影像减去条带噪声分量实现噪声的去除。以模拟和真实获取的噪声影像为实验数据，将本文提出的方法与一些经典的去噪方法进行实验结果对比分析，实验结果表明本文提出的基于深度学习的条带噪声去除方法能够在保留影像地物细节的情况下，能以优异的速度达到最高的定量指标和最好的视觉效果，充分证明了本文方法的优越性。     

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。     

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。     

结合边缘信息的DT-CWT干涉图滤波算法

提出了一种结合边缘信息的双树复小波变换(dual tree complex wavelet transform,DT-CWT)干涉图滤波算法。该方法是在DT-CWT几何多尺度变换域上,通过分析层间系数的传递性及层内系数的相关性确定边缘系数,并利用贝叶斯双变量收缩函数分别对复数小波域的边缘及非边缘系数采用不同的阈值进行收缩处理。实验结果表明,本算法对干涉图噪声有较强的抑制能力,较大程度地保留了干涉图的边缘及细节信息,处理结果优于传统小波域软阈值去噪方法。     

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。     

联合非局部均值与小波域维纳滤波的去噪方法

针对传统小波阈值与维纳滤波方法对合成孔径雷达(synthetic aperture radar,SAR)影像去噪后效果不太理想的情况下,提出了一种基于非局部均值与小波域维纳滤波联合的SAR影像相干斑抑制方法。首先,对SAR影像进行小波分解,将影像及噪声引入到小波域中;然后,对分解出的低频部分进行非局部均值处理,高频部分进行维纳滤波;最后,对处理后的低频和高频部分进行小波重构,得到去噪后的影像。实验结果表明,所提的去噪方法不仅能够有效去除相干斑噪声,而且较好地保持了图像的纹理结构等信息。与传统的小波阈值与维纳去噪方法相比,在等效视(ENL)数、峰值信噪比(PSNR)和结构相似性(SSIM)指标上有明显改善。     

联合LMD与EMD的GNSS站坐标时间序列去噪方法

针对GNSS站坐标时间序列信噪不易分离的问题,在传统EMD去噪方法的基础上,本文提出了一种联合LMD与EMD的坐标时间序列去噪方法。该方法首先采用LMD分解原始坐标时间序列,基于连续均方误差（CMSE）原则分离高频噪声与低频信号,保持低频分量不变;然后对高频分量进行EMD去噪;最后以2次分解所得低频信号之和作为去噪后时间序列。以仿真数据与8个GNSS基准站实测数据进行试验,通过多种评价指标进行精度评估。结果表明,与传统EMD方法相比,联合LMD与EMD的方法能够更加精确地去除坐标时间序列中的噪声。     

一种遥感影像混合噪声的去噪方法

为了减弱遥感影像噪声的影响，提高影像使用价值，提出了一种新的针对遥感影像混合噪声去噪的组合滤波，即基于三维块匹配和自适应中值滤波的去噪方法；此外使用rbio3小波和db20小波替换传统三维块匹配参数，进行两个仿真试验和一个真实遥感图像去噪试验。结果表明：本文方法在去除遥感影像常见的脉冲与高斯噪声方面，效果优于传统滤波方法。     

基于频率缓冲区模型的全色与多光谱遥感影像融合算法

分析了全色与多光谱遥感影像融合的难点,提出了频率缓冲区模型,实现了基于频率缓冲区模型的多特征联合的融合算法。     

结合BM3D和多级非线性加权平均中值滤波的遥感影像混合噪声去噪方法

提出了一种基于三维块匹配（BM3D）和多级非线性加权平均中值滤波的遥感影像混合噪声去噪方法，使用coief3小波和sym2小波替换传统三维块匹配算法中的bior1.5和hear参数，将三维块匹配算法和多级非线性加权平均中值滤波相结合以提高算法对混合噪声的去噪能力。进行一个仿真对比试验和一个真实遥感影像去噪试验，试验表明，本文提出的方法在遥感影像混合噪声去噪方面效果要优于传统混合噪声去噪方法。     

