小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

小波多尺度影像边缘聚焦算法

讨论了基于光滑函数的二维小波极大模边缘算子和小波过零点边缘算子及其特性。提出了多尺度二进小波变换过零点边缘聚焦算法。通过对不同尺度下小波变换的遥感影像进行复合、边缘提取和聚焦后结果进行比较，可以发现该算法适应影像空间尺度不确定性目标边缘提取。既可保证大尺度下的轮廓信息不失真，又能在边缘定位上保持很高的精度。     

采用小波和分形维的高光谱遥感影像特征提取

由于omis影像128个波段间具有较强的相关性,可对高光谱响应曲线采用小波分解,用噪声较小波段的部分高频信息代替噪声较大波段的相应高频信息对其进行小波降噪。再对降噪后的影像采用db4函数进行7级小波分解,对各级小波系数取一范数后,用最小二乘法对各级分解对应的范数在半对数坐标系下线性拟合,根据直线斜率求取各像元分维值,最后实现分类。通过实验,证明了此方法的有效性。     

基于样条二进小波的影象多尺度边缘检测

基于样条函数理论和二进小波理论，该文研究景象的多尺度边缘检测的理论和方法及不同样条小波系数对边缘的影响，并对遥感景影进了实验，得到了遥感影象的不同尺度的边缘。理论和实验结果表明，基于样条二进小波的影像多尺度边缘具有良好的特性，并可用于影象匹配等研究领域。     

小波变换用于高分辨率全色影像与多光谱影像的融合研究

将小波的多分辩率分析与ＩＨＳ变换相结合,提出了叠加融合的新方法。它先对高分辨率影像进行了小波分解,得到的各小波面叠加到多光谱影像经ＩＨＳ变换后的强度Ｉ影像像中,使得融合影像最大限度地保留了多光谱影像的光谱信息,保持了原多光谱影像的反差,同时提高了它的清晰度和空间分辨率。     

多尺度小波融合SAR影像边缘提取

本文在研究SAR影像地物边缘特征和灰度直方图分布规律的基础上,利用方向可调滤波器提取了边缘,并利用多尺度小波融合算法对提取的边缘进行了融合。实验证明,本方法在保持边缘连续性和准确性上取得了较为理想的结果。     

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     

基于向量场模型的多光谱遥感图像多尺度边缘检测

提出一种基于向量场模型的多光谱图像多尺度边缘检测算法,并在算法中引入两种梯度方向量化邻域模型。首先,对多光谱图像进行二进小波变换,得到每个波段图像在不同尺度上的细节系数,然后根据向量场模型计算多光谱图像的梯度幅值和梯度方向,选择适宜的邻域模型对梯度方向进行量化,最后沿量化后的方向获取由细到粗的多层次边缘信息。对QuickBird多光谱图像上农田、厂房等地物进行多尺度边缘提取,定性分析图像分辨率大小与地物尺寸关系在不同尺度边缘信息的表征;利用F测度,定量评价检测结果的边缘准确度。与传统算子检测结果对比表明,利用向量场模型综合所有波段的边缘信息,减少多波段图像边缘信息的不一致性,引入的量化邻域模型     

基于小波增强的改进多尺度形态梯度边缘检测算法

在形态学梯度边缘检测算子的基础上,综合多结构元和多尺度算法的特性,提出了一种基于小波增强的多结构元、多尺度边缘检测方法,用不同取向的结构元素对图像进行多尺度检测,并综合各尺度下的边缘,得到了噪声存在下的理想边缘。实验表明,本文方法边缘定位准确、轮廓清晰,保留了更多的图像细节,具有较强的抗噪能力。     

高分辨率遥感影像目标形状特征多尺度描述与识别

在高分遥感影像中,同类地物目标形状具有多样性,单一尺度或单一形状模版不足以描述同类目标的形状。本文利用小波变换和Fourier描述子构建了一种目标形状的多尺度描述模型,并基于该模型给出了一种新的面向对象的高分遥感影像目标识别方法。从上到下,该模型采用尺度依次减小的小波近似系数对原始形状进行近似表示,并利用Fourier描述子对其进行定量描述。利用语义规则综合考虑多个尺度下的识别结果,得到最终识别结果,减小小尺度下分割目标破碎和大尺度下小目标无法识别造成的影响,提高识别精度。基于本文方法分别对高分遥感影像中的飞机和建筑物进行识别,对比实验表明,该方法具有较高识别精度。     

