基于粗糙集理论的SAR图像speckle滤波方法

针对合成孔径雷达(SAR)采用主动式相干波的成像方式,在从原始信号到图像的重建过程中存在斑点噪声的干扰的问题,根据粗糙集理论的条件属性把SAR图像像素分成三类:均匀区域类、非均匀区域类和包含分离点目标类.对不同的像素类采用不同的滤波方式,然后合并三类子图像得到SAR图像的speckle滤波的图像.该方法既可除去图像中的斑点噪声,又可保留图像中的细节特征,有利于对图像的后续处理.     

基于小波域隐马尔可夫模型多尺度图像分割

提出了一种基于小波域自适应上下文结构的多尺度图像分割算法（JACMS）．该算法为了减小计算复杂度,采用隐马尔可夫半树模型和参数加权训练算法,得到了可靠的初始分割．为了获得较好的区域一致性和边缘准确性,在进行尺度间融合时,采用自适应的上下文结构分别应用于图像纹理均质区域和图像纹理边缘,保证了图像大致轮廓的准确性和可靠性,提高了分割后图像纹理边缘的精确度．对合成图像与航摄像片的实验结果表明,该方法的分割错误概率低于传统的基于小波域隐马尔可夫树模型的图像分割方法,且对真实图像得到了理想的分割效果．     

基于小波域分类隐马尔可夫树模型的图像恢复

针对自然图像的非平稳特性和图像恢复中计算困难的问题,提出了一种基于小波域分类隐马尔可夫树(CHMT)模型的图像恢复算法.从图像恢复的贝叶斯框架出发,将CHMT模型作为自然图像小波域的先验知识,构造正则化约束进行图像恢复.该模型具有空间适应性,使建模更加精确.对恢复方程的求解,采用了分类简化的共轭梯度算法.实验结果表明,该算法具有较低的计算复杂度,能提高图像恢复峰值信噪比(PSNR).     

基于树状分解隐马尔可夫树的纹理分类模型研究

遥感图像纹理信息丰富，要准确地进行纹理特征描述，必须尽可能地抓住其本质特征和属性。以小波域隐马尔可夫树模型为基础，并结合遥感图像特点，提出在全树状小波分解的基础上建立隐马尔可夫树模型，在子图选择上用图像熵作为判据，使分解更有针对性，并使计算效率得以提高。     

基于非子采样Contourlet变换的多聚焦图像融合方法

非子采样Contourlet变换(NSCT),是针对Contourlet变换的一些局限性进行了改进,可以对图像进行灵活的多尺度、多方向和平移不变性分解.提出了一种基于NSCT的多聚焦图像融合方法.首先对多聚焦图像进行NSCT变换;然后对变换得到的低频分量系数采用改进的加权平均融合规则进行融合处理,对高频分量的最高层和其它层系数分别采用绝对值最大和改进的区域方差融合规则进行融合处理;最后重构图像得到融合结果;并给出了实验结果.对结果的分析比较表明,所提出的融合规则的效果优于常用的融合方法和参考文献的融合方法.     

星载SAR图像的斑点噪声抑制与滤波研究

根据斑点噪声的来源,分析和比较了抑制SAR图像斑点噪声的Lee滤波、Gamma MAP滤波、Frost滤波算法,并用台湾地区的SAR图像数据验证了不同滤波算法对斑点噪声的抑制效果.结果表明,Lee滤波抑制斑点噪声的综合性能最好.     

基于隐马尔可夫模型的火场噪声数学模型

在灭火救援的第一线,无线通信是火场指挥的重要手段,而在复杂多变的火灾现场,高强度的噪声给火场通信带来了严重的影响,不仅会干扰指挥员与作战员之间的信息传递,还会影响作战员的判断能力,造成安全事故发生。分析火场噪声特性并研究降噪技术在消防领域是十分必要和必须的,本文通过分析火场噪声来源和特性,使用隐马尔可夫模型(HMM)建立噪声模型,为火场降噪技术处理提供参考。     

基于T分布的雷达斑点滤波方法研究

在对合成孔径雷达（synthetic aperture radar,SAR）滤波器的研究状况进行回顾的基础上,介绍了基于T分布的可调节斑点噪声滤波器的算法和特点,通过目视比较和定量分析,将该滤波器与Lee,Frost,Lee-Sigma,GammaMAP等滤波器进行了比较,结果表明该滤波器在斑点滤除和细节保留方面均取得了很好的效果.最后,以1998年马来西亚吉兰丹地区SAR洪水为例,显示了可调节滤波器在水灾监测方面的巨大潜力.     

基于中值滤波和Contourlet变换的图像去噪研究

针对图像中同时含有脉冲噪声和高斯噪声的情况,提出了一种中值滤波和Contourlet变换相结合的图像去噪方法,首先用中值滤波检测出脉冲噪声的噪声点并加以处理,然后用Contourlet变换对高斯噪声进行处理.实验结果表明,此方法不仅能有效地滤除脉冲和高斯的混合噪声,提高去噪后图像的PSNR值,而且可以很好地保留图像的细...     

基于Contourlet变换和全变差的图像融合

针对基于小波和全变差的图像融合方法的缺点和不足,提出了一种基于Contourlet变换和全变差算子的含噪图像融合方法,这种方法在融合图像的同时,也对图像进行了去噪处理.首先对图像进行Contourlet变换,对得到的低频子带用分块主成分分析的方法进行处理,以估计传感器的退化算子,然后进行低频部分的融合;将高频系数归一化的全变差算子的模作为权因子进行高频部分的融合,以经Contourlet逆变换后得到的融合图像作为初始值,经过迭代演化,最终得到了去噪的融合图像.实验结果表明,该方法得到的图像视觉效果更好,信息熵更高.     

