基于小波变换和PCA的SAR图像相干斑抑制

提出一种SAR图像相干斑噪声抑制新的滤波方法。该方法利用小波变换结合主分量分析(PCA)对SAR图像进行去噪。小波变换可以很好地保持边缘细节信息,主分量分析(PCA)能从混合信号中提取出主分量即信号的主要特征,将小波变换结合PCA用于图像处理,能在有效消除噪声的同时保持边缘信息。与Kirsch模板加权平滑滤波和结合小波变换的Kirsch模板加权平滑滤波去噪方法进行比较,实验结果表明,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

一种矿井低照度图像增强算法

针对小波变换在图像边缘保持和细节处理方面无法保持平衡及多尺度Retinex算法易造成图像出现光晕伪影和噪声污染严重等问题,将小波变换与基于多尺度引导滤波的多尺度Retinex算法相结合,提出了一种矿井低照度图像增强算法。该算法首先将低照度图像进行小波分解得到高频分量和低频分量;然后对图像高频分量采用三段式阈值函数进行小波去噪,对图像低频分量采用非线性全局亮度校正以增强图像亮度,同时采用多尺度引导滤波函数代替传统多尺度Retinex算法的高斯滤波函数来估计照射分量,进而求取反射分量,并运用主成分分析法对反射分量与非线性全局亮度校正的图像进行融合,有效提升图像边缘细节保持效果;最后对图像高频分量和低频分量进行小波重构,并对小波重构后的图像进行非线性变换,解决图像泛灰问题。实验结果表明,该算法具有很强的噪声抑制能力,可有效提升图像亮度和对比度,使图像边缘保持性能和细节信息丰富度得到有效平衡,避免了图像出现光晕伪影、颜色失真等现象。     

基于引导滤波和Tsallis熵的SAR图像分割算法

针对合成孔径雷达(SAR)图像易受噪声干扰、分割方法精度低的问题,提出了一种基于频域引导滤波和Tsallis熵的SAR图像多阈值分割算法.利用非下采样Contourlet变换(NSCT)对图像多尺度分解,提取图像各方向的高频信息;通过引导滤波增强高频分量的边缘信息,在保持边缘的同时抑制了相干斑噪声;利用改进的二维Tsallis熵多阈值对增强图像精确分割.实验结果表明:分割算法对噪声不敏感,分割精度和适应性明显提高.     

基于形态Haar小波的SAR图像斑点噪声抑制方法

针对现有相干斑抑制算法不能在去除斑点噪声和保持图像边缘、细节信息之间做到很好的折中,提出了一种新的基于形态Haar小波变换的合成孔径雷达(SAR)图像斑点噪声抑制方法。该方法首先对SAR图像进行二维形态Haar小波分解,图像的边缘、细节和纹理信息在低频子带中得到了更好的保留,噪声主要分布在高频子带;然后,根据各高频子带噪声的特点,分别对高频子带进行均值和中值滤波达到去除斑点噪声的目的;最后,再对低频子带和处理后的高频子带进行形态Haar小波精确重构得到去斑图像。实验证明:该算法不仅大大改善了原始SAR图像的画面质量,同时很好地保持了原始SAR图像的纹理特性和细节信息;该算法去斑性能指标总体优于传统的Lee滤波、Frost滤波、Kuan滤波和小波软阈值法。     

一种基于小波变换的SAR图像多尺度边缘检测融合算法

SAR图像中的噪声是乘性的斑点噪声,对光学图像有效的检测算子并不适用于SAR图像的边缘提取。由于小波变换具有良好的时频局域化特性及多尺度分析能力,因此根据多尺度分析来构造多尺度边缘检测算子,通过改变高斯函数的标准差σ,就可以选择边缘检测的细节程度;最后,将各尺度检测结果进行融合来提高检测效果。实验结果表明,该方法取得了较好的检测效果。     

一种基于小波分析的SAR图像增强去噪方法

提出了一种基于小波分析的SAR图像增强去噪声方法。该方法首先对被噪声污染的SAR图像进行小波变换，然后在小波域内对该图像进行平滑滤波，最后实现了一个SAR图像增强去噪处理系统。由处理结果可以看出，本方法在对SAR图像直接进行平滑滤波的应用中取得了较好的结果，为进一步图像分割、边缘提取奠定了一个较好的基础。     

