遥感影像条带噪声去除的小波变分法

为了避免条带噪声去除过程中丢失影像细节,提出一种基于小波变分法去除遥感影像条带噪声。首先,对含有条带噪声的遥感影像进行小波分解;其次,通过构建的条带保留变分模型(SPVM)去除低层高频分量(含条带噪声)中的细节信息而保留条带噪声,从而有效分离出低层高频分量(含条带噪声)中的细节信息;通过构建的条带去除变分模型(DVM)去除高层高频分量(含条带噪声)中的条带噪声,从而有效地保留高层高频分量(含条带噪声)中的细节信息;最后,通过小波重构,获得去噪影像。试验证明本文方法在去除条带噪声的同时基本没有丢失影像细节,去噪后的影像对比度及质量都是最优的。     

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。     

联合非局部均值与小波域维纳滤波的去噪方法

针对传统小波阈值与维纳滤波方法对合成孔径雷达(synthetic aperture radar,SAR)影像去噪后效果不太理想的情况下,提出了一种基于非局部均值与小波域维纳滤波联合的SAR影像相干斑抑制方法。首先,对SAR影像进行小波分解,将影像及噪声引入到小波域中;然后,对分解出的低频部分进行非局部均值处理,高频部分进行维纳滤波;最后,对处理后的低频和高频部分进行小波重构,得到去噪后的影像。实验结果表明,所提的去噪方法不仅能够有效去除相干斑噪声,而且较好地保持了图像的纹理结构等信息。与传统的小波阈值与维纳去噪方法相比,在等效视(ENL)数、峰值信噪比(PSNR)和结构相似性(SSIM)指标上有明显改善。     

基于多进制小波遥感影像融合的研究

为监测地面沉陷区的动态演化信息,探讨了基于多进制小波变换与RGB特征融合相结合的遥感影像融合方法。在融合过程中,首先对高分辨率全色影像和多光谱影像进行M进制小波分解,再将高分辨率影像的高频分量分别与多光谱影像的R,G,B波段高频分量以区域能量为融合准则进行特征融合,形成新的高频分量,然后与多光谱影像的低频分量进行多进制小波逆变换,最后经RGB合成为彩色影像。结果表明,该方法既改善了影像的清晰度和分辨率,同时也保留了原影像的光谱信息,利用融合后的影像进行地面沉陷区监测,效果明显提高。     

改进的二维小波超分辨率重建方法

对传统的二维小波超分辨率重建方法进行了研究,针对原有方法小波分解高频分量双三次插值会引入噪声的情况,提出了一种利用傅里叶变换零填充重采样代替原有双三次插值的改进算法.获得精确的高频细节信息是单帧影像超分辨率重建过程的关键,改进方法利用傅里叶变换零填充重采样可获得频率域理想插值的优势,将其用来处理原图像小波分解后的高频,可在不引入噪声能量的同时对高频信息进行理想插值,使高频细节在重构过程中更加精准.通过理论分析和试验验证,改进方法优于传统方法,可较好地应用于遥感影像的超分辨率重建.     

结合双树复小波变换的四阶偏微分影像去噪方法

针对低阶偏微分方程去噪模型通常会使图像的灰度趋于分段常量而产生阶梯效应的问题,结合小波多尺度分解在图像处理中的应用,提出一种结合双树复小波变换(DT-CWT)的四阶偏微分方程(PDE)影像去噪模型。首先采用DT-CWT对噪声影像进行多尺度分解,保留分解后的低频分量不变,其他层复高频分量采用四阶PDE去噪模型去噪,然后重构相应层的高、低频分量,得到最终去噪后影像。对不同噪声强度下的ZY-3卫星影像去噪实验的结果表明,采用本文方法去除遥感影像噪声相比现有方法得到的去噪结果信噪比平均提高了1~2 d B,提高了去噪影像的结构相似度,在有效去除影像高斯噪声的同时能够较好地保留图像细节信息。     

