基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。     

基于双变量模型和非下采样Contourlet变换的SAR图像相干斑抑制

该文根据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,应用贝叶斯估值理论推导得到该模型相应的非线性双变量阈值函数。综合SAR图像非对数加性模型和双变量阈值函数,提出基于双变量模型的非下采样Contourlet变换域SAR图像相干斑抑制方法(SNSCTBI)。实验通过对幅度格式和强度格式的SAR图像做相干斑抑制,结果表明该文算法很好地保持了原始图像的辐射特性,有效抑制了同质区域的相干斑,同时边缘等纹理信息保持清晰。     

基于Contourlet变换和多尺度Rentinex的水下图像增强算法

针对水下图像对比度低、边缘模糊、噪声大等特点,提出一种基于非下采样Contourlet变换和多尺度Retinex的水下图像增强算法。将水下图像进行多尺度多方向的非下采样Contourlet变换;利用多尺度Retinex算法调整低频系数,提高图像整体对比度;在各带通方向子带上估计噪声,抑制模值小于阈值的系数,改进神经网络中的Sigmoid函数用于调节模值大于阈值的系数;经非下采样Contourlet逆变换得到增强图像。与几种传统增强算法相比,本算法处理的图像达到了抑制噪声、改善图像对比度、突出目标轮廓的目的,具有较高的对比度评估值。     

基于非下采样Contourlet域局部高斯模型和MAP的SAR图像相干斑抑制

 对SAR图像应用非对数加性模型,通过研究SAR图像中同质区域在非下采样Contourlet域的分布特性,提出对非下采样Contourlet域中、与同质区域相对应的平稳区域的非对数加性噪声使用高斯分布建模。基于该模型,利用局部滑动窗口和对非对数加性噪声方差的自适应估计,在最大后验准则的基础之上求得真实信号的非下采样Contourlet系数。由于未对图像进行对数变换,本文算法很好地保持了原始图像的辐射特性,相干斑被有效地抑制,均匀区域很少有伪吉布斯效应,同时边缘纹理清晰。无论视觉效果还是客观评价指标本文算法都优于许多现存的抑斑算法。     

基于NSCT和改进型PCNN的红外与可见光图像融合算法

针对现有红外与可见光图像融合算法中易出现目标信息丢失或减弱的情况,提出了一种基于非下采样Contourlet变换和改进型脉冲耦合神经网络的融合算法.该算法首先对经过预处理和图像配准后的红外和可见光图像进行非下采样Contourlet变换,分别得到两幅图像的高频系数和低频系数;其次,采用改进型脉冲耦合神经网络对源图像高频系数进行融合,用区域能量最大处理低频系数;最后,对融合后的系数进行非下采样Contourlet反变换,得到融合后的图像.实验结果表明,本文算法在主观视觉上显示了更多的图像细节信息,同时客观数据指标也有不同程度的提升.     

基于NSCT域的自适应阈值遥感图像去噪方法

提出一种新的基于非下采样Contourlet变换(NSCT)的图像自适应阈值去噪方法.根据NSCT系数所在领域区域的特性,给出不同尺度不同方向的自适应咧值.仿真实验结果表明,通过本文提出的方法能够有效去除遥感图像的高斯噪声,较完整的保持图像的边缘等细节信息.与小波硬阈值、Contourlet硬阈值和基于非下采样Cont...     

基于NSCT扩散的图像去噪增强方法

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解,对每个分解层的各个子带进行非线性收缩和拉伸,以达到抑制噪声和增强图像特征的目的。然后,对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散,以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明,本文方法相比于无扩散的Wavelet和Contourlet方法相比,不仅对图像进行了去噪和增强,而且有效的抑制了伪Gibbs现象和 side-band效应。     

一种基于mean shift的Contourlet域SAR图像去噪方法

Contourlet变换是小波变换的新发展,具有良好的多尺度和多方向性。合成孔径雷达(SAR)图像Contourlet阈值去噪不考虑相邻像素在变换域的联系,将低于阈值的变换系数置零,会丢失图像中的细节信息。针对上述问题,文中提出一种新的去噪算法:首先,将SAR图像进行Contourlet分解;然后,利用具有良好间断点保留能力的mean shift算法处理子带系数。实验结果证实该算法能够在有效抑制相干斑噪声的同时,较好地保留图像中的细节信息。     