一种基于非降采样Contourlet变换的遥感图像融合方法

给出了一种非降采样Contourlet变换和HIS变换相结合的遥感图像融合算法.非降采样Contourlet变换是一种平移不变的小波变换方法,且具有良好的方向选择性,其对图像做多分辨率分析得到的高频子带,有效地表达了图像中的细节特征信息.结合HIS变换,非降采样Contourlet变换将细节注入到多光谱图像得到的融合图像,不但具有较高的空间分辨率,而且有效保持了多光谱图像的光谱特征.实际的SPOT全色图像和TM多光谱波段融合结果表明,所提议方法的性能优于目前广泛使用的小波域方法如离散小波变换和A Trous小波变换以及Contourlet变换等融合方法.     

基于NSCT变换与自蛇扩散的SAR图像相干斑抑制算法

针对SAR图像中乘性相干斑噪声的抑制与边缘保护问题,提出了一种基于非下采样轮廓波变换(NSCT)与自蛇扩散的抑斑新算法。该算法先利用NSCT变换对SAR图像进行多层子带分解,然后借助自蛇扩散对SAR图像不同子带分别实施参数不同的扩散滤波,最后对各去噪子带进行NSCT重构获得的SAR图像再次进行自蛇扩散滤波处理,从而实现带有边缘保护与增强的SAR图像相干斑抑制。实验表明,与多种传统抑斑算法相比,本文算法在相干斑抑制与边缘保护性能上均有明显提升。     

基于非下采样contourlet变换的压缩感知图像重建

受传统采样定理限制,直接从信号采集系统得到高分辨率图像较困难,且信号获取过程会导致大量的采样数据.压缩感知理论指出可用特定测量矩阵将高维信号投影到低维空间上,求解数值优化问题准确重构原始信号,突破了传统采样定理的限制.传统压缩感知图像重建算法对所有系数测量,需进行多层小波变换保证图像质量,且小波捕捉方向信息有限,重建图像质量较差.故此提出采用非下采样contourlet变换(NSCT)做信号稀疏变换,并针对变换系数的特点,选择性的对系数测量,利用正交匹配追踪算法进行重构.实验结果表明,仅用单层NSCT变换可重建出高质量图像,克服传统算法需进行多层小波变换的缺点,降低采样和存储的数据量且重建的图像质量得到极大提升.     

基于小波域HMT模型融合的图像分辨率增强

图像的分辨率可以通过预测细节子带中的小波系数来得到提高.采用Gaussian混合模型的小波域隐马尔可夫树可以精确地描述真实图像的统计特性,非常适合于预测图像的细节子带.但是这类方法的缺点是被预测的小波系数是随机生成的,每次算法得到的结果均不相同,只能从中选择一个作为最终结果.本文提出了一种算法,将随机结果根据局部方差融合规则融合到一起,从而产生一幅更适合人类视觉系统的图像.实验结果证明了本文算法的有效性,其主观和客观评价指标均优于传统算法.     

多孔小波和非下采样滤波器组去除遥感图像的多种噪声

结合àtrous小波变换和非下采样轮廓波变换的优点,提出一种基于àtrous 非下采样轮廓波变换的遥感图像去噪方法.该方法用非抽取离散小波变换的àtrous算法对图像进行多尺度分解,然后用非下采样的多方向滤波器组对得到的细节分量进行多方向分解.对含有多种噪声的遥感图像,àtrous 非下采样轮廓波变换将图像中不同种类的噪声分解到不同的小波系数分量中,使得可以根据噪声特性选择最合适的去噪方法,比用一种方法去除所有类型的噪声更科学且去噪效果更好.     

基于小波变换的遥感图像快速拼接方法

基于图像小波变换与低频区域特征匹配的拼接方法,实现无人机序列遥感图像的快速动态拼接.根据无人机遥感图像成像的内、外方位元素,采用直角空间变换及二次线性插补方法,实现了遥感图像校正.小波变换提取低频图像,在此图像区域中搜索和提取特征模板,然后利用序贯相似性检测法进行匹配计算.根据匹配结果,实现两幅图像的拼接.仿真实验结果表明,所提出的拼接方法具有较好的实时性和拼接精度.     

非下采样Contourlet变换耦合锐度制约的遥感图像融合

当前多数遥感图像融合算法主要是依靠比值法选取全色图像或多光谱图像中的其中一个高频子带作为高频融合系数,忽略了另一个高频系数所包含的信息,易导致融合图像出现模糊以及光谱失真等不足.对此,本文提出了基于非下采样Contourlet变换与锐度制约模型的遥感图像融合算法.通过亮度-色调-饱和度(IHS)变换,获取多光谱图像的I,H,S分量,利用非下采样Contourlet变换对多光谱图像的I分量以及全色图像进行多尺度精细分解,得到相应的低频子带与高频子带;利用像素点邻域的像素值之差构造锐度制约模型,完成低频子带的融合.考虑多光谱图像中I分量与全色图像的高频子带特征,构造高频子带融合模型,完成高频子带的融合;将融合后的高频子带与低频子带通过非下采样Contourlet逆变换,输出融合图像的亮度分量珔I,将珔I与H,S分量进行IHS逆变换,形成最终的融合图像.仿真实验显示,与当前遥感图像融合方法相比,所提方法的融合图像具有更高的视觉质量,可保留更多的光谱以及边缘等图像细节信息.