基于零树分类的小波图像二维网格编码量化

提出了一种小波图像在进行小波系数零树分类后运用二维网格编码量化(2D-TCQ)的新方法。首先根据小波图像中各子带系数固有的树结构关系对其进行零树分类,然后在扩展的二维码书空间对重要性系数运用网格编码量化,利用卷积编码和信号空间扩展进一步增大量化信号间的欧氏距离,并用维特比算法寻找最优量化序列。仿真结果表明,该方法比小波零树分类后相同码书尺寸下使用 TCQ信噪比获得了0.6dB左右的改善。使用小一倍的码书时,2D-TCQ比TCQ获得了0.1dB左右的改善,而且降低了编码率。由于本方法可以采用较小的码书尺寸,所以可以应用到低存储、低功耗的编解码环境。同时该方法具有编码计算复杂度适中、解码简单的优点。     

基于多小波的SAR图像去噪与压缩

SAR图像固有的乘性相干斑噪声降低了图像的相关性,增加了信息熵,影响了图像压缩的性能.多小波能够同时拥有正交性、紧支性和对称性,比单小波具有更多的自由度.因此提出了在多小波域进行去噪和压缩相结合的SAR图像编码算法.首先对图像进行多小波变换,采用改进的软阈值法抑制相干斑噪声同时对图像边缘进行保护,再对多小波系数重排建立空间方向树,然后采用多级树集合划分(SPIHT)算法进行编码.实验结果表明,该算法改进了重建SAR图像的PSNR,同时对相干斑噪声进行了有效的抑制.     

二元收缩方程与复数小波用于SAR影像去噪

二元收缩方程定义了由相邻尺度小波系数的联合概率密度函数,其与噪声模型联立后利用最大后验概率估计可进行图像去噪。在SAR图像斑点噪声服从瑞利分布的假设下,结合双树复数小波变换推导了基于二元收缩方程的SAR图像的简化去噪模型,然后利用局部方差估计和维纳滤波器获得噪声方差与带噪小波系数方差的估计值,并计算出合适阈值对SAR图像进行去噪。实验结果显示,去噪图像的峰值信噪比以及有效视数都较其它算法有大幅提高,且很好地保持了图像的边缘特征。     

一种小波域的SAR原始数据压缩算法

合成孔径雷达SAR原始数据样点之间具有低的相关性,为进一步提高压缩比,需要做去相关处理。该文将提升小波变换应用于SAR原始数据压缩,针对SAR原始数据的特点,提出一种有效的小波系数量化比特分配方法,并采用对于高斯信号为最优的标量量化器对小波系数进行量化编码。实验结果表明,该算法与传统的原始数据压缩算法相比,在保持低复杂度的同时,其压缩信噪比与解压缩图像质量都取得了明显的改善。     

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。     

基于高斯混合模型图像局部自适应去噪算法

针对传统阈值小波去噪方法未考虑小波域尺度内和尺度间系数相关性的问题,采用基于小波域统计模型的新型去噪方法,图像小波域的先验统计模型采用高斯混合尺度模型。在计算信号的协方差矩阵时,对图像分块并用椭圆窗滑动求局部协方差矩阵,以达到局部自适应的去噪目的。实验表明,该方法与在子带内求协方差矩阵的方法相比,去噪效果有所提高。     

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。     

提升小波与隐马尔科夫模型的SAR图像噪声滤波

利用提升小波技术和马尔科夫模型进行雷达图像斑点噪声的抑制具有明显优越性。讨论了雷达图像斑点噪声滤波的小波基的选择和提升方法,分析了利用马尔科夫模型描述小波系数相关性的问题,并提出了一种基于小波系数高斯混合模型和隐马尔科夫模型的雷达图像斑点噪声滤波方法。最后使用几种典型的滤波处理方法,分别对两幅合成孔径雷达图像进行滤波处理,实验表明该方法对SAR图像的斑点噪声抑制具有较好效果。     

基于小波分解的贝叶斯SAR图像去斑方法

提出了一个新的有效的基于小波变换的SAR图像去斑方法。尽管小波分解具有去除相关性的作用,但是图像中边缘等几何结构特征仍然存在,因此本文引入一个几何先验模型,结合噪声和有用信号的条件分布进行贝叶斯估计,得到每一系数作为有用信号的后验概率,以之作为修正因子修正小波系数,获得了满意的去斑效果。与现有的去斑方法的主要的不同之处在于使用了噪声和信号的实际分布函数,文中给出了这些分布的经验表达式,以及直接从图像上计算这些分布参数的方法。对实验结果的量化评估证明本方法较软、硬阈值法的优越性。     

基于目标适合传输的SAR图像编码

基于目标的图像编码是解决无人机载合成孔径雷达（synthetic aperature radar, SAR）图像在有限带宽信道上实时传输的有效办法。本文算法采用双参数恒虚警(constant false alarm rate, CFAR)检测将SAR图像分割成目标与背景,子带变换后根据感兴趣区（regions of interest, ROI）掩膜将子带系数分类成目标与背景序列,以稳健固定码率网格编码量化（fixed rate trellis coded quantization, FRTCQ）高保真编码目标区,以FRTCQ低分辨率编码背景来实现大幅度地压缩。对SAR图像编码实验表明,本文算法既能取得较好的目标区保真度,又能达到较高的压缩比,同时计算复杂度增加有限。     

Information compression and speckle reduction for multifrequency polarimetric SAR images based on kernel PCA

Multifrequency polarimetric SAR imagery provides a very convenient approach for signal processing and acquisition of radar image. However, the amount of information is scattered in several images, and redundancies exist between different bands and polarizations. Similar to signal-polarimetric SAR image, multifrequency polarimetric SAR image is corrupted with speckle noise at the same time. A method of information compression and speckle reduction for multifrequency polarimetric SAR imagery is presented based on kernel principal component analysis （KPCA）. KPCA is a nonlinear generalization of the linear principal component analysis using the kernel trick. The NASA/JPL polarimetric SAR imagery of P, L, and C bands quadpolarizations is used for illustration. The experimental results show that KPCA has better capability in information compression and speckle reduction as compared with linear PCA.     

