基于非下采样轮廓变换与模糊理论的遥感图像增强

为进一步增强遥感图像的细节信息,在非下采样轮廓变换(non-subsampled contourlet transform,NSCT)的基础上,结合模糊理论,提出了一种遥感图像增强算法。首先对原始图像进行NSCT变换,得到频率域内低频系数和不同尺度不同子带上的高频系数;然后定义隶属度函数,对高频系数进行模糊变换;在进行NSCT逆变换重构图像的过程中,逐层地将高频系数线性地加到低频系数中,最终实现遥感图像增强。实验结果表明,该算法在主、客观方面都使遥感图像得到了很好的增强效果。研究表明,NSCT变换后的高频系数包含了图像中的细节信息,针对高频系数进行模糊变换后,进行NSCT逆变换可以比较有效地增强图像。该算法存在的问题在于计算量较大以及需要调整的参数较多。     

基于非下采样Contourlet变换的极化SAR图像融合与去噪

针对非下采样Contourlet变换(NSCT)在处理噪声影像中具有的优势,以及同极化SAR图像(HH、VV)之间的相关性与互补性,本文实验了一种基于非下采样Contourlet变换的极化图像融合方法。该方法首先对每个极化图像进行多尺度、多方向分解,然后对不同分解子带系数分别采用有利于斑点噪声去除和信息增强的融合规则进行融合,最终通过NSCT反变换得到融合图像。通过信息熵、相关系数以及等效视数等指标的评价,验证了该方法可以有效地实现信息增强,同时该方法也在一定程度上降低了斑点噪声的负面影响。     

结合NSCT和KPCA的高光谱遥感图像去噪

针对高光谱遥感图像易受噪声干扰,本文提出了一种基于非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和核主成分分析KPCA(Kernel Principal Component Analysis)的去噪方法。首先对高光谱各波段图像进行NSCT分解;然后利用KPCA对NSCT系数进行处理,并在KPCA重构时依据各类噪声的特性选取合适的主成分;最后用处理过的系数进行逆变换得到去噪图像。实验结果表明,本文方法抑制了高光谱遥感图像中的噪声干扰,较完整地保留了原始数据的有效信息。     

联合NSCT与多重分形的高噪声侧扫声呐图像分割

针对现有分割算法对高噪声侧扫声呐图像分割准确率低的问题,提出了一种综合利用NSCT(non-subsampled contourlet transform)分解图像、局部标准差和均值组合增强图像和多重分形判断图像奇异性的侧扫声呐图像分割方法。首先,借助NSCT分解图像,获得滤除高频噪声且保留轮廓信息的低频图像和一系列高频方向子带图像。然后,基于侧扫声呐图像中目标及其阴影伴随出现的特点,计算低频图像的局部标准差与均值的组合特征,获得分别突显目标及其阴影的特征图,使用多重分形分割方法分割特征图,获得低频图像分割结果;利用图像差分和非极大值抑制方法分割高频方向子带图像,获得高频分割结果;融合高低频分割结果获得目标及其阴影的精细边缘。最后通过试验验证了本文方法的有效性。     

基于NSCT与IHS变换的SAR与多光谱图像融合

针对SAR图像和多光谱图像提出了一种基于NSCT与IHS变换的图像融合方法。首先对多光谱图像进行IHS变换;然后对SAR图像和多光谱图像的I分量分别进行NSCT分解,在不同频域子带系数选择时,针对高频系数和低频系数分别采用不同准则进行融合得到新的I分量;最后经IHS逆变换得到融合图像。为验证算法性能,分别选用2组不同空间分辨率比的SAR与多光谱图像开展融合实验,采用信息熵、平均梯度、相关系数等客观指标与主观评价相结合的方式,对融合结果进行分析。结果表明,该方法优于传统融合方法。     

基于方向加权二维多级中值滤波的遥感图像处理方法

遥感图像受各种因素的干扰而影响解译精度。根据人类视觉和认知心理学的特点，在遥感解译过程中需要对遥感图像进行增强处理。本文结合机器视觉、图像处理领域在图像增强方面已经提出的一些方法，采用方向加权二维多级中值滤波方法进行图像处理。该方法突出了视觉处理目的，减少了运算量，达到了令人满意的增强效果，在原始图像比较复杂的情况下，可以改善、提高后期图像处理过程，如图像分析(解译)的正确性和有效性，为遥感图像解译提供良婷的增强图像。同时该方法还可以很好地抑制图像噪声，突出边缘信息，达到了增强图像的目的。     

