结合NSCT和KPCA的高光谱遥感图像去噪

针对高光谱遥感图像易受噪声干扰,本文提出了一种基于非下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和核主成分分析KPCA(Kernel Principal Component Analysis)的去噪方法。首先对高光谱各波段图像进行NSCT分解;然后利用KPCA对NSCT系数进行处理,并在KPCA重构时依据各类噪声的特性选取合适的主成分;最后用处理过的系数进行逆变换得到去噪图像。实验结果表明,本文方法抑制了高光谱遥感图像中的噪声干扰,较完整地保留了原始数据的有效信息。     

基于提升格式小波包变换的SAR图像去噪

基于信号和噪声在提升格式小波分解中呈现出的不同特性,提出了一种新的小波包去噪算法。该算法采用提升格式小波对SAR图像进行最优小波包分解,并计算每个子频带的能量范数,然后根据软阈值法和能量范数区分信号和噪声,达到去除噪声的目的。试验结果表明,该算法对SAR图像具有较好的去噪效果,不仅可以去除图像中的大部分噪声,而且可以较好地保留图像纹理的细节信息。与传统小波包算法相比,其计算速度快了一倍左右。     

基于AMSS方程的道路影像去噪方法

对道路影像进行去噪处理是道路提取(识别)的重要前提步骤,处理过程中不仅对滤波器的去噪性能有较高的要求,同时对其保持边界的性能要求更高.AMSS(Affine Morphological Scale Space)方程是唯一同时满足对比不变性和仿射不变性的方程.文中从AMSS方程的理论基础着手,从数学角度深入分析了用该方程进行图像处理时能够使图像在去除噪声和保留边缘信息之间达到平衡的内在机理.然后,通过对用于道路提取的遥感影像特征的分析,研究了AMSS方程在遥感影像道路处理中的应用.理论分析与试验表明,文中提出的方法具有良好的效果.     

基于小波萎缩方法的图像小波去噪的研究

小波方法越来越广泛地应用到图像处理当中。小波萎缩方法是小波图像去噪方法中较为重要的方法之一。本文主要介绍了图像小波去噪中较常用的小波萎缩方法，并主要针对Bayes阈值，使用噪声方差邻域估计法加以研究和实现，并将几种阈值函数的去噪效果进行了对比。     

小波函数对侧扫声纳图像滤波效果的影响分析

侧扫声纳技术应用日益广泛,已成为海洋测量的重要工具,而去除噪声处理是对侧扫声纳图像进行正确判读的前提。利用小波函数滤波处理的方法,分别采用Haar、Daubechies、Coiflets、Symlets、Discrete Meyer、Biorthogonal、Reverse Biorthogonal等小波函数与中值滤波函数对侧扫声纳图像进行处理,并以平滑指数和边缘保持指数为评价指标,对滤波效果进行定量比较。试验表明,小波函数可以有效地平滑声纳图像,并能保持其较好的边缘效果。     

基于二代Curvelet变换的自适应图像去噪

小波变换不能够最优地表示图像的边缘,而Curvelet变换硬阈值去噪后的图像过于平滑。二代离散Cur-velet变换运算速度非常快,而且基于Bayes原理的自适应阈值选择是子带变化的,具有最小的Bayesian风险。提出了一种基于二代Curvelet变换同Bayes原理相结合的自适应图像去噪算法,实验结果表明,该算法不仅能够有效地去除了噪声、较好地保留了图像的边缘信息,而且运算快速。     

基于非抽取小波变换贝叶斯估计的水下红外图像去噪

利用非抽取小波变换的平移不变性和冗余性的特点,在贝叶斯估计下,结合广义高斯分布(GGD)对小波系数进行建模,构造了一个基于拉普拉斯分布的MapShrink子带自适应图像去噪算法和阈值函数。对HH1子带小波系数进行2j抽取,并估计噪声方差,该算法有效地抑制了伪吉布斯现象。仿真结果表明,利用新算法进行水下红外图像去噪,在信噪比增益和最小均方误差意义上均优于传统的Bayesian去噪方法。     

结合残差编解码网络和边缘增强的遥感图像去噪

高分辨率遥感图像去噪对于提高后续图像分析、识别等问题的准确性具有重要意义。目前的去噪算法普遍存在去噪结果边缘信息模糊、易产生视觉伪影导致遥感信息丢失的缺点,针对以上问题本文提出了一个基于边缘增强的残差编解码去噪网络用于高分辨率遥感影像去噪。该方法首先将噪声图片通过低通滤波器分解成高频层和低频层,然后将含噪声信息的高频层输入到带残差模块的编解码网络中,通过采样运算在多尺度空间上学习残差映射生成残差图像,最后使用跳跃连接得到完整的去噪结果。其损失函数由逐像素和感知损失两部分组成,逐像素损失使用传统的均方根误差学习像素级信息,感知损失学习语义特征上的差异可以保留更多边缘信息,最终得到更清晰的结果,其中感知损失是由级联在后的语义分割网络提取的特征图定义的。本文对不同测试数据做去噪实验并与几个经典方法对比证明本文模型的去噪结果优于其他方法,不仅提高图像的峰值信噪比,得到最高的平均梯度值,还在视觉上取得了最清晰的结果。实验结果表明,本文提出的基于边缘增强的深层编解码卷积网络在去噪的同时可以改善边缘细节被模糊的问题,保留更多遥感地物信息,提高图像视觉效果。     

气象遥感图像去噪预处理方法研究

针对静止轨道遥感卫星上多通道扫描型载荷成像、传输与存储过程中,存在数据质量下降等问题,本文在经典三维块匹配算法（Block Matching 3D,BM3D）基础上,提出一种基于多层级小波分解的并行执行策略。首先,使用小波变换对原始气象遥感图像分解,得到4个图像分量;其次,将所得图像分量进一步进行3级分解,并选择其中的10个图像分量;最后,每个分量并行执行BM3D滤波器去噪,并重构10个分量的输出图像。与传统BM3D去噪算法相比,改进BM3D算法的计算量可有效降低20%以上。通过与中值滤波、均值滤波、NL-Bayes、BM3D四种降噪算法进行实验对比,所提算法的峰值信噪比平均增益在0.39～4.45 dB之间,特别是在高斯白噪声和脉冲噪声的混合噪声去噪方面要显著优于选取的四种对比算法。     

用小波变换和数学形态学算法研究文本图像去噪

针对文本图像存在的噪声,提出了小波变换和数学形态学相结合的文本图像去噪算法。通过小波变换对原始图像进行多尺度分解,对小波近似系数进行线性拉伸处理,细节系数进行域值化处理后重建图像,对重建图像进行直方图均衡化,然后再进行数学形态学运算去除剩余噪声。结果显示本文方法对于存在大量噪声的文本图像可以起到很好的去噪效果。