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。     

一种遥感影像混合噪声的去噪方法

为了减弱遥感影像噪声的影响,提高影像使用价值,提出了一种新的针对遥感影像混合噪声去噪的组合滤波,即基于三维块匹配和自适应中值滤波的去噪方法;此外使用rbio3小波和db20小波替换传统三维块匹配参数,进行两个仿真试验和一个真实遥感图像去噪试验。结果表明：本文方法在去除遥感影像常见的脉冲与高斯噪声方面,效果优于传统滤波方法。     

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。     

基于高斯马尔可夫随机场混合模型的纹理图像分割

针对以高斯马尔可夫随机场中的邻域像素互作用参数为特征、以高斯混合模型为分类器的二步纹理图像分割方法,提出一个两者相互结合的一步模型———高斯马尔可夫随机场混合模型,并给出其EM算法的迭代计算公式。利用该模型进行纹理图像的分割实验,发现该算法在纹理图像分割的精度上比前者有较大程度的提高。     

基于高斯混合模型的遥感影像半监督分类

提出了对每一类地物的光谱特征用一个高斯混合模型(Gauss mixture model,GMM)描述的新思路,并应用在半监督分类(semi-supervised classification)中。实验证明,本方法只需少量的标定数据即可达到其他监督分类方法(如支持向量机分类、面向对象分类)的精度,具有较好的应用价值。     

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。     

基于高斯滤波的回波信号去噪方法的研究

当采用高斯滤波的方法对全波形激光雷达回波数据去噪处理时,高斯函数宽度和高斯滤波模板长度不同,去噪效果不同。本文通过设定不同的高斯函数宽度和高斯滤波模板长度,对回波信号进行去噪处理。实验结果表明,将激光雷达的发射脉冲半宽作为高斯函数宽度,高斯滤波模板长度设为9,对回波数信号进行去噪处理,滤波后的数据既保留了原有的信息,又得到了很好的平滑处理,取得了较为理想的去噪效果。     

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。     

高斯混合模型自动阈值法遥感冰川信息提取

利用阈值法进行遥感地物提取效率高、准确率高,但是在阈值的选取方面,传统的手动选取阈值,自动化低,需反复试操作,且易受主观因素影响。文中通过期望最大算法对局部冰川区域归一化雪覆盖指数建立高斯混合模型,去除区域内的混合像元类,再利用高斯混合模型模拟纯净化后的冰川类、非冰川类的NDSI分布情况,根据改进后的高斯混合模型分布情况,自动计算出区域内的冰川提取阈值。本文对不同海拔的3个区域进行算法实验,然后将新疆哈密的哈尔里克山冰川提取边界与冰川编目数据进行对比验证。研究结果表明,该方法自动计算的冰川提取阈值结果可靠、精度高,在差异较大区域仍较稳定,有一定的应用价值。     

顾及上下文信息的混合广义高斯密度模型遥感影像分类方法研究

提出了一种基于混合广义高斯密度模型(generalize Gaussian mixture model,GGMM),并顾及影像上下文信息的遥感影像分类方法。试验结果表明,该方法具有较强的鲁棒性,分类精度较传统的分类方法要好,在细节保持方面,较某些尺度上的面向对象的分类方法要好。     

一种基于压缩感知的遥感影像混合去噪模型

针对遥感影像噪声通常由光学噪声和电噪声组成的特点,提出了一种基于压缩感知的混合去噪模型。该模型结合了压缩感知原理和自适应中值滤波算法,分别在小波域与空间域对影像进行去噪。实验结果证明了混合模型在有效抑制影像中噪声的同时,可以保持较高的信噪比和归一化方差,有较高的图像的纹理和边缘信息保持能力。     

一种基于高斯混合模型的遥感影像有指导非监督分类方法

提出了一种遥感影像非监督分类的新方法GMM-UC。该方法以有限混合密度理论为基础,认为遥感数据由有限个子高斯分布以一定比例“混合”而成,通过改进EM算法自动确定子高斯分布及其参数,再从中“还原”出各个地物类(各子高斯分别对应一类地物)。实验结果表明,该方法获得了较好的分类效果,一定程度上避免了传统非监督分类方法的缺陷,扩大了非监督方法的应用范围。     