一种改进的二进小波变换图像去噪方法

本文在分析图像噪声消除与细节保持相矛盾的基础上，提出了一种改进的二进小波变换图像去噪方法。首先用自适应滤波多尺度边缘检测方法检测出图像的边缘；然后用二进小波变换去噪方法进行全局闯值去噪；最后将边缘图像嵌入到二进小波去噪后图像。实验结果表明，该方法不仅能够滤除图像的噪声，而且能够保持图像的边缘信息。     

基于多尺度小波变换的高斯混合模型SAR图像去噪

针对合成孔径雷达图像斑点噪声去除问题,提出了一种滤波算法。该算法根据SAR图像小波系数分布的特点,采用高斯混合模型对其进行精确拟舍,并用贝叶斯估计来恢复原图。为了有效地克服对数图像均值不为零对小波滤波的影响,在多尺度小波变换前先对取对数后的图像作了归一化处理。仿真实验结果表明,该方法克服了常用的小波阈值去噪只有一个阈值的缺点,可在去除噪声的同时有效保留图像的边缘细节。     

基于软阈值的小波图像增强方法

针对传统图像增强中存在的一些问题,如增强噪声、丢失细节等,提出了一种基于软阈值的小波图像增强方法。图像经过小波分解后可以得到一系列不同尺度上的子带图像,在不同尺度的子带图像上进行基于软阈值滤波的细节系数增强,再进行小波重构,即可得到增强后的图像。该方法可以有效地增强图像的细节信息,保持图像的边缘特征,改善图像的视觉效果。     

小波支持向量机在SAR图像降噪中的应用

基于支持向量回归理论和小波支持向量核函数,提出了一种新的SAR滤波方法。首先对支持向量回归方法做了分析,通过对复杂信号进行逼近实验,验证了其应用于图像滤波的可行性和合理性。之后将SAR图像看成是一个二维连续信号,将对复杂信号具有更好逼近能力的小波支持向量核函数用于SAR图像滤波,小波核函数由Morlet小波构建。实验结果表明本文提出的方法能很好的降低SAR图像噪声,而且能比传统方法更好的保持边缘。     

基于提升Directionlet域高斯混合尺度模型SAR图像噪声抑制

提出了一种新的SAR图像相干斑噪声抑制方法.该方法将高斯混合尺度(GSM)模型引入Directionlet变换域,构造了基于提升Directionlet分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪.作为一种新的多尺度几何分析工具,Directionlets通过多方向选择来捕捉图像中各向异性特征,滤波器结构为可分离设计;采用提升方案进一步减小变换的运算量.文中对相邻位置和尺度的系数建立GSM模型,能较好地描述系数的边缘分布,充分体现邻域间系数的相关性.对大量真实SAR图像的去噪实验表明,文中方法取得了比空域滤波及小波方法更优的去噪性能,同时在图像边缘等细节特征保持方面具有明显优势.     

基于提升Directionlet域高斯混合尺度模型的SAR图像噪声抑制

提出了一种新的SAR图像相干斑噪声抑制方法.该方法将高斯混合尺度（GSM）模型引入Directionlet变换域,构造了基于提升Directionlet分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪.作为一种新的多尺度几何分析工具,Directionlets通过多方向选择来捕捉图像中各向异性特征,滤波器结构为可分离设计;采用提升方案进一步减小变换的运算量.文中对相邻位置和尺度的系数建立GSM模型,能较好地描述系数的边缘分布,充分体现邻域间系数的相关性.对大量真实SAR图像的去噪实验表明,文中方法取得了比空域滤波及小波方法更优的去噪性能,同时在图像边缘等细节特征保持方面具有明显优势.     

方向小波域的选择性阈值SAR图像去噪

SAR图像去噪一直是SAR图像处理中一个具有特殊意义的研究课题。噪声抑制的关键是解决图像平滑与保持纹理之间的矛盾。提出了一种基于方向小波的选择性阈值SAR图像去噪算法。该算法利用方向小波的多方向框架对图像作12个方向的分解和变换。针对方向小波分解图像所产生的系数序列长度不同的特点,利用白噪声的置信区间,将不同长度的系数分成3组,对中间长度的系数序列采用统一阈值,对其他长度序列采用白噪声置信区间阈值处理。为了更好地保持图像细节信息,将每一尺度高频系数的方差中值作为噪声方差估计值。利用真实的SAR图像进行去噪试验,与几种经典的空域滤波和小波软阈值算法进行比较结果表明,该算法在平滑图像的同时更好地保持了图像本身的纹理信息,图像的视觉效果优于其他算法,等效视数和边缘保持指数分别提高了97和0.15。     

