基于稀疏表示模型的SAR图像目标检测算法

针对合成孔径雷达（synthetic aperture radar,SAR）图像可视性差、目标区域小以及特征不明显等特性对目标检测造成的困难,将稀疏表示模型应用于SAR图像目标检测,提出一种基于稀疏表示模型的SAR图像目标检测算法。首先,利用K—SVD算法训练样本提取对样本最具描述能力的SIFT特征形成字典;其次,通过将进化机制和稀疏表示结合,逐步提取整幅图像中含有目标的图像块;最后,输出稀疏表示误差小于阈值的图像块的位置作为目标检测的结果。实验结果表明,与传统目标检测算法相比,该算法在检测率和运行效率方面均有一定的提高,取得了较好的效果。     

基于遗传神经网络算法的海面风速反演新方法

针对海面运动的复杂性、海面电磁散射理论模型的局限性以及利用SAR图像反演海面风速存在的非线性现象,基于遗传神经网络的方法,以业务化的CMOD4模式函数数据为基础,采用Fletcher-Reeves算法的变梯度反向传播算法,建立一种SAR风速反演的新模型。试验结果表明,利用遗传神经网络方法反演海面风速是可行的,当随机误差小于10%时,模型的抗噪能力较强,风速反演的精度较为理想。比较不同风速下的反演结果可以发现,在中、小风速的情况下,模型的抗噪能力较强,模型学习拟合和预测检验的精度相对较高;在大风速的情况下,模型的反演能力有待于进一步提高。     

基于极化合成孔径雷达图像的斑点滤波方法

斑点噪声是由合成孔径雷达(SAR)的相干成像原理造成的固有缺陷,为了更好地进行SAR图像地形分类、目标检测等后续处理,提出一种用于极化SAR图像的滤波方法.该方法利用新的优化函数和约束条件,在保持图像功率等于Lee滤波功率的前提下,通过最小化信号子空间向量与原始向量的欧式距离,达到降斑的目的.实验结果表明: 利用旧金山地区的真实极化SAR数据,使用该方法滤波的图像结果与原有的子空间滤波器相比,更接近原始图像的均值,并且通过滤波提高了不同类别的目标在特征空间的区分度,从而有利于不同类型地物的分类.     

基于层内和层间局域特性的小波域贝叶斯收缩去噪

采用双树复数小波变换对图像进行分解与重构,在BayesShrink阈值去噪的基础上,提出了基于小波系数层内和层间局域特性的自适应阈值去噪算法;构造出具有层内和层间局域特性的统计量和相应的映射,产生新的BayesShrink阈值.实验表明本方法能有效地去除图像中的白噪声,同时还能较好地保留图像的边缘信息,其效果优于目前的一些小波去噪方法.     

基于二阶灰度统计特征的SAR图像变化检测

为了探讨斑点噪声对SAR(Synthetic Aperture Radar)图像变化检测的影响,深入研究了SAR图像的二阶灰度统计特性,提出了一种基于二阶灰度统计特性的SAR图像变化检测算法,并针对斑点噪声,进行了比较变化检测实验.实验结果表明,该变化检测算法是可行、有效的,且不受斑点噪声的影响.     

包装装潢图像小波去噪的实现

对包装装潢图像用Visual C 实现了去噪处理.通过选择不同的小波基、不同的小波分解级数、不同的小波重构阈值,可以得到不同的去噪效果.     

基于Ridgelet变换的自适应软硬折衷图像去噪算法

给出了Ridgelet变换的概念及其实现算法,将Ridgelet应用于图像去噪,并提出了基于Ridgelet变换域的软硬阈值折衷去噪法,并采用不同的阈值自适应地对不同的Ridgelet子带进行阂值化．实验结果表明该方法优于小波图像去噪方法．     

基于Ginzburg-Landau泛函二值图像复原的快速算法

首先,回顾了基于Ginzburg-Landau泛函松弛的双阱势模型和2种经典的算子分裂算法,并将近年来相场计算问题中的新迭代算法引入问题求解中.然后,通过引入辅助变量建立等价的约束优化问题,基于交替方向乘子方法设计了子问题具有闭形式解的迭代格式.最后,通过设计大量的二值图像复原实验来评估这类算法的有效性.结果表明,当噪...     

基于邻域均值的去椒盐噪声算法

为了改善图像效果,利用图像邻域相关性提出了一种适用于椒盐噪声的图像去噪滤波算法.首先利用最大最小法则检测出被椒盐噪声污染的像素点,然后将被污染像素点邻域中的8个像素点按距离远近分为两类,最后利用近距离邻域中未被污染像素灰度值的均值重构图像灰度值.当近距离邻域像素全部被污染时,以远距离邻域中未被污染像素灰度值的均值代替该点的灰度值.仿真结果表明,该算法具有较大的峰值信噪比,能有效地抑制椒盐噪声并保护图像的细节.     

基于双树复小波变换与非线性扩散的图像去噪

首先对图像进行双树复小波变换得到不同尺度上的子带图像,然后对子带图像进行非线性扩散,充分利用双树复小波变换和非线性扩散两者的优点,更好地抑制噪声保留图像边缘纹理等细节信息。