SAR图像斑点噪声滤除方法应用研究

SAR图像中相干斑点噪声的滤除方法很多,在不同情况下选择不同滤波方法的研究急待进行。分别利用常用空间域滤波方法和数种小波系数滤波算法对4幅不同的SAR图像进行斑点噪声的滤除,分析了各自在不同图像滤波中的优缺点,为在不同情况下使用不同的滤波算法提供了一种经验性分析结果。在大量实验的基础上,得到了小波滤波阈值系数比例值为1 5时的较好的滤波效果,利用小波变换细节子图间的近似比例关系,提高了运算的速度。     

空间域相关法抗X波段航海雷达同频干扰

根据X波段航海雷达图像中海杂波的空间相关特性,提出了一种用于检测与抑制同频干扰噪声的方法。首先采用恒虚警率法确定合适阈值,利用相关法检测出干扰噪声线在雷达图像上的位置,然后利用一种改进型拉普拉斯线性增强模板实现干扰线上噪声点的定位,进而采用分段插值方法对检测出的噪声点进行修复以滤除噪声。利用实测雷达数据测试所提算法性能,结果证明:与均值、中值等传统滤波算法相比,所提方法在高海况条件下既能简单快速有效地检测到同频干扰噪声,又能更好地保留原海浪信号的回波信息,满足了海浪信息反演对信号回波质量的要求;在低海况条件下,也能有效去除同频干扰噪声。     

基于小波域性态分析的组合滤波

对信号和噪声在小波域的性态分析对于噪声的滤除具有重要的意义.推导出信号的样条二进小波变换系数幅值沿尺度的变化趋势依赖于信号的奇数阶导数,高斯白噪声的样条二进小波变换系数方差沿尺度逐渐衰减且衰减率越来越小.提出了一种基于小波城性态分析的组合滤波方法,仿真实验表明了算法的有效性.     

基于贝叶斯模型的shearlet域SAR图像去噪方法

通过对合成孔径雷达(synthetic-aperture-radar,SAR)图像相干斑噪声的特点分析,提出一种基于贝叶斯模型的shearlet域SAR图像去噪方法。首先将变换后的SAR图像在shearlet域进行稀疏表示,得到稀疏系数的分布;其次利用贝叶斯模型进行信号和噪声检测的建模,得到最佳的阈值;然后根据稀疏系数在不同方向上相关性不同的特点,利用自适应加权收缩算法对SAR图像噪声进行平滑处理;最后利用降噪后的高频子图像和低频子图像进行逆shearlet变换,得到SAR重构图像。通过在MSTAR数据库上的实验表明,该算法在滤除相干斑噪声的效果上比其他方法更好,并且不会损失图像的边缘特性。     

基于同质性分割的图像滤波方法研究

针对图像中存在的噪声,在同质性分割基础上提出了一种新的图像滤波方法.该方法首先利用形态学算子描述图像的不连续性,重新定义同质性,提高了图像的抗噪性.然后利用统计得到的同质直方图,并通过峰值寻找算法得到波峰、波谷,进而对图像进行分割.最后计算不同子区域的灰度均值,对满足条件的子区域进行合并得到滤波图像.实验结果表明,与其它滤波方法相比,该方法在滤除噪声的同时更好地保留了图像的细节和边缘信息,而且对含有不同噪声密度的图像均能得到较好的滤波效果.     

一种混合噪声的模糊滤波算法

为了解决混合噪声图像增强中抑制噪声和保持边缘细节的矛盾,提出一种基于多级中值滤波和模糊加权均值滤波的图像模糊去噪方法.根据不同的区域,不同噪声,通过模糊推理,模糊合成多级中值滤波和模糊加权均值滤波的结果,在滤除混合噪声的同时,保留图像的边缘细节.根据实验结果,从客观和主观两方面比较了本算法和几种方法的效果,表明本方法有较好的抑制噪声,保持图像细节对比度的能力.     

利用改进的中值滤波消除QuickBird影像中的脉冲噪声

QuickBird高空间分辨率遥感影像已在各个领域得到了广泛的应用,然而其在获取和传输的过程中通常会受到噪声,特别是脉冲噪声的污染,从而影响了其后续应用。为此,提出了一种基于改进中值滤波的遥感影像中脉冲噪声的检测和滤除算法。首先利用一维拉普拉斯卷积核和扩张函数检测图像中的噪声像素;然后利用向量中值滤波（Vector Median Filter,VMF）对检测到的噪声像素进行恢复。实验结果表明,相对于其它几种噪声滤除算法,所提出的算法取得了较好的噪声滤除效果。     