手掌静脉图像增强算法研究

为了解决手掌静脉图像质量局部不均问题,提出一种新的手掌静脉增强算法,将受约束的局部直方图均衡算法(CLAHE)和非下采样的Contourlet变换(NSCT)相结合进行图像增强.对图像进行非下采样Contourlet变换,在近似分量上进行CLAHE处理提高图像对比度,在细节分量上根据各尺度不同方向子带上的能量分布自适应地确定阈值,并利用所提出的非线性增强算法进行细节增强;然后通过Gabor滤波器增强手掌静脉纹路.实验表明,该算法提高了静脉图像对比度,增强了手掌静脉的轮廓细节,并且有效地抑制了噪声.     

基于非下采样剪切波变换域三变量模型图像去噪算法

结合非下采样剪切波变换域三变量阈值滤波和多分辨引导滤波,本文提出一种去除高斯白噪声的图像去噪的有效方法。在非下采样剪切波变换域中,以三变量非高斯模型对方向带通子带系数间相关性进行建模,采用最大后验估计理论推导出三变量收缩阈值函数。此外,对低频子带系数采用多分辨引导滤波进行平滑处理,以达到更好的噪声抑制效果。实验结果显示,本文所提去噪方法可以有效抑制噪声同时保留更多的图像细节信息,与其他滤波算法相比,该去噪算法可得到更高的客观数据及更好的视觉效果。     

复轮廓波包变换及其在SAR图像去斑中的应用

利用解析的双树复小波包变换(DT-CWPT)与非抽样方向滤波器组(NSDFB),构造了一种复轮廓波包变换(CCPT),并将其应用于合成孔径雷达(SAR)图像去斑。新的变换由于对信号的低频和高频部分都进行了分解,因此除了具有多分辨率、局部性、方向性和各向异性的特点外,还具有平移不变性和更丰富的方向分量。实验结果表明,本文构造的CCPT能够有效地抑制斑点噪声,达到较好的边缘保持效果,并且在图像的细节和纹理表现方面具有一定的优势。     

冗余轮廓波变换的构造及其在SAR图像降斑中的应用

构造了由非抽样塔式分解和方向滤波器组实现的冗余轮廓波变换。文中利用McClellan变换设计非抽样塔式分解中满足精确重构条件的圆对称滤波器组。利用冗余轮廓波变换系数的自适应局部统计模型及最大后验概率法对SAR图像进行降斑处理,并与基于平稳小波和轮廓波变换的降斑算法进行比较。结果表明,提出的算法能有效地去除散斑噪声,并且具有更强的边缘保持能力。     

Bayesian-Based Speckle Suppression for SAR Image Using Contourlet Transform

A novel and efficient speckle noise reduction algorithm based on Bayesian contourlet shrinkage using contourlet transform is proposed.First,we show the sub-band decompositions of SAR images using contourle transforms,which provides sparse representation at both spatial and directional resolutions.Then,a Bayesian contourlet shrinkage factor is applied to the decomposed data to estimate the best value for noise-free contourle coefficients.Experimental results show that compared with conventional wavelet despeckling algorithm,the proposed algorithm can achieve an excellent balance between suppresses speckle effectively and preserve image details,and the significant information of origina image like textures and contour details is well ma intained.     

基于方向区域的NSCT图像融合算法

提出一种新的基于方向区域的NSCT图像融合算法。算法首先对源图像进行NSCT分解,获得不同方向的高低频子带。其次对高低频系数,根据不同分解层的方向特性,按方向区域能量的规则进行融合。最后,通过反变换获得融合图像。该方法既保留了Contourlet变换方法的多尺度多方向特性,又具有移不变性。实验结果表明,提出的算法有效可行,对比常用的区域融合算法,获得了更好的融合效果。     

Despeckling SAR images based on a new probabilistic model in nonsubsampled contourlet transform domain

