结合模平方的双树复小波变形监测数据滤波

针对变形监测数据的去噪问题,该文在分析离散小波变换去噪不足的基础上,提出了一种基于模平方的双树复小波变形监测数据滤波方法。该方法利用双树复小波变换的完全重构、近似平移不变性和较好的方向选择性等特点,通过最小尺度空间的小波系数得到噪声强度,并结合模平方处理法确定各层的阈值,经重构阈值处理后的各层小波系数即得到去噪后的信号;经算例,并与传统离散小波变换对比分析。结果表明:双树复小波变换的分解效果优于传统离散小波变换,能较好地表现出细节部分的频率信息,使变形信号的周期性变化特征更为明显。该方法去噪更彻底,进一步提高了消噪的精度和可靠性,可作为变形监测数据降噪处理的新方法。     

基于提升格式小波包变换的SAR影像去噪(英文)

According to the different characteristics that signal and noise exhibit during wavelet decomposition, a new denoising method based on the lifting scheme wavelet packet decomposition is presented. In this method, the SAR images are decomposed by using the best wavelet packet and the norm of each sub-band are calculated; signals and noise can be discriminated based on the norm and soft-threshold method, and the images can be denoised. Experiments show that the proposed algorithm has excellent performance in denoising SAR images, and can remove most noise of images with well-kept texture detail information. The calculating speed of the method is twice the speed of the general wavelet packet transform algorithm.     

结合双树复小波纹理特征和MRF模型的遥感图像分割

针对经典的小波纹理不能准确地表达影像纹理特征的问题,以及影像分割结果缺少对像元空间相关性和分布关系的考虑。本文提出了结合双树复小波（DT-CWT）纹理和马尔可夫随机场（MRF）模型的高分辨率遥感影像分割方法。首先,通过双树复小波变换提取影像纹理特征,联合光谱特征形成表达影像信息的混合特征向量;然后,将混合特征向量高斯归一化处理,并用K-means聚类的方法对特征空间中的混合特征向量聚类得到初始分割图;最后,借助马尔可夫随机场模型在初始分割结果中引入上下文信息,基于贝叶斯最大后验概率准则得到最终的分割结果。本文通过双树复小波纹理提高了特征表达的准确度,同时使用马尔可夫随机场模型减弱了分割结果中同质区域的“椒盐噪声”,从而进一步提高了高分辨率遥感影像分割的精度。     

变形监测数据处理的小波去噪方法

变形监测数据中包含有实际变形量和噪声,应用小波分析理论,对监测数据进行变形信号的提取和噪声的消除,通过实例证明,它的效果非常明显。     

非线性小波变换阈值法去噪改进

提出非线性小波变换阈值改进算法,用改进后的阈值算法公式去噪,得到去噪均方误差相对于改进前公式去噪均方误差有明显减小,改进公式更合理。研究一种阈值法去噪修匀算法,去噪后曲线较光滑,基本上已消除了震荡或呈折线即伪吉布斯现象,改进效果明显。     

基于小波变换的影像信息融合方法

文中提出了一种基于小波变换的影像信息融合方法来提高遥感影像的几何分辨率，该算法的基本思想是：首先利用小波正变换算法将待处理的两幅影像分解成不同分辨率的子图像，然后在一定的准则下对不同分辨率的子图像进行信息融合处理，最后利用小波重建算法对融合子图像进行小波逆变换处理，得到信息融合后的高质量图像，实验表明该方法是可行的。     

基于Matlab小波去噪的研究方法

阐述了硬阀值法、软阀值法和半软阀值法去噪的原理及其算法的实现,针对传统小波去噪后,图像的部分细节丢失、边缘模糊等问题,提出一种改进半软阀值的计算方法。实验结果表明,改进的方法具有更好的去噪效果。     

基于Wallis滤波的改进小波去噪方法研究

边缘信息是影像最重要的高频信息,在去除噪声的同时应尽量保留。介绍一种改进的小波去噪方法,不仅大大减少了算法的时间复杂度,而且用Wallis滤波对小波变换后的小波系数进行处理,在进一步压制噪声的同时增强了影像的对比度。实验结果表明,该方法不仅效率高,而且能较好地突出细节信号,效果优于普通的小波阈值去噪。     

小波域隐马尔可夫树模型对多光谱影像的去噪研究

传统小波去噪方法认为尺度间小波系数是无关的,但实际小波系数具有明显的相关性,基于此,提出了一种基于小波域隐马尔可夫树模型的多光谱影像去噪方法。首先对影像各波段的小波系数进行建模;然后通过最大期望算法对小波域隐马尔可夫树模型参数进行估计,得到小波系数后再进行小波逆变换;最后通过波段合成得到去噪后影像。实验结果表明,该方法 MSE和NMSE值最小,是其他方法的1/2~1/32;SNR和PSNR值最大,是其他方法的1~2倍,说明影像的降噪效果较好,且较好地保留了影像边缘和细节信息,为影像后续处理奠定了基础。     