Application of wavelet support vector regression on SAR data de-noising

A new filtering method for SAR data de-noising using wavelet support vector regression (WSVR) is developed.On the basis of the grey scale distribution character of SAR imagery,the logarithmic SAR image as a noise polluted signal is taken and the noise model assumption in logarithmic domain with Gaussian noise and impact noise is proposed.Based on the better performance of support vector regression (SVR) for complex signal approximation and the wavelet for signal detail expression,the wavelet kernel function is chosen as support vector kernel function.Then the logarithmic SAR image is regressed with WSVR.Furthermore the regression distance is used as a judgment index of the noise type.According to the judgment of noise type every pixel can be adaptively de-noised with different filters.Through an approximation experiment for a one-dimensional complex signal,the feasibility of SAR data regression based on WSVR is confirmed.Afterward the SAR image is treated as a two-dimensional continuous signal and filtered by an SVR with wavelet kernel function.The results show that the method proposed here reduces the radar speckle noise effectively while maintaining edge features and details well.     

抑制SAR图像相干斑噪声方法研究

探讨了抑制合成孔径雷达 (SAR)图像相干斑噪声的方法。传统噪声抑制和近年来小波变换去噪方法都有其不足之处。将小波变换和维纳滤波结合用于抑制SAR图像相干斑噪声 ,能够获得良好效果。通过比较观察在多个小波基情况下的噪声抑制结果 ,可以选择较好小波基 ,从而有较好的相干斑噪声抑制和保留图像边缘与点目标的滤波效果。     

基于树型小波和灰度共生矩阵的SAR图像分类

SAR图像包含有相干斑噪声 ,传统的方法不能很好地对SAR图像进行分类。为了能对SAR进行精确分类 ,将图像的灰度和纹理特征 ,空域和频域特征相结合 ,提出了一种新的SAR图像分类方法。该方法采用由树型小波中频纹理能量特征、灰度共生矩阵特征、树型小波滤波后的灰度组成的特征矢量对SAR图像进行分类。实验结果分析表明 ,该方法是一种有效的SAR图像分类方法。     

基于改进矢量量化的SAR图像压缩算法

由于SAR图像像素之间相关性比较弱,考虑到矢量量化在信源弱相关的条件下,也能取得比较好的压缩效果,将矢量量化用于SAR图像压缩中。同时,针对SAR图像纹理丰富,容易受到斑点噪声影响的特点,改进算法将区域整体图像信息从量化空间中分离出来,而且删除了每次聚类后含有最少矢量的胞腔。该算法有效的减少了量化空间大小,使生成码字分布更加合理。实验结果表明,矢量量化对于SAR图像压缩是有效的,并且,改进算法提高了图像整体压缩效果,较好的保留了点线面目标,同时在斑点噪声抑制方面做出了有益的工作。     

基于线性最小均方误差估计的SAR图像降噪

针对合成孔径雷达(synthetic aperture radar, SAR)图像降噪过程中容易引起细节纹理信息损失的问题,该文结合SAR图像相干斑噪声的统计特性,提出了一种基于变换域系数线性最小均方误差(linear minimum mean-square error, LMMSE)估计的SAR图像降噪方法。首先通过SAR场景下的Kmeans聚类算法将相似图像块聚类;然后针对每一类相似图像块集合进行奇异值分解(singular value decomposition, SVD),得到同时包含图像块集合行列相关信息的含噪奇异值系数;为从含噪奇异值系数中更准确地估计出真实图像奇异值的系数,先通过加性独立信号噪声(additive signal-dependent noise, ASDN)模型将乘性噪声转化为加性噪声,再利用LMMSE准则对奇异值系数进行估计,最后将估计结果重构得到降噪后的图像块集合。实验结果表明,该方法充分利用相似图像块集合奇异值系数稀疏的特性,采用LMMSE准则估计奇异值系数,既保证了系数中噪声分量的去除又避免了图像纹理细节对应小系数的丢失,不仅去噪效果明显,同时能有效地保持图像纹理细节,具有良好的图像视觉效果。     

相干斑噪声背景下的SAR图像分类方法研究

研究了相干斑噪声抑制对合成孔径雷达 (SAR)图像分类的影响。分别采用Kuan自适应滤波和小波变换软门限滤波两种方法进行了相干斑噪声抑制 ;对于SAR图像的分类则采用了图像的灰度以及基于灰度级共生矩阵的 4种纹理特征 ,并利用最大似然分类器进行了监督分类。处理结果表明 ,相干斑噪声的抑制尽管可以提高SAR图像的质量 ,但是由于在相干斑噪声得到抑制的同时 ,地物的固有结构信息也受到损失 ,因此分类精度提高甚微 ,在某些情况下甚至有所下降。针对这种情况 ,提出了一种改进的特征提取方法 ,将基于原图像的灰度级共生矩阵提取的纹理特征与滤波后图像的灰度特征进行组合用于分类。实验结果表明 ,改进的特征提取方法提高了SAR图像的分类精度。