高斯加权的遥感影像中值滤波及其快速算法

中值滤波算法能有效抑制椒盐噪声和高斯噪声,是一种广泛应用的遥感图像预处理方法。针对标准的图像中值滤波算法中在方形邻域窗口进行简单排序而没有考虑与中心像素距离的不足,提出了一种对邻域像素使用高斯加权的中值滤波算法,并使用C语言进行了快速实现。普通图像、光学和SAR遥感图像的实验表明,新算法具有更好的噪声抑制性能,且计算效率与经典算法有大幅提高。     

一种云模型和期望最大聚类的遥感影像分割算法

为解决遥感影像分割中存在的不确定性问题和传统层次聚类算法中存在的时间复杂度高、缺乏可再分性等缺陷,基于云模型和期望最大聚类提出了一种新的遥感影像分割算法。该算法首先使用峰值法云变换从影像中抽取底层概念,然后通过EM算法对底层概念进行聚类,最后通过极大判别法完成遥感影像分割。实验证明,EM算法进行概念聚类能够快速地将概念分类为指定个数,并估计出高阶云概念的数学特征,相比于传统的基于云模型的遥感影像分割算法具有更好的分割效果。     

基于小波理论的遥感图像高保真压缩方法研究

根据遥感图像局部相关性较弱、纹理复杂丰富的特点,提出了基于小波分析理论的自适应标量、矢量混合量化压缩方法。该方法根据遥感图像小波变换后高频子图的局部块纹理强弱将这些块划分为４类,对平坦块进行高倍压缩,对纹理块进行高保真压缩,使各块的恢复误差大致平衡。其主要特点是避免了矢量编码过程中的码书训练和码书搜索,因而时间性能好,并且对单幅图像的压缩比和峰值信噪比（ＰＳＮＲ）优于ＪＰＥＧ方法。此方法与ＫＬ变换去波段相关技术相结合,应用于多波段遥感图像压缩领域,收到了良好的效果。     

一个基于语义挖掘的遥感影像检索模型

通过建立一个三级影像内容描述模型,挖掘出隐含在不同影像不同区域中的语义特征;假定每一幅影像必包含感兴趣区域和非感兴趣区域,在此基础上重新组织用来描述影像内容的语义特征,利用此特征进行影像检索。实验结果表明,该模型能很好地提取出影像内隐含的语义特征;同时使用感兴趣影像和非感兴趣影像进行检索,能够很好地提高检索精度,并且降低了检索的复杂度。     

基于高斯混合模型的遥感信息提取方法研究

高斯混合模型(Gaussian mixture model,GMM)可以描述遥感数据的概率密度函数,通过估计各高斯分布的参数,计算后验概率,实现信息提取.为了提高利用GMM进行遥感信息提取的准确度,首先在GMM中使用马尔科夫随机场(Markov random field,MRF)计算各像元邻域内各类地物的先验概率,代替各类地物的混合概率,使其反映出各类地物的空间相关性;然后在参数估计过程中利用模拟退火(simulated annealing,SA)思想获得全局最优的参数估计值;最后利用该参数估计值求出每个像元对于各类地物的后验概率,获得各类地物的空间分布.通过对遥感实验场的图像数据进行信息提取,发现所述新方法取得了更好的效果,证明了上述改进的有效性.     

一种融合光谱匹配和张量分析的高分辨率遥感影像目标探测器

提出了一种基于光谱分析理论和张量代数理论的高分辨率遥感影像目标探测器。首先在向量空间中对目标光谱进行特征匹配;然后对光谱特征与目标相似的像素进行空间\\|光谱特征一体化张量描述,进而在张量特征空间中对目标和背景进行分类。实验表明,张量学习机能够有效地对高分辨率影像进行目标识别。加入光谱特征匹配后的目标探测器能够极大地降低目标探测时间,同时进一步提高目标探测精度。