基于小波阈值的图像增强算法

本文针对传统的图像增强算法中存在的一些问题,如增强噪声、丢失细节、对比度差等.提出了一种基于小波变换的图像增强算法.图像经过多尺度小波分解后,得到不同尺度的小波系数,然后根据噪声在不同尺度的分布情况和小波系数的特点,对不同尺度的小波系数采用不同的小波阈值增强算法,最后进行小波重构,即可得到增强后的图像.经过仿真实验证明该方法可以有效地增强图像的细节信息,保持图像的边缘特征.改善图像的视觉效果.     

基于小波阈值的图像增强算法

本文针对传统的图像增强算法中存在的一些问题，如增强噪声、丢失细节、对比度差等，提出了一种基于小波变换的图像增强算法。图像经过多尺度小波分解后，得到不同尺度的小波系数，然后根据噪声在不同尺度的分布情况和小波系数的特点，对不同尺度的小波系数采用不同的小波阂值增强算法，最后进行小波重构，即可得到增强后的图像。经过仿真实验证明该方法可以有效地增强图像的细节信息，保持图像的边缘特征，改善图像的视觉效果。     

一种基于小波包变换的图像去噪算法

根据信号和噪声的小波系数在不同分解尺度上的分布不同,结合模糊理论和小波包分解,提出一种消除图像噪声的算法——模糊小波包去噪算法。该算法对小波包解后的高频系数,不同方向的系数采用不同的滤波方法。实验证明,与软阈值去噪算法和小波包阈值去噪算法相比,该算法能更有效地去除噪声和保持图像边缘细节。     

基于二维经验模态和均值滤波的图像去噪方法

提出了一种新的图像去噪方法。此方法通过二维经验模态（BEMD）将噪声图像分解为一系列不同频带的子图像。对低频近似图像保持不变,对高频细节图像采用不同的模板进行均值滤波,最后将低频近似图像和均值滤波后的图像合成为去噪后的图像。实验结果表明该方法在滤除图像噪声的同时,又能较好地保留图像的边缘细节,其滤波效果优于单一的BEMD图像去噪和均值滤波图像去噪以及小波变换和均值滤波图像去噪方法。     

基于滤波的SAR影像去噪方法分析

根据SAR(Synthetic Aperture Radar)影像相干噪声的特点,对现在广泛应用的各种抑制噪声的滤波方法如均值滤波、Frost滤波、增强型Lee滤波、Lee滤波、中值滤波等进行分析,并提出适合本研究区影像的基于小波变换的分量滤波处理去噪方法,利用均值、标准差、平滑指数、PM值、信息熵和平均梯度等评价指标对各种滤波去噪后的影像质量进行评价,并对去噪效果进行对比分析,证明本文所采用的滤波方法对SAR影像噪声有很好的抑制作用,并且较好的保存了图像纹理信息。     

一种改进的相干斑噪声抑制算法

研究了一种新的合成孔径雷达相干斑噪声抑制的算法.传统的噪声抑制和近年来的小波变换方法都有其不足之处,难以在高效降低斑点噪声的同时保持图像细节.结合增强Lee算法中的思想与小波算法用于抑制SAR图像中相干斑噪声,能够获得良好的效果,通过和现有的几种抑制斑点噪声的滤波算法进行定量的实验比较,主要的评价指标有斑点噪声指数,等效视数、平滑指数和边缘保持指数,由仿真结果可以看出算法具有较好的相干斑噪声抑制能力和边缘保持能力.     

基于小波变换的SAR图像分割

SAR(合成孔径雷达)图像包含有相干斑噪声，传统方法不能很好地对SAR图像进行分割，该文结合SAR图像和小波变换多分辨分析的特点，提出了一种新的SAR图像分割方法。首先利用小波变换提取SAR图像的纹理特征信息，然后根据SAR图像噪声在小波域中的分布特点对SAR图像进行滤波，最后以SAR图像小波能量纹理特征和滤波后的灰度组成特征向量对SAR图像进行分割。实验结果表明，该方法是一种有效的SAR图像分割方法。