一种多极化SAR图像融合方法研究

本文针对多极化SAR图像的融合问题,提出了一种基于非下采样Contourlet变换(NSCT)与脉冲耦合神经网络(PCNN)的图像融合方法。此方法用NSCT对已配准的多极化SAR图像进行分解,得到低频子带系数和各带通子带系数;采用简化的PCNN模型分别对低频子带和高频子带系数进行智能决策,并进行NSCT逆变换得到融合图像。经实验表明该方法能够最大程度地保留原始极化SAR图像的信息,融合效果好于基于单个像素和局部特征的融合方法。     

轮廓波变换在遥感目标图像检索中的应用

除具有纹理属性外,遥感图像中还包含大量的结构性边缘特征。如何有效捕捉这些特征中的信息进行检索,成为提高遥感图像检索效率的关键。依据Contourlet在离散域的多尺度几何分析的功能,提出一种利用Contourlet子带能量分布特性提取原始图像在多个尺度下的边缘方向信息进行检索的方法。针对Cont-ourlet变换响应不同特征方向能力的差别,采用正交补偿法加以改正,经过傅里叶算子的处理,从而实现旋转不变结构性边缘特征的检索。最后,在遥感目标图像上所作的实验证实了该算法的有效性。     

轮廓波变换在遥感目标图像检索中的应用

除具有纹理属性外,遥感图像中还包含大量的结构性边缘特征.如何有效捕捉这些特征中的信息进行检索,成为提高遥感图像检索效率的关键.依据Contourlet在离散域的多尺度几何分析的功能,提出一种利用Contourlet子带能量分布特性提取原始图像在多个尺度下的边缘方向信息进行检索的方法.针对Contourlet变换响应不同特征方向能力的差别,采用正交补偿法加以改正,经过傅里叶算子的处理,从而实现旋转不变结构性边缘特征的检索.最后,在遥感目标图像上所作的实验证实了该算法的有效性.     

Contourlet方向区域相关性的遥感图像融合

对遥感图像经Contourlet变换后的高频子带系数分布的方向特征进行统计分析,发现遥感图像经Contourlet变换后高频系数的分布具有较强的方向区域特征,在此基础上,提出一种基于Contourlet系数方向区域相关性的遥感图像融合算法,该算法首先对多光谱图像经IHS变换后的亮度分量和全色图像分别进行Contourlet变换,然后以多光谱图像亮度分量的低频信息作为融合图像亮度分量的低频信息,通过计算并比较全色图像的高频系数和对应的多光谱图像亮度分量的高频系数的方向区域匹配度确定融合图像亮度分量的高频信息;最后经过Contourlet逆变换和IHS逆变换获得融合图像。实验结果表明,该算法在提高融合图像空间分辨率的同时能够更好地保留原始多光谱图像的光谱信息,与传统遥感图像融合算法相比,该算法具有较好的融合图像信息熵和清晰度,具有一定的实用性。     

分区优化混合SfM方法

针对大规模无序影像稀疏三维重建问题,本文提出一种稳健、高效且易于并行的分区优化的混合式SfM方法。首先,利用SIFT算法进行影像匹配,无须GPS/INS等其他辅助信息,仅利用影像间的匹配结果计算得到的影像关联度完成影像分区。然后,提出一种改进的增量式SfM方法实现每个分区内快速重建,以及提出多项标准自动剔除不可靠分区并将这些分区内影像重新划分至其他分区,实现分区的动态调整。最后,提出一种稳健高精度的分区融合算法,实现相机参数、影像姿态和场景三维信息的准确融合。多组不同规模、不同影像类型以及不同场景的典型数据试验结果表明本文方法对不同数据集具有很好的稳健性,在保持高精度的同时能大大提高重建效率,尤其适用于大规模影像数据集。     

利用NSCT和Krawtchouk矩进行图像检索

提出了一种基于非下采样Contourlet变换(nonsubsampled contourlet transform,NSCT)和Krawtchouk矩的图像检索算法。首先,通过NSCT对图像进行分解,提取每个分解层次上不同方向子带系数分布的数学特征作为图像的纹理特征;然后,利用Krawtchouk矩描述图像的形状特征;最后,根据加权的相似性度量实现图像检索。实验结果表明,所提取的特征向量具有平移、旋转、尺度不变性,且能获得更高的检索精度。     

