经验模式分解的尺度阈值滤波在变形分析中的应用

本文将信号处理领域的经验模式分解算法应用于变形信息的提取中,通过引入阈值函数,建立了基于经验模式分解的尺度阈值滤波模型,采用优化模型确定了经验模式分解的次数。分别通过模拟试验和实测数据与小波阈值法和多项式拟合法进行了比对,分析表明:在低噪声情况下,三种方法都有一定的滤波效果;在高噪声情况下,经验模式分解的尺度阈值滤波法具有与小波阈值去噪法相等的精度,而且瞬时强噪声识别能力更好,优于多项式拟合法。     

GPS多路径误差滤波方法比较研究

基于GPS多路径时间序列,分别采用Vondrak滤波、经验模式分解(EMD)和小波滤波3种方法构建了GPS多路径误差修正模型,并将其用于削弱多路径效应.通过对模拟数据及实测数据的分析表明,3种方法都能有效地分离不同噪声水平下时间序列中的信号和噪声.同时,利用3种方法构建的多路径修正模型可有效地削弱多路径效应的影响,提高GPS定位精度,但3种方法的优缺点各有不同.     

基于经验模式分解的滤波去噪法及其在GPS多路径效应中的应用

经验模式分解(Empirical Mode Decomposition,EMD)是一种新的信号处理技术,它是基于数据本身的,且能在空间域中将信号进行分解,从而可以区分噪声和有用信号。根据EMD分解白噪声而得到的本征模式函数(IMF)分量的能量密度与其平均周期的乘积为一常量这一特性,建立一种新的基于EMD滤波去噪方法,并将该方法应用于GPS多路径效应的研究中。通过对模拟数据与GPS实测数据的处理分析,得出以下主要结论:①EMD滤波去噪法与小波方法都能最大限度地削弱测量的随机误差,但EMD滤波去噪法比小波方法更直接,且不受测不准原理及小波函数选择的影响;②相比小波方法,EMD能够更有效地剔除瞬时强噪声,从而能够提取更精确的多路径效应重复性误差改正模型。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中，受到多种因素的影响，会含有各种噪声而降质。文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上，提出了一种自适应加权的遥感图像去噪滤波方法。该算法针对噪声图像上每一点，应用自适应加权算子，对于不同的图像区域，算子自适应地进行窗口大小和输出像素值的改变。试验证明，该方法优于传统的去噪滤波算法和AMF滤波算法，在滤除噪声的同时尽可能地保留了图像细节，对于遥感图像去噪增强具有很好的效果。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中,受到多种因素的影响,会含有各种噪声而降质.文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上,提出了一种自适应加权的遥感图像去噪滤波方法.该算法针对噪声图像上每一点,应用自适应加权算子,对于不同的图像区域,算子自适应地进行窗口大小和输出像素值的改变.试验证明,该方法优于传统的去噪滤波算法和AMF滤波算法,在滤除噪声的同时尽可能地保留了图像细节,对于遥感图像去噪增强具有很好的效果.     

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。     

经验模态分解和最小二乘支持向量机在大坝变形预测中的应用

由于受到温度、雨水冲刷等外在因素的影响,大坝变形时间序列数据会呈现出非线性和非平稳的曲线特性。为此,提出一种经验模态分解(EMD)和最小二乘支持向量机(LSSVM)相结合的大坝变形预测模型。首先,使用EMD对大坝变形时间序列数据分解成若干个不同尺度的本征模式分量(IMF);然后,利用LSSVM模型对各个IMF进行预测;最后,对预测的结果相加得到大坝变形预测值。以吉林市丰满大坝为算例,构建EMD-LSSVM预测模型,并与LSSVM模型对比分析,结果表明,EMD-LSSVM模型预测效果更好,精度更高,具有更好的实用型。     

