基于NSWT模极大值的PSF估计

大气湍流扰动严重影响了空间目标的观测、成像和识别。在目标图像的重建过程中,对成像系统和大气条件先验知识的缺乏使PSF(Point Spread Function)的估计成为解决病态问题的重要内容。在NSWT(Non-Subsampled Wavelet Transform)和Fried参数的理论基础上,根据不同尺度下小波变换模极大值和高斯点扩散函数方差的关系,结合Fried参数提出一种新的估计方法,即基于非抽取小波变换模极大值的PSF估计算法。实验结果证明,该估计算法是确实可行的,重建的PSF能够有效地改善因受大气湍流影响的图像解卷积的效果。     

结合Fourier域约束的多帧盲解卷积图像恢复算法

大气湍流严重限制了地对空光学系统的成像质量,自适应光学系统对大气湍流的补偿仅仅是部分的、有限的。当前的图像恢复技术对重建过程中的PSF施加的先验约束主要有非负性、归一化、支持域等空间域约束。这里对图像的Fourier频谱特性进行分析,将一种基于Fourier域的先验约束引入到多帧迭代盲解卷积算法中。实验结果表明,该算法可有效对模糊图像进行恢复,尤其是对强湍流观测下的重度模糊图像具有较好的恢复效果。     

SAR图像多尺度积增强的目标检测算法

合成孔径雷达（SAR）成像系统的热噪声和海杂波严重影响SAR图像自动目标检测的性能,去噪和均匀背景杂波是提高SAR图像目标检测性能的重要课题。根据SAR图像噪声功率一般存在于信号小尺度,没有跨尺度特征,而目标信号的边缘具有跨尺度的特点,本文提出了一种多尺度积信号增强和去噪的SAR图像船舰目标检测算法。本算法对SAR图像进行小波变换,应用多尺度积在小波域增强SAR图像船舰信号和均匀背景杂波,再对SAR图像进行目标检测。ERS SAR图像用于验证本文算法。仿真实验结果表明,新算法同传统的双参数CFAR检测算法、基于K-分布背景杂波的检测算法以及基于小波软阈值增强的检测算法相比,在虚警数和品质因数性能指标上均优于后几种检测算法。     

一个基于平稳小波变换的SAR内波检测方法

SAR图像数据量的激增,迫切要求一种自动的内波检测技术来代替传统的人工解译。基于此,本文提出一种基于平稳小波变换（SWT）的SAR图像内波检测方法,利用SWT对SAR内波图像进行分析处理,计算SWT系数的小波梯度信息,通过模极大值搜索方法进行内波边缘特征提取。最后通过南中国海东沙群岛观测的多幅SAR图像进行实验与分析,实验结果证明平稳小波变换对于SAR内波检测是有效的。     

大气湍流对天基遥感系统地面分辨率的影响

分辨率是所有光学成像系统最重要的技术指标之一。当成像系统与待成像目标之间存在大气湍流时,后者便会在不同程度上影响图像分辨率。天基光学遥感更加关心大气湍流对目标地面分辨率的影响。从大气湍流相干长度和到达角起伏两个角度,通过详细的公式推导和数值计算,分别讨论天基光学遥感系统成像过程中湍流对图像地面分辨率的影响。结果表明,地面分辨率0.5 m以上的甚高分辨率遥感成像需要考虑大气湍流因素。     

大气湍流对天基遥感系统地面分辨率的影响

分辨率是所有光学成像系统最重要的技术指标之一.当成像系统与待成像目标之间存在大气湍流时,后者便会在不同程度上影响图像分辨率.天基光学遥感更加关心大气湍流对目标地面分辨率的影响.从大气湍流相干长度和到达角起伏两个角度,通过详细的公式推导和数值计算,分别讨论天基光学遥感系统成像过程中湍流对图像地面分辨率的影响.结果表明,地面分辨率0.5 m以上的甚高分辨率遥感成像需要考虑大气湍流因素.     

小波域隐马尔可夫树模型在图像去噪中的应用

小波域隐马尔可夫树(HMT)模型被广泛应用于统计信号和图像处理中,它成功描述了真实图像小波系数在尺度之间的相关性和依赖性,很好地体现了小波变换的延续性和非高斯性。这里通过构建图像小波域HMT模型,在应用期望最大(EM)算法估计HMT模型的参数之后,对小波系数进行贝叶斯估计达到去除噪声的目的。实验结果表明,去噪效果好于其他小波去噪算法。     

结合气象模型的遥感影像大气模糊去除

利用传感器成像时刻对应的观测区域气象参数,结合大气光学湍流参数化模型和气溶胶MTF估计模型,分别计算湍流MTF和气溶胶MTF,再由二者的乘积得到大气MTF,进而采用一种改进的维纳滤波算法实现遥感影像的大气模糊去除。实验结果证明,恢复后影像的客观评价指标以及主观视觉效果均有明显改善,验证了本文算法的有效性和可行性。     

小波域隐马尔可夫树模型在图像去噪中的应用

小波域隐马尔可夫树(HMT)模型被广泛应用于统计信号和图像处理中,它成功描述了真实图像小波系数在尺度之间的相关性和依赖性,很好地体现了小波变换的延续性和非高斯性.这里通过构建图像小波域HMT模型,在应用期望最大(EM)算法估计HMT模型的参数之后,对小波系数进行贝叶斯估计达到去除噪声的目的.实验结果表明,去噪效果好于其他小波去噪算法.     

基于Ridgedet变换和极小极大估计的图像去噪

Ridegdet是继小波变换后一种新的图像多尺度分析方法,它能有效地对图像进行多尺度、多方向的描述,对于图像中的直线状和超平面的奇异性问题,Ridgelet变换具有比小波变换更好的处理效果。极小化极大估计是对"最不利"先验分布的贝叶斯估计,本文利用极小化极大原理来获取阈值,实现了一种基于有限Ridgelet变换和极小极大估计的图像去噪算法,实验结果表明,对于含有较多线状目标的图像,该方法取得了比小波变换更好的效果。