基于ESPRIT-LS的幅相补偿参数估计算法

幅相补偿是多频带雷达信号融合一维距离成像中的关键问题,其补偿的精度直接影响了信号融合的最终效果。分析了多雷达信号融合中的幅度相位模型,并基于旋转不变技术提出一种新的幅度相位补偿参数估计方法。该方法首先对幅相补偿模型进行预处理,使得处理后的阵列导向矢量具有旋转不变特性,然后采用ES-PRIT-LS算法同时估计多个雷达的幅相补偿参数。仿真结果表明该算法具有较高的估计精度,受噪声影响较小。     

基于直觉模糊熵的红外图像预处理方法

针对红外图像中的脉冲噪声问题以及传统滤波算法的不足,提出了一种自适应直觉模糊滤波算法.该算法利用直觉模糊集理论在处理不确定性问题中的优势,将图像中各个像素点改由一对隶属度函数和非隶属度函数自适应地标定,然后采用修改后的直觉模糊熵定义自适应地确定各像素点的权值以完成滤波.给出了该算法的具体步骤,仿真结果表明:当脉冲噪声密度较大时,采用该算法可有效地滤除噪声;即使当噪声密度很大时,在数学形态学方法的辅助下,该算法也可出色地完成脉冲噪声滤除工作.     

基于形态学处理的电磁信号检测方法

卫星电磁观测背景场中存在较多的噪声、单频干扰、瞬时脉冲干扰,严重影响对电离层电磁辐射事件的分析。针对这一问题,提出了基于形态学滤波与门限分割相结合的自动检测方法,利用自然电磁辐射具有一定时宽和频宽的特点,将门限检测后的时频域电磁信号参数图像转换为二值图像,通过设置合适的结构元素,滤除噪声和干扰。利用该方法对电离层左旋极化特征的电磁辐射信号进行了检测和统计分析,验证了该方法从海量数据中检测目标的有效性。     

Novel copyright protection scheme for digital content

1 .INTRODUCTIONWith the widespread use of Internet and the devel-opment in computer industry ,the digital content ,includingi mages ,audios ,and video ,are easily ac-quiredin our dailylife .Digital multi media contentssuffer frominfringing uponthe copyrights withthedigital nature of unli mited duplication,easy modi-fication and quick transfer over the Internet . As aresult , data piracy has become a serious issue .Hence ,some copyright protection schemes need tobe employed to conquer thi…     

基于KFD+ICA特征提取的SAR图像目标识别

提出了一种用基于核函数的Fisher判别分析(kernel based Fisher discriminant analysis,KFD)和独立分量分析(independent component analysis,ICA)特征提取的合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法。用基于核函数的Fisher判别分析提取SAR图像样本在高维特征空间中的最佳分类向量,对最佳分类向量做独立分量分析,得到表征图像样本的特征向量,用支持向量机(support vector machine,SVM)对提取得到的特征向量分类完成目标识别。对MSTAR数据库中三类军事目标用该方法进行特征提取和识别实验,识别率为96.92%。结果表明,KFD ICA特征提取方法可提取目标的有效特征,在较低特征维数情况下获得较高的目标正确识别率。     

基于多重稀疏表示的声纳图像超分辨率重建方法

提出一种基于多重稀疏表示的声纳图像超分辨率重建方法。该方法针对声纳图像的光滑、边缘和纹理3种结构形态,分别利用离散平稳小波变换、contourlet小波变换和Gabor小波变换建立过完备字典,并对多重稀疏表示的声纳图像进行超分辨率重建。实验结果表明,该方法得到的超分辨率图像能够有效保持原始高分辨率图像的几何特征和纹理特征,可以得到更高的峰值信噪比,并且对噪声具有鲁棒性。     

基于增强高阶非凸全变分模型的图像去噪算法

为了在缓解阶梯效应的同时更好地保留去噪后图像的细节信息,提出一种基于增强高阶非凸全变分(higher order non-convex total variation, HONTV)模型的图像去噪算法。该算法将每一次去噪后的图像和原始图像取平均作为增强HONTV模型下一次循环的输入并更新参数,然后采用增广拉格朗日乘子法和交替方向乘子法进行循环求解,经过多次迭代,最终得到的去噪图像包含较多的细节信息。在基于全变分的图像去噪方法中,对添加不同标准差大小的高斯白噪声的测试图像和视频进行实验。实验结果表明,所提算法在视觉性能和客观评价指标方面均优于对比算法。     

基于低秩约束和边信息的近似消息传递CS重构算法

噪声环境下图像压缩感知(compressive sensing,CS)重构方法的性能会大幅度下降。在近似消息传递(approximate message passing,AMP)算法的基础上,同时利用结构先验信息和边信息来增强AMP算法对噪声的鲁棒性。利用图像中相似块的低秩特性,在反投影的含噪图像中捕获低秩子空间的结构特征;再将含有确定成分的前期重构图像作为边信息，以实现细节的增强。实验表明,本文算法比原始AMP算法在峰值信噪比(peak signal to noise ratio,PSNR)上平均提高了3.89 dB,且获得更加清晰的重构图像;与仅利用低秩特性的AMP算法相比,引入边信息后本文算法在PSNR上获得了0.27 dB的增益,同时增强了重构图像的细节。     