一种低动态高抖动环境下的GPS/INS紧组合方法

针对低动态高抖动环境下,影响GPS/INS紧组合精度的重要因素——惯性测量单元(IMU)数据中的噪声,该文提出利用小波降噪方法分离IMU数据中的噪声和有用信号以提高GPS/INS紧组合的精度。首先对IMU数据进行小波分解后得到的高频系数进行阈值量化处理,然后将GPS观测数据与降噪后的IMU数据进行GPS/INS紧组合解算,最终得到载体的导航信息。实例结果表明,该方法可以大幅提升GPS/INS紧组合的精度和稳定可靠性。     

基于小波变换的沿海滩涂LIDAR影像降噪研究

LIDAR 数据的精度受到多种因素影响,选择合适的模型优化LIDAR影像,分离LIDAR观测数据与噪声,可有效提高LIDAR数据精度.本文研究基于小波变换的LIDAR影像降噪模型,并将小渡降噪与各种常规方法进行对比分析,选择客观评价指标比较各方法的降噪效果,认为小波变换法更适合LIDAR影像降噪,能保留更多的有效信息.     

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。     

基于自适应噪声抵消与小波滤波的GPS监测误差分析

对GPS载波相位测量误差进行了理论分析和试验研究。根据噪声特征以及它们对载波相位测量结果的影响，提出了基于自适应噪声抵消与小波滤波相结合的GPS噪声抑止方法。对具有强相关特性的多路径误差采用自适应噪声抵消方法，而对于不相关的高频噪声则通过合理选择小波分解层数对信号进行分解，对作用闽值后的小波系数进行重构，得到最后的变形信号。实测数据分析表明，该方法能有效地削弱多路径效应及测量随机噪声，较用单一方法对GPS数据进行消噪处理有较大的优越性。     

采用IDL小波工具优化高光谱影像光谱特征匹配分类

光谱特征匹配分类是常用的高光谱影像分类、识别地物的方法,针对高光谱影像提取植被盖度存在的问题,文章根据高光谱遥感影像处理的方法,采用EO-1卫星在广州市过境的Hyperion高光谱影像,以＂广州南肺＂万亩果园作为试验区,经过大气纠正——最小噪声分离变换（MNF）——最纯净像元指数计算（PPI）——提取植被的端元,以此作为研究区识别植被的参考样本,进行光谱特征匹配提取植被盖度。其中提出利用连续小波变换对参考端元的波谱曲线降噪的方法,旨在优化光谱特征匹配,以提高识别植被的精度。实验结果表明,这种辅助匹配的方法能有效提高识别植被的精度。     

基于小波域的InSAR干涉图噪声识别与估计

为识别InSAR干涉图噪声的类型,从而更有效地进行干涉图处理,提出一种基于小波变换的干涉图噪声类型识别方法。该方法结合小波变换和对数变换算法,从能量和分布特征两个角度,对经小波变换后的InSAR干涉图小波系数的特点进行分析。首先研究低频子带小波系数在对数变换前后的能量分布特点,以此识别干涉图的噪声类型,然后在此基础上利用高频子带系数估计噪声的大小。分析结果显示,干涉图中的噪声为加性噪声,且干涉图高频系数呈高斯正态分布,其噪声大小可用尺度1上的HH子带系数估计。这些结果对在小波域内进行InSAR干涉图噪声的分析与处理具有一定指导意义。     

基于小波特征融合的Hyperion影像降维方法

根据影像中地物光谱曲线的小波特征点确定地物识别的合适光谱分辨率,通过融合原先若干窄波段生成具有适合地物识别光谱分辨率的宽波段数据,达到降维高光谱数据的目的。文中对hyperion影像进行坏线和Smile效应去除,经过FLAASH大气校正,得到155个波段。对提取的八类地物的样本平均光谱进行DB4小波分解,计算小波细节系数方差;以小波细节系数信息熵作为特征点,得出不可渗透表面、居民地、水田、裸土4类地物识别适宜光谱分辨率为80nm,其余地物识别适宜光谱分辨率为160nm。以窄波段间的活跃度为指标进行融合,生成降维后的宽波段分别是21个波段和11个波段。8类地物在3尺度和4尺度下的分类结果说明降维影像能满足应用需求,提出的降维方法可行。     

