一种去除遥感影像混合噪声的集成BM3D方法

BM3D（block matching and 3D filtering）是一种有效的高斯噪声去除方法,但对遥感影像中常含有的高斯和脉冲混合噪声去除效果具有局限性;而集成方法是去除混合噪声的有效方式。针对BM3D去噪的缺点,结合其去噪优势,研究发展了一种集成BM3D方法,并改进了一种噪声量估算方法M-Liu法,用于先验噪声估算,作为算法的输入参数。算法验证结果表明,集成BM3D法具有较好的去噪特性,能兼顾影像噪声去除和细节信号的保留,优于同类方法,可为图像去噪提供一种新的方法,对于遥感影像后期应用性研究具有一定的意义。     

高斯噪声消除算法的并行处理研究与分析

维纳滤波(Wiener)算法、非局部均值滤波(NLM)算法以及三维块匹配滤波(BM3D)算法是图像处理领域高斯噪声去除使用最广泛的三种算法。本文针对三种去噪算法的特点,设计了三种算法的并行处理程序,通过实验对去噪效果进行了分析比较。实验结果表明,BM3D以及NLM去噪结果较维纳滤波更好;在基于并行算法的条件下,BM3D以及NLM在面对大数据量时算法效率有明显提升,获得较高的加速比,维纳滤波算法在并行条件下优势并不明显;BM3D算法用时最短、去噪效果最好,在图像尺寸为2048×2048时,图像处理加速比达到9.8。     

一种改进三维块匹配的SAR图像去噪方法

针对BM3D算法对合成孔径雷达图像的乘性相干斑噪声抑制导致图像细节信息丢失的问题,提出一种改进相似性度量的BM3D算法.在对相干斑噪声模型分析基础上,采用对数变换使BM3D算法适用于SAR图像去噪,并从相似图像块划分的权重计算方法入手,引入皮尔逊相关系数改进相似性度量准则,从而提升相似图像块匹配准确度.实验选取永城部分地区Sentinel-1A影像数据,并对该算法和其他几种滤波算法进行了对比分析,结果表明本文算法能有效去除斑点噪声,同时保留图像边缘细节信息.     

一种差分进化BM3D硬阈值参数的遥感影像去噪方法

针对遥感影像高斯白噪声去噪的问题,本文首先利用差分进化(DE)优化三维块匹配(BM3D)中的硬阈值变换参数(参数包括块距离阈值和三维变换域硬阈值参数);然后使用优化的BM3D算法消除影像中高斯白噪声,以峰值信噪比(PSNR)、结构相似度(SSIM)和边缘保留指数(EPI))作为评价指标。试验结果表明,在噪声密度不同情况下,融合算法的PSNR、SSIM和EPI均有所提升,尤其EPI相较于BM3D算法提高约2%。整体上,融合算法的遥感影像高斯白噪声的去噪效果优于单一BM3D算法。     

基于离散平稳小波的影像恢复去噪方法

为了避免图像去噪过程中图像边缘细节信息大量丢失、去噪图像出现模糊及阶梯效应等问题,本文提出一种基于离散平稳小波(SWT)的图像恢复去噪算法。首先,对噪声遥感图像进行3层SWT分解;其次,构建图像恢复去噪算法,并采用此算法对每一层的高频分量进行去噪处理;最后,对低频分量和去噪后的高频分量进行SWT重构,获得去噪图像。实验结果表明,本文提出的图像去噪算法不仅可以有效地抑制图像的随机噪声,而且能在去除图像随机噪声的同时保留更多图像的边缘细节信息,去噪图像呈现较好的视觉效果。     

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。     

融合Goldstein滤波的BM3D干涉图去噪算法

为进一步提高干涉图的滤波效果,该文提出了针对合成孔径雷达干涉技术(InSAR)干涉图的改进BM3D算法。该算法将Goldstein滤波高效去除干涉图噪声的优势融入到BM3D算法基本估计中,并在最终估计阶段增强被过度平滑的图像细节,改进算法在保留图像细节信息的前提下提高了去除InSAR干涉图噪声的能力。为验证改进算法的适用性,采用模拟数据和实测数据进行实验处理,以残差点数、峰值信噪比、边缘保持指数和等效视数等作为评价指标,将此算法与基于梯度的自适应滤波、Lee滤波、Goldstein滤波、BM3D滤波进行比较,结果表明改进算法改善了滤波效果,提高了去噪能力,并保留了图像的细节特征。     

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。     

基于边缘检测的优化算法的小波阈值图像去噪

目前,小波阈值去噪方法简单有效,已成为图像去噪领域中常用的去噪方法.但传统的小波阈值去噪方法存在一些缺点,在去除图像噪声的过程中会出现去噪不彻底、噪声残留和噪声误判的问题.本文首先利用小波边缘检测算法确定图像边缘特征的小波系数;然后,根据噪声的方差设置优化阈值函数去噪,即在以往统一阈值基础上加以修改,使阈值能随着分解尺度的变化而改变,对传统的软闽值和硬阈值的优点予以保留,改进它们的缺点,生成一种新的阈值函数,使它在处理小波系数时更加灵活.经过优化的小波阈值去噪后得到平滑图像;最后,把小波边缘检测图像镶嵌入平滑图像中.实验表明,与传统的小波阈值去噪方法相比,该算法解决了传统阈值函数在去噪过程中出现的问题,进行有效去噪的同时保留图像的细节,使图像更加清晰,提高了信噪比.     