独立变量分析及其在脑功能可视化中应用

在数据分析和信号处理领域中经常遇到的一个问题就是如何从多元数据中提取有用部分。为使计算简便,通常对原始数据作线性变换。常用的变换方法有:主分量分析,因子分析以及投影追踪法等。一种近期发展起来的线性变换方法称独立分量分析(ICA)。该方法能够从混合信号中分离出最独立的信号。本文介绍了ICA的原理、方法及其在fMRI图像中的应用。该方法有效地抑制了fMRI图像中的随机噪声及生理信号(例如,心电、呼吸等),增强了功能信号。     

基于空谱信息协同与Gram-Schmidt变换的多源遥感图像融合方法

多光谱和合成孔径雷达图像的融合可以保留每个数据的优势, 有利于提高土地覆盖分类精度。然而, 当前的一些图像融合方法不能完全利用原始数据的光谱信息与纹理细节。为了克服上述问题, 提出一种基于空谱信息协同和Gram-Schmidt变换的融合方法。在所提方法中, Sentinel-2A图像和高分三号(GaoFen-3, GF-3)图像分别经过不同的预处理操作。由于灰度共生矩阵能有效提取图像的纹理信息, 因此将其应用于Sentinel-2A图像以提取结构特征, 并将空谱信息协同的多光谱图像与GF-3图像通过Gram-Schmidt变换进行融合。实验采用主成分分析法和传统的Gram-Schmidt变换作为比较方法。为了确定融合算法的有效性, 采用5项评价指标(包括平均梯度、空间频率、均值、标准差和相关系数)来衡量融合图像的质量。此外, 由于随机森林具有优秀的训练速度和出色的分类性能, 将其用于土地覆盖分类。随机森林的分类精度、Kappa系数和分类结果图作为融合方法的评价标准。实验结果表明, 与单独使用原始Sentinel-2A相比, 所提方法可以将整体精度提高多达5%, 具有提高遥感卫星图像土地覆盖分类精度的潜力。     

基于非采样contourlet变换的多光谱和全色图像自适应融合算法

光谱保持和高分辨率保留是影像融合的两个重要问题。提出了一种自适应的基于非采样contourlet变换的多光谱和全色图像的融合方法。该方法在对多光谱影像进行IHS变换的基础上,对多光谱的I分量和高分辨率的全色影像分别进行非采样轮廓波变换(NSCT),然后对分解得到的近似分量以及各层金字塔各方向的细节分量利用本文提出的自适应基于局部特征的融合准则进行影像融合,通过非采样contourlet逆变换得到新的I分量,最后与H,S分量一起还原到RGB空间,得到融合后的高分辨率多光谱彩色图像。采用一组多光谱图像和全色图像数据进行融合实验,利用均值、标准差、熵、光谱扭曲度和相关系数5个重要评价指标对融合效果进行数理分析。实验融合图像的目视效果和统计指标均优于传统的IHS融和方法、小波融合方法以及contourlet变换方法。     

一种基于局域自适应处理的SAR图像降斑算法

合成孔径雷达(SAR)图像所固有的相干斑噪声严重降低了图像的可解译程度,影响了对图像中的目标进行检测和识别,因此SAR图像的相干斑抑制一直是SAR图像应用的重要课题。提出了一种基于局域自适应处理的SAR图像降斑算法,算法根据区域像素点的分布特征自适应调整滤波窗口的大小,在均匀的背景杂波区域内增大滤波窗口来抑制斑点噪声,在包含目标的细节区域内减小滤波窗口,同时采用自适应阈值选择部分像素参加滤波的方法,以便在有效降斑的同时保持边缘和目标细节,最后通过对实际数据的处理验证了算法的有效性。     

改进的主峭度分析算法及其在高光谱图像小目标检测中的应用

由于高光谱图像维数较高,因而在利用高光谱图像进行目标检测之前会先进行数据降维。主成分分析变换和最大噪声成分变换是高光谱图像处理领域最为经典和常用的两种降维方法。它们以图像的方差和信噪比为指标进行降维,是基于二阶统计信息的方法。小目标由于其本身的特点可能会被经过该类方法降维后舍弃掉,而基于高阶统计特性的主峭度分析算法能够很好的解决这类问题。该方法能够提取基于二阶统计信息进行降维后无法保持的小目标信息,从而有效的检测到小目标。但主峭度分析算法的收敛速度较慢、计算时间较长,因而本文提出了一种改进的主峭度分析算法,改进的主峭度分析算法可以提高算法的收敛速度、减少算法的迭代次数。仿真实验表明,改进的主峭度分析算法能够缩短计算时间,提高算法的收敛速度。