一种新的SAR图像相干斑抑制算法

合成孔径雷达(SAR)图像会受到相干斑噪声的污染,对SAR图像的后续处理产生了很大影响.提出一种基于快速离散曲波变换(FDCT)抑制合成孔径雷达(SAR)图像相干斑噪声的方法.先通过FDCT把SAR图像变换到曲波域中,得到曲波系数,再应用自适应阈值算法估计不同尺度、不同方位曲波系数的阈值,分别对曲波系数进行硬阈值和软阈值化处理,最后通过FDCT反变换恢复出图像.对单视SAR原始图像进行处理,并与小波去噪方法进行各种量化比较,结果表明,Curvelet滤波器要比Wavelet滤波器效果好,软阈值算法的效果比硬阈值算法好.基于FDCT的SAR图像相干斑去噪,不仅抑制相干斑能力比较强,而且在目标的边缘及纹理信息的保持上也有很大的优势.     

无人机采场图像二维经验小波变换降噪研究

针对传统图像降噪方法难以适用于露天矿无人机(UAV)图像降噪的问题,该文提出了一种基于经验小波变换(EWT)算法思想的露天矿UAV图像快速降噪方法。采用Littlewood-Paley小波算子检测提取UAV图像噪声特征,以提高阈值函数匹配精度;借助改进的自适应H阈值函数对UAV图像噪声进行计算,提高UAV图像边缘细节度;并通过二维经验小波变换逆重构,从而提高UAV图像纹理精度。实验结果表明,本文算法能够实现露天矿UAV图像的快速降噪,保留边缘细节和纹理特征,并具有较好的降噪效果。     

一种基于Curvelet变换的图像放大方法研究

Curvelet变换是近几年发展的一个新的多尺度几何分析方法。在分析主要的图像放大算法及Curvelet变换的基础上,提出了一种新的基于Curvelet变换的图像放大方法。为了验证算法,设计了仿真实验,与传统的二次线性和立方卷积图像放大方法进行比较。结果表明,在保持原始图像的结构信息方面,本文方法要优于其他图像放大方法。     

基于小波系数分割的局部自适应阈值图像去噪

针对自适应小波阈值去噪中方形局部窗口不能很好地适应小波系数自身边缘特征的问题，本文提出了一种基于图像分割的局部自适应小波阈值去噪方法。该方法首先对图像进行多尺度小波分解，其次利用图像分割技术对图像的各尺度小波系数分别进行分割，分割技术选用SLIC超像素分割法得到具有相似统计特性的不规则局部块，然后对每个分割块内的小波系数进行BayesShrink阈值估计和软阈值收缩，最后通过小波逆变换得到去噪图像，并在3幅标准测试图像和一幅高光谱影像上进行试验。试验结果表明，本文提出的方法能更好地适应小波系数自身的边缘特征，不仅能够获得更好的视觉效果，而且能够达到较高水平的数值指标。     

基于Contourlet变换的遥感图像融合方法研究

为了充分利用多源遥感图像的影像信息,针对不同分辨率的遥感图像进行融合算法研究。通过对基于小波变换(warelet transform,WT)与IHS变换的改进算法研究,提出了基于轮廓波变换(Contourlet transform,CT)与IHS变换的改进算法:结合传统IHS彩色空间变换,将经IHS变换获得的多光谱图像亮度分量与原全色图像分别进行CT;然后对得到的低频分量采用自适应融合规则、高频分量采用基于区域相似度的阈值控制规则分别进行融合;最后对融合后的高频和低频分量进行Contourlet逆变换,得到最终的融合图像。对比实验结果表明:本文提出的方法能够在有效保留光谱信息的同时,纳入全色图像丰富的空间细节信息。融合之后的结果图像与原多光谱图像具有更高的相关系数和更小的光谱畸变度,并且信息熵和标准差较传统WT及CT更优,具有一定的实用性。     

一种基于梯度信息的小波SAR图像滤波方法

提出一种基于梯度的自适应小波滤波方法.这种算法利用梯度和纹理信息控制阈值的选取,使滤波器在平坦区域能够有效去除噪声、在边缘区域有效保持边缘.应用于SAR图像斑点噪声滤波,并与增强Lee,Frost滤波,Gamma MAP滤波和Kuan滤波几种算法的结果进行比较分析,表明这种算法不仅能有效去除斑点噪声还能很好地保持图像的边缘等细节信息.     