基于二代Curvelet变换的自适应图像去噪

小波变换不能够最优地表示图像的边缘,而Curvelet变换硬阈值去噪后的图像过于平滑。二代离散Cur-velet变换运算速度非常快,而且基于Bayes原理的自适应阈值选择是子带变化的,具有最小的Bayesian风险。提出了一种基于二代Curvelet变换同Bayes原理相结合的自适应图像去噪算法,实验结果表明,该算法不仅能够有效地去除了噪声、较好地保留了图像的边缘信息,而且运算快速。     

ICESat-2机载实验光子云数据自适应去噪及分类算法

第二代星载激光雷达冰、云和陆地测高卫星ICESat-2（The Ice, Cloud, and Land Elevation Satellite-2）搭载了先进光子计数式激光雷达,使用了全新的微脉冲多波束光子计数式激光雷达。由于光子计数式激光雷达的自身特点,其光子云数据具有受噪声光子影响大、信噪比与扫描时间相关、光子分布密度不均匀等问题,目前开发的去噪算法并不能很好的应用于不同的光子云数据。基于以上问题,本文提出一种改进的去噪算法,首先分析光子云内部特征并自适应选择最优参数进行粗去噪,然后进行两次精去噪,最后对光子云进行分类并拟合出地面线及冠层顶线,为提取森林冠层高度提供基础。使用该算法对MABEL数据进行去噪实验,实验结果表明：该去噪算法的一次去噪对不同环境下MABEL数据在夜间的去噪平均精确度为94.5%,F1-score为96.3%,日间平均精确度为86.7%,F1-score为91.7%,且三次去噪算法完成后能够显著提升光子云去噪精度。实验证明该算法对MABEL光子云数据具有较好去噪效果和稳定性,可为ICESat-2数据处理提供参考。本文的光子分类算法能够从光子数据中提取冠层顶点、地面点及林内光子并在此算法中进一步精确去除剩余噪点,最终光子分类结果显示该算法能够从复杂光子云数据中提取森林剖面结构。     

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。     

一种遥感影像Min/max流去噪方法的研究

提出一种曲面Min/max流去噪方法,利用图像曲面曲率代替经典方法曲线曲率并修改开关机制,增强对复杂噪声环境的适应性,同时加入梯度权控制边缘曲面演化速度,在噪声压制的同时尽量保持边缘。实验表明,该方法能够在去除噪声的同时保持比较清晰的图像边缘。     

面向水流三维登记探索的多波束点云去噪及应用

针对多波束点云数据去噪难以保留精细特征,无法精确“锁定”河床形态问题,本文提出了一种面向自然资源确权水流三维登记探索的多波束点云去噪算法。以KD树搜索为基础,引入统计滤波理论进行多尺度噪声分类,并剔除大尺度噪声;针对小尺度噪声,在信息熵理论基础上,以主成分分析算法为基础,以信息熵最小原则确定最优邻域,并据此构建曲率信息熵对双边滤波因子进行优化改进,以实现水下地形点云去噪与精细特征保留的目的。试验结果表明,本文算法具有可行性,能够有效保证水下地形的精细特征,并能够应用于自然资源水流三维登记。     

噪声的分布层次分析及其自适应滤波算法

基于对噪声模型的分析 ,提出了两种自适应中值滤波器算法 :(1)对于消除噪声密度较大的脉冲干扰 ,提出了基于剩余脉冲检测的自适应中值滤波器算法 (AMF1) ,通过对滤波器输出是否存在剩余噪声的检测来决定采用的滤波器窗口尺寸 ,从而有效滤除脉冲干扰 ;(2 )对于消除的一定宽度的脉冲干扰 ,则提出了基于脉冲宽度检测的自适应中值滤波器算法 (AMF2 ) ,通过决定干扰脉冲的宽度来确定滤波器窗口的大小 ,从而有效去除较宽的干扰脉冲。通过对实际图像的测试 ,表明提出的算法运算结果优于标准中值滤波器的输出结果     

DBSCAN聚类和改进的双边滤波算法在点云去噪中的应用

采用基于密度的DBSCAN聚类算法对点云数据进行去噪处理,然后通过改进的双边滤波方法进行光顺处理实现点云平滑效果,最终的结果不仅有效去除了噪声点,还保留了点云模型的特征。以沈阳民国时期代表性的建筑——沈阳金融博物馆为试验模型进行试验,结果表明：通过DBSCAN聚类算法处理后得到的点云数据,再经改进的双边滤波处理所得到的数据远远比原点云数据直接运用改进的双边滤波处理得到的数据精度高,点云去噪效果更好。     

基于提升格式小波包变换的SAR图像去噪

基于信号和噪声在提升格式小波分解中呈现出的不同特性，提出了一种新的小波包去噪算法。该算法采用提升格式小波对SAR图像进行最优小波包分解，并计算每个子频带的能量范数，然后根据软阈值法和能量范数区分信号和噪声，达到去除噪声的目的。试验结果表明，该算法对SAR图像具有较好的去噪效果，不仅可以去除图像中的大部分噪声，而且可以较好地保留图像纹理的细节信息。与传统小波包算法相比，其计算速度快了一倍左右。