基于经验模态分解的高分辨率影像融合

文章提出基于经验模态分解（Emp iricalMode Decomposition,EMD）的特征层影像融合模型。对多光谱波段影像进行IHS变换获得强度影像,采用行列分解实现一维经验模态分解的二维拓展,并用于分离高分辨波段影像与强度影像的细节特征信息,对高分辨率波段影像的高频与强度影像波段的低频进行重构获得融合后的强度影像,再通过IHS反变换获得融合影像。文章介绍了经验模态分解的基本原理,定义了经验模态分解的多尺度分解与合成结构,提出融合模型的技术路线。选择UICKB IRD影像的全色波段与多光谱波段进行融合实验,根据典型行（列）的EMD分析,确定经验模量的取舍尺度,按提出的融合路线获得融合影像,并与小波融合,IHS融合,Brovey融合模型获得的影像进行视觉及量化比较。选择信息熵、标准差指标对融合影像的空间细节信息进行评价,同时选择平均灰度值、相关系数、偏差指数评价融合影像的光谱扭曲程度,结果表明本融合模型最优。     

全波形激光雷达回波分解方法

全波形激光雷达的回波中携带了被测目标的距离与特征信息,为了获取这些信息,本文提出了一种回波分解方法。本方法将原始的全波形回波分解为几个独立的高斯脉冲,并得到其函数表达式,从而提取出被测目标的距离等信息。分解过程中,首先,采用可变阈值的经验模态分解滤波法(EMD-soft)对原始波形进行滤波和噪声水平评估;其次,采用一套应对多种波形组成的初始参数估计方法,获取后续拟合所需的初始参数;最后,采用LM(Levenberg-Marquardt)优化算法对回波进行拟合优化,从而获取全波形回波中包含的独立高斯脉冲及其函数表达式。仿真波形的分解实验表明,分解误差在0.1 ns量级,换算成距离误差为15 mm,通过实验室自制的全波形激光雷达实验系统获取的回波的分解实验表明,分解的距离误差小于0.1 m。对比另外两种高斯分解方法对于相同仿真与实验数据的分解结果可以看出,本方法在分解成功率与精度上都有较大的提高。回波分解后的独立高斯脉冲中,除距离外还含有被测目标的反射率、粗糙度、面型等丰富的信息,回波分解方法作为回波分析的基础,将在遥感、测绘等生产与科研领域中发挥非常重要的作用。     

基于小波分解的多窗口图像融合

提出了一种基于小波分解的多窗口图像融合方法,通过对不同分解层的图像采用不同大小的窗口进行处理,得到了较单窗口图像融合方法效果更佳的融合图像.     

基于经验模态分解的高分辨率影像融合

High resolution image fusion is a significant focus in the field of image processing. A new image fusion model is presented based on the characteristic level of empirical mode decomposition （EMD）. The intensity hue saturation （IHS） transform of the multi-spectral image first gives the intensity image. Thereafter, the 2D EMD in terms of row-column extension of the 1D EMD model is used to decompose the detailed scale image and coarse scale image from the high-resolution band image and the intensity image. Finally, a fused intensity image is obtained by reconstruction with high frequency of the high-resolution image and low frequency of the intensity image and IHS inverse transform result in the fused image. After presenting the EMD principle, a multi-scale decomposition and reconstruction algorithm of 2D EMD is defined and a fusion technique scheme is advanced based on EMD. Panchromatic band and multi-spectral band 3,2,1 of Quickbird are used to assess the quality of the fusion algorithm. After selecting the appropriate intrinsic mode function （IMF） for the merger on the basis of EMD analysis on specific row （column） pixel gray value series, the fusion scheme gives a fused image, which is compared with generally used fusion algorithms （wavelet, IHS, Brovey）. The objectives of image fusion include enhancing the visibility of the image and improving the spatial resolution and the spectral information of the original images. To assess quality of an image after fusion, information entropy and standard deviation are applied to assess spatial details of the fused images and correlation coefficient, bias index and warping degree for measuring distortion between the original image and fused image in terms of spectral information. For the proposed fusion algorithm, better results are obtained when EMD algorithm is used to perform the fusion experience.     