图纸扫描图像二值化阈值选取方法

提出了基于小波变换零交叉的图纸扫描图像自动阈值化方法，用小波变换零交叉描述不同尺度下的图像直方图细节信息，从而聚焦到直方图的任意细节，达到对阈值的精确选取，除了考虑像素点的灰度信息外，还顾及了像素点与其邻域的边缘信息。文中从理论上给出了该方法所得阈值的物理意义。实验表明，该方法同最大墙法相比具有更强的稳健性和自适应能力。     

基于多尺度分析的遥感影像融合研究

本文对SPOT5的多光谱波段和全色波段在像素级的融合层次上运用多尺度分析的方法进行了融合试验,主要用了小波变换和Curvelet变换的方法,这两种变换方法都能把图像分解为低频的近似图像和高频的细节图像,采用一定的融合规则对分解后的图像进行融合,并进行反变换得到融合后的图像,并把基于多尺度分析的融合结果与传统的融合方法进行了对比分析。结果表明,基于多尺度分析的融合方法比传统的PCA、Brovey融合方法效果要好;而Curvelet变换融合在光谱保持度及空间信息提高方面都比小波变换融合有所提高。     

数学形态学在遥感图像边缘检测中的应用

为有效提取边缘密度大的遥感图像中的边缘信息,本文提出了一种边缘检测的有效算法。该算法在数学形态学的基础上,针对图像中噪声和边缘形态的不同建立了多结构元素,利用灰度形态变换原理进行边缘提取,实验表明,与经典的边缘检测算子相比,该算法具有很好的边缘提取能力,但其抗噪能力较差,为此,笔者还探讨性地提出了基于小波变换和数学形态学相结合的边缘提取方法。     

基于内容的离散余弦变换域自适应遥感图像数字水印算法

提出一种适于遥感图像知识产权保护和机密信息传递的离散余弦变换域自适应数字水印嵌入算法,该算法能够通过数字水印置乱、嵌入位置自适应选取、嵌入深度智能调节等措施,将二值水印图像信息安全地嵌入到遥感图像(纹理区)的离散余弦变换域中高频系数内.实验结果表明:该遥感图像数字水印算法不仅具有较好的透明性,而且对诸如叠加噪声、JPEG压缩、平滑滤波、几何剪切、图像增强、马赛克等攻击均具有较好的抗差性,整体性能优于Ho等提出的数字水印嵌入方案.     

Fusion of multispectral and panchromatic Satellite images using the curvelet transform

A useful technique in various applications of remote sensing involves the fusion of different types of satellite images, namely multispectral (MS) satellite images with a high spectral and low spatial resolution and panchromatic (Pan) satellite image with a low spectral and high spatial resolution. Recent studies show that wavelet-based image fusion provides high-quality spectral content in fused images. However, the results of most wavelet-based methods of image fusion have a spatial resolution that is less than that obtained via the Brovey, intensity-hue-saturation, and principal components analysis methods of image fusion. We introduce an improved method of image fusion which is based on the amelioration de la resolution spatiale par injection de structures (ARSIS) concept using the curvelet transform, because the curvelet transform represents edges better than wavelets. Because edges are fundamental in image representation, enhancing the edges is an effective means of enhancing spatial resolution. Curvelet-based image fusion has been used to merge a Landsat Enhanced Thematic Mapper Plus Pan and MS image. The proposed method simultaneously provides richer information in the spatial and spectral domains.     

高分二号卫星影像自适应模糊阈值法小波去噪

高分二号卫星影像提供了丰富的图像信息,高分二号影像数据的发布打破了我国高分辨率对地观测数据长期依赖进口的局面。但是图像在传输和保存过程中会有噪声干扰,如果感兴趣区域受到污染,则会导致该区域内的影像信息不能被充分利用。为了解决高分二号遥感影像去噪这一难题,本文采用自适应模糊阈值法去噪方式,该方法根据各个尺度下噪声方差建立的自适应模糊阈值函数非线性处理后,重新构造作为新的小波系数,经小波逆变换后得到去噪图像。通过与均值滤波器滤波、高斯平滑滤波、中值滤波器滤波、小波全局阈值去噪和Birge-Massart策略阈值法去噪比较,结果表明,自适应模糊阈值去噪法充分结合软硬阈值处理方式的优点,既保留图像细节又使图像更加平滑,图像整体信息完好,去噪效果更为理想。     