基于粗糙集和遗传算法的超光谱波段集合整体缩减

提出一种对高光谱遥感影像波段集合进行整体缩减的方法。该方法首先根据模糊集和粗糙集理论,对原光谱波段集会进行近似等价波段区间的自动划分。对于每个近似等价波段区间,在考虑其他区间合成影像数据影响的情况下,利用遗传算法进行合成权系数的优化。实验表明,整体迭代线性合成方法不仅具有较高的计算效率,而且可以获得比独立线性合成方法明显优化的结果。     

Satellite Image Resolution Enhancement Using Nonsubsampled Contourlet Transform and Clustering on Subbands

In this paper two new schemes for resolution enhancement (RE) of satellite images are proposed based on Nonsubsampled Contourlet Transform (NSCT). First one is based on the interpolation on band pass images obtained by applying NSCT on the input low resolution image. Similar to Demirel and Anbarjafari (IEEE Trans Geosci Remote Sens 49(6):1997–2004, 2011), as an intermediate step, the difference between approximation band and the input low resolution image is added with all the band pass directional subbands, to obtain a sharper image. This method is simple and computationally efficient but lacks sharp recovery of the edges due to the interpolation of band pass images. To overcome this, another method is proposed to obtain the difference layer, where dictionary is built using patches which are extracted from high resolution training image subbands. Similar patches from the dictionary are then clustered together. This method gives a much sharper image than the first method. Subjective and objective analysis of proposed methods reveals the superiority of the methods over conventional and other state-of-the-art RE methods.     

利用多尺度特征与深度网络对遥感影像进行场景分类

针对因样本量小而导致的遥感图像场景分类精度不高的问题,结合非下采样Contourlet变换(NSCT)、深度卷积神经网络(DCNN)和多核支持向量机(MKSVM),提出了一种基于多尺度深度卷积神经网络(MS-DCNN)的遥感图像场景分类方法。首先利用非下采样Contourlet变换方法对遥感图像多尺度分解,然后对分解后的高频子带和低频子带分别用DCNN训练得到了不同尺度的图像特征,最后采用MKSVM综合多尺度特征并实现遥感图像场景分类。对标准遥感图像分类数据集的试验结果表明,本算法能够结合低频和高频子带对不同类别场景的识别优势,对遥感图像场景取得较好的分类结果。     

基于光谱信息的遥感图像空间域自适应滤波

遥感图像往往由于内外因素的干扰含有各种噪声 ,为提高图像质量人们对其进行滤波。常规的滤波方式完全基于图像空间域 ,在消除异常点使图像平滑的同时使边界变得不清楚从而使图像模糊 ;或者正相反 ,在边缘信息得到增强时也放大了图像噪声而使图像变得粗糙。该文的自适应滤波方法充分利用多光谱和高光谱遥感图像的光谱维信息 ,滤波时不仅要使均匀的地块得到平滑 ,而且要使地块间的边缘、局部的异常点、线仍然得到保存、在光滑的同时尽量保持原有的数值特征     

A pan-sharpening method based on NSCT and formulated as compressive sensing problem

In this paper, a pan-sharpening method, using non-subsampled contourlet transform (NSCT) and the theory of compressive sensing (CS), is proposed. The NSCT is used for sparse image representation to perform a multiscale and directional decomposition of source images in order to express their detail and express the sparsity of their high frequency. The CS is used to merge the multispectral (MS) and panchromatic (pan) images from partial random measurements. Two different fusion rules are then applied. The final pan-sharpened image is obtained by inverse NSCT. Experimental results show the efficiency of the proposed method, compared with pan sharpening based on standard NSCT, in terms of visual quality and objective assessment. Moreover, the proposed technique is very effective when the storage and transmission bandwidth are limited.     

小波包变换与粗糙集在影像融合处理中的应用研究

针对高分辨率卫星影像提出一种基于粗糙集和小波包分析的融合算法。首先基于图像的粗糙集知识系统采用粗糙增强法对影像进行增强预处理,然后采用小波包对影像融合。实验结果表明融合图像比源图像具有更好的视觉特征。融合后影像不仅很好地保留了原多光谱图像的光谱特征,而且在增强信息锐化度,改善解译的精度等方面均收到很好的效果。