基于小波纹理信息的星载SAR图像与TM图像的数据融合

遥感图像的数据融合是当前遥感界研究的热点问题之一。论述利用小波变换提取合成孔径雷达（SAR）图像的多尺度纹理信息，基于小波纹理信息将SAR图像与TM图像进行融合。选取徐州市南郊风景区的Radarsat卫星SAR图像和TM图像进行试验研究，并与颜色变换法融合图像进行对比分析，结果表明，无论是目视解译还是定量分析，该融合方法与颜色变换法相比，将获得更理想的高空间分辨率多光谱的融合图像。     

基于小波的SAR影像纹理分析

在分析SAR影像特征的基础上,引入了基于小波的纹理提取方法,并采用第二代提升小波与双正交小波对SAR影像进行小波二级分解,提取影像各尺度上的小波特征系数。对机载的SAR影像进行了纹理分析及分类,得出了不同小波的分类分析结果。     

单波段单极化高分辨率SAR图像纹理分类研究

以2003年7月淮河洪水监测获取的高分辨率SAR图像为试验数据，首先对数据进行了分析，指出了高分辨率SAR图像的特点，之后通过小波变换对图像进行两层小波分解得到子图像，并在选择合适的能量计算窗口条件下，计算子图像的纹理能量，最后使用了BP神经网络方法进行纹理分类。研究结果表明，采用小波纹理分类方法对高分辨率SAR图像分类是可行的，可以获得高的分类精度，同时也指出了纹理分类的不足和进一步研究的方向。     

基于双树复数小波的SAR图像噪声抑制

小波变换由于其良好的时频分离特性以及接近人类视觉系统的多分辨分析,在SAR图像的去噪和复原中得到了很好的应用,但是经典小波变换不具备平移不变性,且得到的高频分量的方向非常有限。复数小波变换是一种具有近似平移不变性、更多方向选择性且能够完全重构的双数正交小波变换,在图像去噪方面表现出更强的性能。建立了复数小波变换分解与重构的过程,并对分解后的实部和虚部图像的高频部分分别进行局部非线性软阈值法滤波。实验结果显示,复数小波变换较小波变换不仅滤除了更多的噪声,而且得到的图像边缘更加平滑。     

基于双树复数小波的SAR图像噪声抑制

小波变换由于其良好的时频分离特性以及接近人类视觉系统的多分辨分析,在SAR图像的去噪和复原中得到了很好的应用,但是经典小波变换不具备平移不变性,且得到的高频分量的方向非常有限.复数小波变换是一种具有近似平移不变性、更多方向选择性且能够完全重构的双数正交小波变换,在图像去噪方面表现出更强的性能.建立了复数小波变换分解与重构的过程,并对分解后的实部和虚部图像的高频部分分别进行局部非线性软阈值法滤波.实验结果显示,复数小波变换较小波变换不仅滤除了更多的噪声,而且得到的图像边缘更加平滑.     

用小波分析反演星载SAR图像海面风向

为更好地利用合成孔径雷达SAR图像本身的风条纹信息来反演高精度的海面风向,采用不同模式、不同极化方式的星载ASAR图像,基于抽样小波变换结合快速傅里叶变换的方法反演海面风向,同时将该方法反演的结果与传统的傅里叶变换法和改进的局部梯度法反演的结果进行了对比。结果表明,抽样小波变换应用于海面风向的反演是可行的,反演的风向精度优于传统的傅里叶变换法和改进的局部梯度法。ASAR不同模式、不同极化方式的数据反演结果存在着一定的差异。     

基于小波变换的多时相SAR图像变化检测技术

提出基于小波变换的双阈值(TWT)SAR图像变化检测算法。采用期望最大化(EM)算法产生双阈值,可以区分像素发生变化的类型(如变化区域增强类和变化区域减弱类)或变化等级。用SAR图像数据进行实验,结果表明该方法有效。     

基于双树复数小波的SAR图像去噪算法

SAR图像相干斑点噪声的存在严重影响了SAR图像的应用效果。本文给出了一种基于双树复小波变换的贝叶斯收缩去噪算法,采用双树复小波获取更多的方向特性,然后借助贝叶斯MAP估计器调整小波系数,达到去除SAR图像斑点噪声的目的。实验证明,本算法在抑制SAR图像斑点噪声的同时有效地保持了图像的边缘信息。     

基于复小波变换的SAR图像斑点滤波方法

斑点噪声的存在使得SAR图像的应用受到较大的限制.文中首先介绍了SAR图像斑点噪声模型以及几种常用的SAR斑点噪声抑制方法;然后对小波变换斑点噪声滤波方法进行分析,提出了基于二元树复小波变换的SAR图像滤波方法.实验比较表明,二元树复小波变换抑制SAR斑点噪声效果明显,较小波变换更具有优越性.     