基于经验模式分解的滤波去噪方法研究进展

回顾经验模式分解技术的原理和滤波性质,及目前基于经验模式分解的滤波去噪算法,包括部分本征函数模态分量重构法、软阈值法、最优信号重构算法等;分析上述滤波方法在分离信号噪声方面的适用性及其可能的改进措施;最后讨论传统的周期函数拟合模型在GPS高程时间序列噪声提取中应用的局限性,提出经验模式分解应用于GPS高程时间序列噪声提取与研究的新思路。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与金色图像的融合，提出了基于IHS变换和小波包变换的遥感图像融合新方法。该方法首先对多光谱图像作IHS变换得到3个分量：亮度I、色度H和饱和度S；其次利用小波包变换融合方法融合多光谱图像的亮度分量与金色图像，并用融合后的图像替代多光谱图像的亮度分量；最后作IHS反变换得到新的多光谱图像。实验分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法，在保留多光谱图像光谱信息的基础上，增强了融合图像的空间细节表现能力。     

基于光谱信息的遥感图像空间域自适应滤波

遥感图像往往由于内外因素的干扰含有各种噪声 ,为提高图像质量人们对其进行滤波。常规的滤波方式完全基于图像空间域 ,在消除异常点使图像平滑的同时使边界变得不清楚从而使图像模糊 ;或者正相反 ,在边缘信息得到增强时也放大了图像噪声而使图像变得粗糙。该文的自适应滤波方法充分利用多光谱和高光谱遥感图像的光谱维信息 ,滤波时不仅要使均匀的地块得到平滑 ,而且要使地块间的边缘、局部的异常点、线仍然得到保存、在光滑的同时尽量保持原有的数值特征     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与全色图像的融合,提出了基于IHS变换和小波包变换的遥感图像融合新方法.该方法首先对多光谱图像作IHS变换得到3个分量:亮度I、色度H和饱和度S;其次利用小波包变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像替代多光谱图像的亮度分量;最后作IHS反变换得到新的多光谱图像.实验分析表明,新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法,在保留多光谱图像光谱信息的基础上,增强了融合图像的空间细节表现能力.     

结合双边滤波Retinex和图像融合的图像去雾方法

针对传统的去雾方法对无人机有雾图像进行去雾时存在细节丢失严重、去雾效果差等问题,本文提出了一种结合双边滤波视网膜反应（Retinex）算法和图像融合的图像去雾方法。首先,利用双边滤波Retinex精确计算入射分量,对亮度分量进行双边滤波Retinex处理。其次,对两个色彩空间处理后的影像进行图像融合。最后,本文以两景无人机有雾图像为实验数据进行实验,结果表明,本文方法的标准差和信息熵等指数整体上升,能获得细节与色彩较好的去雾影像。     

多源遥感图像融合的数据对象选择

多源遥感图像融合处理能够综合利用来自多种传感器的遥感图像,获得关于同一目标/场景的更为准确、全面和可靠的描述。针对不同的应用目的、图像融合算法和传感器特性,遥感图像融合的数据对象选择有所不同。分析影响遥感图像融合数据对象选择的这三个方面主要因素,总结一些以往成功的多源遥感图像融合中数据对象的组合模式,给出具体的传感器组合应用实例。     

小波分解融合在图像去云处理中的应用

卫星遥感所使用的传感器和波段往往选择在可见光、红外和近红外波段范围,在这些波段范围的电磁波无法穿透云层,因此借用多时相的数据融合手段可以获得因云层而损失掉的信息。本文使用了加法小波分解进行灰度图像的融合,所提的方案简单有效。实验结果反映了卫星图像上被云层覆盖的信息复原的效果。     

基于IHS变换的最优树分解在遥感图像融合中的应用

探讨了遥感多光谱与全色波段图像的融合问题，分析了基于IHS变换的小波包变换分解的遥感图像融合方法，提出了基于最优树分解的融合方法。此方法首先将多光谱图像进行IHS变换，然后对I分量和全色图像进行小波包分解和最优树分解，再进行融合，最后进行IHS 逆变换得到融合图像。此方法不仅得到较好的图像主观视觉效果，而且兼顾了客观上熵最大的原则。     

基于像素和区域特征组合的小波变换图像融合

小波变换的图像融合是一种多尺度、多分辨率的图像融合方法。本文针对基于单像素和基于区域特征融合的不足,提出一种两者组合的方法,在小波分解的低频系数采用基于像素最大值选择规则,高频系数采用区域窗口内源图像的均值滤波掩膜叠加规则,并通过与其他方法定量和视觉比较,表明该方法能很好地提高影像的分辨率和保留原有多光谱影像的光谱信息,融合效果较好。