基于改进二维离散希尔伯特变换的图像边缘检测方法

提出一种新的基于二维希尔伯特变换的边缘检测方法。对于频域信号而言,希尔伯特变换不改变信号的幅值,而仅仅改变其相位,即负频率的相位作+90°相移,而正频率作-90°相移。经由傅里叶变换后,边缘特征呈极值状态,因此本文利用二维离散希尔伯特变换实现边缘检测。由于二维离散希尔伯特变换结果具有方向性,提出利用两个呈正交性的二维离散希尔伯特变换的幅度平方和来检测图像边缘特征。此外将高斯核函数引入到希尔伯特变换中,以减少图像噪声对检测结果的影响,并根据PSNR(峰值信噪比)来确定最佳参数σ,从而得到理想的边缘检测效果。为验证该方法的检测结果,将所提方法与传统边缘检测算子的检测效果进行了比较分析,并将该方法运用于卫星遥感图像中,结果表明该方法可以有效地应用于边缘检测工作中。     

任意方向对称差值核的SAR图像边缘提取算法

由于现有边缘检测方法多存在对图像噪声的敏感性以及检测边缘的有限方向性等问题,因此在斑点噪声的影响下难以有效检测SAR图像中具有任意方向性且强度相近的区域间边缘。本文提出了一种任意方向对称窗口的SAR图像边缘提取算法。首先,以任意像素在图像中的格点位置为对称中心构建任意方向上的对称窗口;定义各窗口内像素到中心像素距离的核函数;以像素核函数为权重分别计算两对称窗口内像素光谱测度的加权平均值,并定义两者之差的绝对值为该方向上该像素隶属边缘的强度;选取所有方向中最大边缘强度作为边缘像素的判别标准。为去除错误提取的边缘像素,设计基于滤波操作的后处理过程。对模拟图像提取结果的定性及定量分析表明提出算法可在一定程度上克服噪声影响,较为准确地提取任意方向的边缘。     

一种新型雷达图像边缘提取技术

由于合成孔径雷达系统的有限带宽，使阶跃边缘变成斜坡型边缘，线条型边缘变成屋顶边缘，斜坡型边缘甚至难以探测。在本文中针对合成孔径雷达图像，提出了一种新型的边缘提取方法。这个方法分为二个步骤；首先根据图像亮度进行局部分割（如在一个5*5的窗口内），得到亮度不同的两个区域。第二步：将亮度不贩 两个区域边界作为图像的边缘，并根据亮度变化确定图像的边缘，将这个方法用于合成孔径雷达图像边缘提取，成功地提取了合成孔径雷达图像的边缘信息。     

高光谱图像数据变换编码压缩方法

三维ＤＣＴ变换编码包括谱段方向的一维ＤＣＴ变换和由此产生的特征值图像的二维ＤＣＴ变换编码。谱段方向一维ＤＣＴ变换的主要作用是去除光谱方向的数据相关性,并产生由ＤＣＴ系数构成的并与各个谱段相对应的特征值图像。特征值图像的压缩由ＪＰＥＧ算法完成,图像的压缩比由ＪＰＥＧ的量化因子ｑ控制。图像边缘特征对高光谱图像的应用具有非常重要的意义,在高光谱图像的压缩过程中要尽量保持图像的边缘特征。我们设计了具有图像     

一种适用于SAR图像边缘检测的序贯算法

提出了一种用于检测SAR图像上阶跃性边缘的序贯算法。由于SAR图像上存在大量的光斑噪声而使图像质量受到严重影响，而光斑噪声属于乘性噪声，不服从高斯分布，因此常用的图像处理方法难以取得好的效果。文中首先根据光斑噪声模型，自动确定图像中高反差部分，然后采用具有高抗噪性能的边缘检测算子，进行边缘提取。实验证明该算法明显提高了特征提取速度，同时具备良好的抗噪声能力。     

基于小波变换的图像边缘提取算法

在给出边缘检测性能判断标准和传统的模极大值点筛选的缺陷之后,基于边缘检测提出了改进的小波变换模局部极大值点算法。在这个基础之上,又针对交通系统的实时性,提出了一种改进的边缘信息的车辆检测算法,使得对运动车辆的边缘检测具有更加良好的效果。最后通过仿真实验,证明本论文提出方法的有效性,得到了多帧道路图像的边缘,较好地解决了传统边缘检测方法在边缘检测时会出现伪边缘和有意义边缘损失这两个问题,对将来车辆交通监控系统等方面的研究起到了一定的帮助作用。     

用改进的BP网络进行图像边缘检测

由于噪声的干扰,常规的图像边缘检测方法往往效果不佳,因此提出了一种基于改进BP网络的边缘检测方法。在充分考虑边缘和噪声本质区别的基础上,构造具有较强抗噪能力的特征向量,然后用样本图像对四层BP网络采用改进BP算法进行训练。最后,将训练后的网络用于图像的边缘检测。实验证明这种方法是有效的。