基于小波变换的影像纹理特征提取试验

利用小波变换获取子图像的能量值来提取高分辨率遥感影像的纹理特征,采用了大量训练样本进行特征统计,揭示了小波变换用于遥感影像纹理特征提取的规律。     

基于小波阈值优化和边缘检测的SAR影像斑点噪声滤除

探讨在小波频域内进行SAR斑点噪声分析的特点和优势，回顾小波频域斑点噪声滤除的方法，结合前人阈值优化和边缘检测蝗思想提出一种新的斑点噪声消除方法，试验表明所研究的噪声滤除方法，同各种空间域滤波方法和已有的小波频域滤波方法比较，在噪声滤除和信息保留两方面的综合效果有明显提高，具有一定的应用价值。     

Gaussian反对称小波与SAR影像目标特征提取

由于遥感影像中目标尺度的不确定性 ,使得在目标特征提取和检测前难以事先确定最佳尺度以适应影像空间不同尺度目标的识别与检测 ,给遥感影像自动识别与全自动数字摄影测量带来了极大困难。为了解决遥感影像中不同尺度目标的探测问题 ,提出基于一般高斯核构造一类Gaussian反对称小波并给出相应二维小波变换的快速算法 ,弥补了MallatGaussian小波 (σ =1)在解决遥感影像空间不同尺度目标检测中的不足。对于影像中不同尺度的目标特征探测 ,通过在Gaussian核函数中选择适当的参数σ值 ,得到相应的反对称小波空间滤波器响应系数 ,用于解决不同目标的检测问题。分别给出了有关Gaussian反对称小波的 5组空间滤波器响应系数 ,对于研究遥感影像目标兴趣算子和多源遥感影像特征检测尤为重要。由于SAR影像中“speckles”是一乘性噪声 ,文中先对原SAR影像进行对数变换得到一同态影像。基于小波变换的软域值斑点噪声抑制既在一定程度上抑制斑点噪声又保持影像细节信息。通过对两SAR影像检测实验 ,表明给出的Gaussian反对称小波类在遥感影像特征检测中效果极佳。遥感影像中同时存在阶跃型和屋脊型边缘 ,可以采用反对称小波的极大模或过零点检测提取影像边缘特征 ,但得到的结果存在局部位置偏差。这一结论对于今后研究     

基于二进小波变换的SAR图像湖岸线提取

本文阐述了一种基于二进小波变换的从SAR图像中提取湖岸线的方法。该方法首先利用边缘和噪声的奇异性在二进小波变换中随尺度变化具有不同的传播规律来检测边缘点，然后利用基于梯度矢量流的主动轮廓模型进行边缘点的连接，实验结果证明，这种方法可以有效的消除SAR图像中存在的斑点噪声对边缘提取的影响，准确的提取湖岸线。     

基于小波分量特征值匹配的高光谱影像分类

提出了一种基于小波分量特征值的高光谱影像分类算法。针对每个像素构建一个能反映该分量特征的函数,得到其特征值。再利用这些特征值与参考光谱的特征值进行匹配,从而对整幅影像实现分类。实验证明,该方法比传统的光谱角制图法和交叉相关系数法的分类精度有较大提高。     

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。     

遥感图像分割中的小波域改进信息割算法

针对传统信息割(IC)算法对存在灰度变化的图像易引起误分割的问题,提出了一种小波域改进信息割(W\\|MIC)算法。使用一个新的结合像素点灰度关联和空间关联的Parzen窗对IC进行改进,以降低灰度变化对分割的影响;将MIC引入到小波域,利用小波的平滑作用降低参数选取复杂度,改善图像分割效果。遥感图像分割实验结果表明,W\\|MIC可有效降低参数选择效应,不仅避免了灰度变化引起的误分割,而且还较好地保持了图像边缘。