无人机采场图像二维经验小波变换降噪研究

针对传统图像降噪方法难以适用于露天矿无人机(UAV)图像降噪的问题,该文提出了一种基于经验小波变换(EWT)算法思想的露天矿UAV图像快速降噪方法。采用Littlewood-Paley小波算子检测提取UAV图像噪声特征,以提高阈值函数匹配精度;借助改进的自适应H阈值函数对UAV图像噪声进行计算,提高UAV图像边缘细节度;并通过二维经验小波变换逆重构,从而提高UAV图像纹理精度。实验结果表明,本文算法能够实现露天矿UAV图像的快速降噪,保留边缘细节和纹理特征,并具有较好的降噪效果。     

小波阈值改进算法的遥感图像去噪

通过对于文献中已有小波阈值去噪方法的研究,结合已有的一些小波阈值去噪函数,提出了相应的小波阈值去噪的改进方法来完善和提高小波阈值去噪的处理能力和可行性。该阈值函数加入了有效的调整系数来控制函数的可变。该函数不但同时保留了相应的传统小波硬阈值、软阈值衍化的优点,也提高了相应精度指标。利用该函数阈值去噪不仅在经典的图像中起到很大的改善,在遥感图像的去噪处理方面也有明显的精度提高。该方法通过去噪评价指标均方差（MSE）,峰值信噪比（PSNR）,信噪比（SNR）,均方根误差（RMSE）进行去噪后图像的评价。该改进的阈值函数方法对于图像的处理后评价指标明显有所改善。     

基于CEEMD-Wavelet-SavGol模型的GPS多路径修正算法

针对GPS多路径提取过程中EMD算法存在模态混叠效应及小波（Wavelet）去噪局限性的问题,提出了一种基于CEEMD-Wavelet-SavGol模型的多路径提取算法。为了能够充分提取高频和低频中的有用信息,该算法利用完备经验模态分解（CEEMD）对信号进行分解,得到一系列从高频到低频的模态函数（IMF）,并根据模量标准化累计均值法对尺度进行区分,然后分别采用Wavelet和SavGol滤波对高频分量和低频分量进行降噪,将降噪后的IMF进行重构,得到降噪后的信号。最后将该模型用于GPS多路径误差提取的实例中,并与Wavelet、EMD、CEEMD模型进行对比,证明了新模型的有效性。     

非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强

针对部分遥感图像整体亮度偏暗、对比度较低的特点,为提高遥感图像的视觉效果和可解译性,提出了一种基于非下采样Shearlet变换(non-subsampled shearlet transform, NSST)和参数化对数图像处理(parameterized logarithmic image processing, PLIP)模型的遥感图像增强方法。首先,遥感图像经非下采样Shearlet变换分解成低频分量和高频分量;然后依据PLIP模型对其低频分量进行增强,提高图像的对比度;同时利用改进的模糊增强方法对高频分量进行增强,突显边缘细节信息。大量试验结果表明,与双向直方图均衡增强、基于平稳小波变换的增强、基于非下采样Contourlet变换的增强等5种图像增强方法相比,本文提出的方法在主观视觉效果和对比度、清晰度等客观定量评价指标两个方面均有优势,能更有效地提高遥感图像的对比度、增强边缘纹理细节信息,视觉效果更佳。     

小波超分辨率重建算法及其在SPOT影像中的应用

影像超分辨率重建就是从一系列质量较差、分辨率较低的图像来重建图像质量更好、空间分辨率更高的影像的算法.在将所有低分辨率影像纳入同一参考格网中考虑的情况下,低分辨率数据相当于一非规则采样的交错采样数据.本文在多分辨率分析的基础上对基于小波的影像超分辨率重建理论进行介绍,并将现有的小波超分辨率重建算法推广到更一般的运动模型,以充分利用交错采样数据的内在规律性和结构特征,同时针对SPOT影像的特点,分析SPOT影像的调制传送函数,对SPOT重建影像进行包括去噪与解卷积的复原后处理.最后给出基于小波的SPOT影像超分辨率重建结果,表明遥感影像的超分辨率重建在应用中取得进展.