A method for synthetic aperture radar (SAR) image despeckling based on a probabilistic generative model in nonsubsampled contourlet transform (NSCT) domain was proposed. The shrinkage estimator in NSCT domain consists of a new type of likelihood ratio and prior ratio, both of which are dependent on the estimated masks for the NSCT coefficients. While the previous probabilistic approaches are restricted to parametric models, the limitation is eliminated and the hybrid density model is applied in this paper. The suggested approach does not make heavy assumptions on the NSCT coefficient distribution, so that it can handle complex NSCT coefficient structures. The likelihood ratio is composed of the hybrid density, and the prior ratio is equipped with the selective neighborhood systems to enhance the detail information. The method can effectively adapt the shrinkage estimator to the redundancy property of the NSCT. The proposed approach was applied to real SAR images despeckling and compared through the SAR image vision effect, the equivalent number of looks, and the edge sustain index. Experimental results show that the proposed approach outperforms previous works involved in the paper with the better despeckling result and edge preservation.     

基于尺度空间相关的SAR图像NeighShrink滤波算法

为有效滤除相干斑噪声和保持图像的结构信息,该文提出了基于尺度空间相关的SAR图像NeighShrink滤波算法。首先,利用所提出的单选择可调参数的尺度空间相关法,检测对数SAR图像经平稳小波变换所得细节子带中分别与噪声相关及与结构信息相关的小波系数。然后,对与噪声相关的小波系数,直接采用NeighShrink算法以获得较好的平滑效果;而对于与结构信息相关的小波系数,则提出加权的NeighShrink算法来达到结构信息保持的目的。仿真实验验证了该文算法的有效性。     

基于非亚采样轮廓波的舰船尾迹检测

介绍了海洋表面合成孔径雷达(SAR)图像的舰船尾迹检测算法.该算法首先对图像进行对数变换,将乘性噪声转化为加性噪声,然后对图像进行非亚采样contourlet变换,根据变换后的像素均值对变换系数进行调整,以便去除噪声和提取尾迹轮廓.接着对经非亚采样contoulet调整后的图像进行局部Radon变换,即在对像素积分过程中沿着线性特征被分割后的若干短线段进行积分,而非对整幅图像进行积分.最后通过采用形态学膨胀和腐蚀的方法将临近的分离短线段连接起来便于后续的处理.采用该算法对实际SAR图像进行舰船尾迹检测,结果表明:该算法在背景噪声很强时仍能检测出略微有弯曲的尾迹信号.     

SAR image despeckling using heavy-tailed Burr distribution

Multiplicative speckle noise diminishes the radiometric resolution of the synthetic aperture radar (SAR) images and all the coherent images. Speckle removal adds an extra value to an automated SAR image interpretation and analysis. In this paper, dual-tree complex wavelet-transform-based Bayesian method is proposed for despeckling the SAR images. In each subband, the reflectance and noise of the logarithmically transformed wavelet coefficients are modeled using heavy-tailed Burr and zero-mean Gaussian distributions. The closed-form expression for the shape parameter of Burr distribution is derived by employing the Mellin transform. The resultant complex-free quadratic maximum a posteriori solution with suitable shrinkage function yields despeckled SAR images. Extensive experiments are carried out using real SAR images as well as simulated images. The proposed method performs well in terms of equivalent number of looks with 3.5751 dB improvement in homogeneous region1 of Pipe river SAR image, edge preservation with 0.6158 improvement, peak signal to noise ratio of 51.3305 dB, and mean structural similarity index measure of 0.9397 at 0.05 noise variance for synthetically speckled image in comparison to the existing methods and takes averagely 2.3461 times less computing time. The proposed method provides a computationally efficient better speckle reduction in homogeneous regions while still preserving the edge.     

基于非下采样Contourlet域高斯尺度混合模型的图像降噪

提出了一种图像去噪方法,将高斯尺度混合(GSM)模型引入非下采样Contourlet变换(NSCT)域,构造了基于NSCT分解系数的邻域模型,并利用Bayes最小均方(BLS)估计进行局部去噪。仿真实验结果表明,通过本文提出的方法能够有效去除高斯噪声,较完整地保持图像中的边缘等细节信息,在峰值信噪比(PSNR)提高与视觉效果上优于其它的去噪方法。实验结果验证了方法的正确性。