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。     

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。     

MODIS影像条带噪声去除邻域插值法研究

条带噪声是影响Modis影像质量和反演精度的重要因子,有些在频率域表现为高频信息和低频信息相混合。针对条带噪声形成的原因和规律性,以及对影像进行傅立叶变换频谱分析,比较了几种常用条带噪声去除方法及其局限性。提出了邻域插值法,编程实现自动定位噪声行,进行插值处理,取得了较好的去噪效果,并保留了影像的细部特征。     

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。     

一种新的去除遥感影像混合噪声组合滤波方法

提出了一种三层组合滤波的去噪方法,在小波BayesShrink阈值与自适应中值滤波的基础上增加第三层Wiener滤波,利用Wiener滤波对信噪比高的信号去噪效果好的特点可有效去除残留的混合噪声,为了在去噪过程中保留影像的边缘,在滤波过程中加入了边缘提取算法,对影像的细节进行保留使去噪后的影像更加清晰。试验表明,本文提出的三层滤波方法在去除遥感影像常见的高斯与脉冲混合噪声时,效果要明显优于传统的两层组合滤波算法。     

遥感图像高斯与椒盐噪声的PDE混合去噪模型研究

针对经过前期处理的遥感图像主要含有高斯噪声和椒盐噪声的特点,提出一种基于PDE的混合去噪模型,该模型克服传统的纯各向异性扩散模型在平滑区域过度扩散、产生阶梯效应和四阶PDE模型在去噪的同时过多损失边缘信息的弱点,在有效去除遥感图像中混合噪声的同时,很好地保持图像的边缘和纹理细节信息.实验结果验证所提出模型的有效性和稳定性.     

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。     

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。     

结合相似块匹配及线性最小均方误差滤波器的全极化雷达影像去噪

针对全极化合成孔径雷达Pol SAR(Polarimetric Synthetic Aperture Radar)影像相干斑噪声严重的问题,提出了一种结合相似块匹配和线性最小均方误差原理的去噪方法。该方法首先在原始影像上实现相似块组的匹配,进而利用线性最小均方误差滤波器对影像块组进行滤波得到初始去噪结果;然后,同时利用原始影像和初始去噪影像的信息进行相似块组的重新匹配,并再次利用线性最小均方误差原理对重匹配影像块进行去噪,得到影像最终的去噪结果。利用模拟的Pol SAR影像和高分三号卫星Pol SAR影像进行了算法效果的验证。结果表明,去噪算法在显著抑制影像噪声水平的同时,也能较好地保持影像的边缘和极化特性等细节信息。     

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。     

Single-Pixel Remote Sensing

In this letter, we apply a new sampling theory named compressed sensing (CS) for aerospace remote sensing to reduce data acquisition and imaging cost. We can only record directly single or multiple pixels while need not the use of additional compression step to improve the problems of power consumption, data storage, and transmission, without degrading spatial resolution and quality of pictures. The CS remote sensing includes two steps: encoding imaging and decoding recovery. A noiselet-transform-based single-pixel imaging and a random Fourier-sampling-based multipixel imaging are alternatively used for encoding, and an iterative curvelet thresholding method is used for decoding. The new sensing mechanism shifts onboard imaging cost to offline decoding recovery. It would lead to new instruments with less storage space, less power consumption, and smaller size than currently used charged coupled device cameras, which would match effective needs particularly for probes sent very far away. Numerical experiments on potential applications for Chinese Chang'e-1 lunar probe are presented.     

基于FFT稀疏压缩感知域内遥感图像融合

压缩感知理论因其远低于乃奎斯特采样率的特性,减少了大量的采样数据。基于这一特性,提出一种在压缩感知域内进行遥感图像融合的方法。该方法首先对图像作快速傅里叶变换(FFT);然后进行测量采样获取压缩感知域数据;再采用权重法对数据进行融合;最后通过重构算法得到融合图像。通过实验得出压缩感知域内遥感图像融合具有数据量少,融合效果好等特点。