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。     

基于移不变全方向角提升的遥感图像降噪

在分析遥感图像结构特征及其与噪声之间主要区别的基础上,利用图像信号的方向信息,提出基于移不变全方向角提升小波（TI—OL）抑制遥感图像噪声的方法。该方法在方向提升小波变换的基础上并利用循环平移,Gabor小波滤波器和图像旋转技术改进了方向提升小波在图像去噪过程中存在的三个弊端：缺乏移不变性质,图像局部方向信息判方法断缺乏噪声鲁棒性和变换方向分布有限。消除去噪结果中的吉布斯效应,提高图像方向信息判断的准确性并保证图像纹理方向始终落在方向提升能最优表示的方向区间内。试验结果证明所提方法在处理遥感图像的过程中能在去噪的同时保留图像的细节和边缘信息,对遥感图像中的边缘信息如道路和桥梁有较好的刻画性能,较传统方法去噪性能（PSNR）和主观视觉效果（SSIM）均有较大提高。     

利用非抽样Shearlet域GSM模型进行图像去噪

为有效去除含噪图像中的噪声,提出了一种基于非抽样剪切波域高斯比例混合模型的图像去噪方法。首先建立含噪图像非抽样剪切波系数的局部高斯比例混合模型,然后应用贝叶斯最小二乘法对无噪图像的非抽样剪切波系数进行估计,最后通过非抽样剪切波逆变换得到去噪后的图像。该方法充分利用了非抽样剪切波变换的平移不变性、对图像边缘纹理等细节的高效表示能力以及高斯比例混合模型对非抽样剪切波变换系数局部相关性的概括能力。实验结果表明,与基于小波域高斯比例混合模型的图像去噪方法、曲波域多变量阈值去噪方法以及非抽样剪切波域的硬阈值法相比,该方法不仅能更有效地去除含噪图像中的噪声,提高其信噪比以及与原始无噪图像的平均结构相似度,...     

图像分辨率增强的偏微分方程方法

讨论一种新的图像分辨率增强的偏微分方程模型。新模型利用图像为分片连续的二维曲面的先验信息,采用非线性扩散方程对基于最近邻方法放大后的图像进行光滑以消除因放大引起的“块状”效应,同时在迭代过程中加入插值条件使处理后的图像能较好的保留边缘,由此构造出基于偏微分方程的图像分辨率增强模型和相应的迭代算法,使图像的分辨率增强到亚像元级。遥感图像的仿真计算结果表明,该方法具有比现有方法更高的峰值信噪比和更高的边缘保护指数。     

小波变换在遥感图像压缩中的应用

基于遥感数据的大信息量、大容量和越来越高的分辨率对图像的存储和传输提出的更高要求,有效的图像压缩就显的特别重要。在综合比较了各种压缩编码算法的基础上,结合遥感图像本身的特点和对小波变换性质的深入分析,选择了基于小波变换的遥图像压缩方法。     

一种基于小波系数相关性的图像降噪方法

在利用正交小波对图像进行分解的基础上,提出了一种考虑不同尺度子分量的小波系数之间是相互关联的系数概率密度函数模型,而不同尺度的系数的选择依赖于其父层系数的大小,从而保证在消除噪声的同时保留图像的边缘信息,然后再对图像进行重构。实验证明,该方法取得了较好的降噪效果。     

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。     

一种融合超像素与最小生成树的高分辨率遥感影像分割方法

影像分割是面向对象高分辨率遥感影像分析的基础与关键。针对传统影像分割方法易受噪声影响,且难以确定合适的影像分割尺度的问题,本文提出了一种融合超像素与最小生成树的高分辨率遥感影像分割方法。首先用简单线性迭代聚类算法对影像进行过分割生成超像素;然后初始设定影像分割数,采用区域动态约束聚类算法对超像素进行合并,获得分割数-方差和、分割数-局部方差、分割数-局部方差变化率指标图,依据3个指标图确定合适的影像分割数;最后根据确定的合适影像分割数,采用区域动态约束聚类算法对超像素重新合并得到分割结果。定性对比试验和定量评价结果表明,本文方法可以有效地克服影像噪声对分割结果的影响,获得良好的影像分割结果。     

使用泊松方程插值方法进行遥感影像融合

以高空间分辨率的全色影像为引导,高光谱分辨率的多光谱数据作为已知条件,利用泊松方程插值方法对各个波段影像在空间维进行插值,最终得到的多光谱影像既具有原多光谱影像的光谱信息,同时又具有全色影像的清晰细节。该方法还具有不受波段数目限制的特点,与多重网格方法结合可以提高数据处理效率。使用该融合方法对QuickBird和IKONOS数据进行融合实验,实验结果在RASE、ERGAS、空间细节质量、SSIM等多项质量指标上优于传统融合方法。     

一种基于前后向扩散的图像去噪与增强方法

将各向异性前向扩散和后向扩散进行深度融合,提出了一种基于前后向扩散的图像去噪与增强方法。该方法利用非线性结构张量代替直接的梯度估计,增强对噪声的鲁棒性;将沿梯度方向增强的冲击滤波项改为按照自适应设定的阈值,进行前向扩散去噪和后向扩散增强的相互转换;对于角型结构,在与梯度垂直方向同样进行后向扩散,以增强角型纹理。实验结果表明,本文算法不仅有效去除了噪声,而且增强了纹理。