基于多进制小波变换的遥感影像融合

首先介绍了遥感影像融合的理论和方法 ,然后在讨论多进制小波理论的基础上 ,提出了一种基于特征的多进制小波变换的影像融合算法 ,该算法根据待融合影像分辨率之比确定采用多进制小波 ,从而最大限度的利用了待融合影像的信息 ,防止影像信息的丢失。通过对具体影像的实验 ,证明融合后的影像最大限度地保留了待融合影像的光谱信息 ,同时提高了待融合影像的清晰度和空间分辨率。文中给出了SPOT全色影像与SPOT多光谱波段影像、SPOT全色影像与TM影像的融合结果 ,并与其他方法进行了比较 ,证明了本方法的优越性和自适应能力     

利用小波变换的高分辨率多光谱遥感图像多尺度分水岭分割

为了减少仅用分水岭变换而导致的过分割问题,本文提出利用小波变换的多尺度处理方式用于融合后多光谱QuickBird图像的分割。整个分割过程包括多尺度图像表示、图像分割、区域合并和结果映射等过程。首先,依据原始图像的大小确定分解尺度并用小波变换产生各波段的低尺度图像。采用相位一致模型提取各近似系数的梯度,并逐尺度地融合各梯度图。分析不同尺度下的不同地物的局部梯度方差,以选择最佳的小波分解尺度。然后,通过移动阈值与扩展最小变换,利用多层次标记提取方法标记均质区域。进而,在梯度重建的基础上利用标记分水岭变换得到分割图像。其次,采取空间相邻关系、面积、光谱与纹理等多约束策略,以搜索最小合并代价的方式合并最初分割区域中的邻接区域对。最后,修改细节子图并进行小波逆变换将最初分割结果投影到更高尺度图像,同时处理边界上的像元以保持区域边界直至原始图像。实验结果表明本文方法不仅能够用于高分辨率多光谱遥感图像的分割,而且缓解了过分割问题且取得了较准确的分割效果。     

小样本的高光谱图像降噪与分类

在样本数目稀少情况下实现高光谱图像精细分类是个挑战性的问题。高光谱图像信噪比提高比较困难,噪声大小对分类结果有最直接的影响。利用高光谱图像相邻波段之间的相关性和相邻像素之间的相关性,提出多级降噪滤波的高光谱图像分类方法,通过改进的两阶段稀疏与低秩矩阵分解方法,去除高光谱图像中能量较高的噪声,利用主成分分析方法去除高光谱图像中能量较低的噪声,引导滤波方法去除分类结果图中的"椒盐噪声"。选取两幅真实高光谱图像进行实验,结果表明,两阶段稀疏与低秩矩阵分解法和主成分分析法两种降噪方法具有较强的互补性;引导滤波方法使得分类图更加平滑且分类精度更高。与其他光谱空间分类方法相比,本文方法分类精度更高,且在样本极少时能获得很高的分类精度。     

基于小波变换的多光谱图像压缩方法

在分析多光谱图像小波变换后系数特点的基础上,提出了一种共享有效图的小波变换压缩方法（ＳＳＭＷＴ）。该方法将小波变换压缩技术中的零树编码推广到多光谱图像压缩中,利用多光谱图像的结构相关性,对多幅小波图像只需构造一幅有效图,同时去除空间冗余和谱间结构冗余,并与Ｋ－Ｌ变换相结合,进一步去除谱间统计冗余,实验表明了该方法的有效性。     

基于小波变换的单频GPS快速精密定位整周模糊度的解算

对于GPS短基线,载波相位双差观测量已基本消除了卫星轨道误差、钟差、大气折射误差等系统偏差的影响,主要包含距离观测量信息及随机测量误差,其中测量误差是高频的测量噪声,小波变换可将GPS载波相位双差观测量中的观测噪声(高频部分)分解出来。本文利用Coiflets小波基函数对GPS快速定位的原始载波相位双差观测量进行5层分解,通过重构第5层低频系数获得去除噪声的"干净"的载波相位双差观测量,然后利用"干净"的双差观测量进行最小二乘参数估计,以减小测量噪声对GPS快速定位病态方程解的扰动。计算结果表明该方法能够显著提高GPS快速定位中模糊度浮点解的精度,仅利用几个观测历元的数据就可以准确地固定模糊度。