A Novel Approach of Despeckling SAR Images Using Nonlocal Means Filtering

Synthetic aperture radar (SAR) is a day and night, all weather satellite imaging technology. Inherent property of SAR image is speckle noise which produces granular patterns in the image. Speckle noise occurs due to the interference of backscattered echo from earth’s rough surface. There are various speckle reduction techniques in spatial domain and transform domain. Non local means filtering (NLMF) is the technique used for denoising which uses Gaussian weights. In NLMF algorithm, the filtering is performed by taking the weighted mean of all the pixels in a selected search area. The weight given to the pixel is based on the similarity measure calculated as the weighted Euclidean distance over the two windows. Non local means filtering smoothes out homogeneous areas but edges are not preserved. So a discontinuity adaptive weight is used in order to preserve heterogeneous areas like edges. This technique is called as discontinuity adaptive non local means filtering and is well-adapted and robust in the case of Additive White Gaussian Noise (AWGN) model. But speckle is a multiplicative random noise and hence Euclidean distance is not a good choice. This paper presents evaluation results of using different distance measures for improving the accuracy of the Non local means filtering technique. The results are verified using real and synthetic images and from the results it can be concluded that the usage of Manhattan distance improves the accuracy of NLMF technique. Non local approach is used as a preprocessing or post processing technique for many denoising algorithms. So improving NLMF technique would help improving many of the existing denoising techniques.     

基于小波萎缩方法的图像小波去噪的研究

小波方法越来越广泛地应用到图像处理当中。小波萎缩方法是小波图像去噪方法中较为重要的方法之一。本文主要介绍了图像小波去噪中较常用的小波萎缩方法，并主要针对Bayes阈值，使用噪声方差邻域估计法加以研究和实现，并将几种阈值函数的去噪效果进行了对比。     

基于小波域隐马尔可夫树模型的SAR图像去噪

从小波变换和隐马尔可夫模型的理论出发,实现基于小波域隐马尔可夫树模型的图像去噪算法设计,并对具有乘性噪声的SAR图像进行去噪处理。结果表明,与传统的各种去噪方法相比,该算法对SAR图像的去噪效果非常显著,在去噪的同时能够很好地保持原图像的纹理细节特征,具有一定的应用价值。     

结合边缘信息的DT-CWT干涉图滤波算法

提出了一种结合边缘信息的双树复小波变换(dual tree complex wavelet transform,DT-CWT)干涉图滤波算法。该方法是在DT-CWT几何多尺度变换域上,通过分析层间系数的传递性及层内系数的相关性确定边缘系数,并利用贝叶斯双变量收缩函数分别对复数小波域的边缘及非边缘系数采用不同的阈值进行收缩处理。实验结果表明,本算法对干涉图噪声有较强的抑制能力,较大程度地保留了干涉图的边缘及细节信息,处理结果优于传统小波域软阈值去噪方法。     

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。     

基于纹理特征的图像恢复

在机器视觉和图像处理领域中,图像去噪是一个极其重要的问题,但在消除噪声的同时也丢失了图像中的纹理边缘信息。针对这一缺点,分析了图像去噪的难点,以UINTA(unsupervised,information-theoretic,adaptive filtering)方法为基础,对其作了改进,以信号能量为准则,分别从时域和频域的角度提出了一种纹理特征检测算子,利用该算子对滤除的残余图像重新识别,提取出被误判的纹理细节信息,然后把它补偿到滤波后的图像中,获得最终的去噪图像。实验结果表明,该方法在保留图像纹理特征的同时,有效地去除了图像中的噪声信息,提高了图像的信噪比,降低了均方误差,显著改善了图像的视觉效果,具有很强的实用性。     

基于第二代小波变换的脉搏信号去噪处理

小波变换在信号处理中有着广泛的应用,但是传统小波变换依赖于傅立叶变换,有大量的卷积运算,运算速度较慢。本文介绍了第二代小波变换的基本原理,并用其处理脉搏波信号。在滤除噪声时采用了一种新的阈值函数,消除了软阈值法和硬阈值法的局限性,第二代小波变换的结果与传统小波变换的结果对比表明第二代小波变换的处理效果优于传统的小波变换。