一种基于小波域隐马尔可夫模型的SAR相干斑抑制算法

相干斑噪声是SAR图像的固有特点。对相干斑抑制的要求是在平滑噪声的同时，尽量保持原始图像的结构信息。现有的许多相干斑抑制方法各有优点和不足，没有普遍的适用性。基于图像在小波域的隐马尔可夫模型(HMMs)结构，结合SAR图像中相干斑噪声的统计特性，本文提出了一种新的小波域相干斑抑制方法。仿真及实测数据处理结果表明，该方法在有效抑制相干斑的同时，更好地保持了边缘结构。与小波域软阈值去噪方法和Lee滤波器相比较，该方法在噪声平滑及边缘保持上都取得了较大的改进，并得到了较好的视觉效果。     

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.     

基于非局部均值滤波的结构保持相干斑噪声抑制方法

提出了一种基于非局部均值滤波的合成孔径雷达(SAR)图像相干斑噪声抑制新方法.与传统方法相比,该方法通过利用SAR图像块之间的相似性来辨别具有相同结构属性的像素,从而实现在抑制相干斑噪声的同时有效减少图像结构信息的损失.针对SAR图像中各种结构基元相似性的特点,进一步采用两级非局部均值滤波,来削弱相干斑噪声对结构相似性度量的影响,提高去噪性能.通过采用添加不同程度相干斑噪声的合成sAR图像和真实SAR图像对提出的方法进行评价,实验结果表明,与传统的Lee滤波方法,增强的Lee滤波方法以及各向异性扩散相干斑抑制方法相比,提出的方法在相干斑噪声抑制尤其是结构信息保持性能上有显著提高.     

一种新型的空域SAR图像相干斑抑制方法

为了有效抑制SAR强度图像中的相干斑噪声,提出一种改进Sigma滤波并结合Gamma MAP滤波的空域相干斑抑制方法。首先利用阈值判断法判断并保留强点目标,然后结合SAR图像分布模型和MMSE准则判断Sigma区间,其中可以根据图像局部统计特性自适应调整窗口尺寸,最后选择Sigma区间内像素进行Gamma MAP滤波。实验结果表明:对于星载和机载SAR图像,在相干斑噪声抑制和边缘纹理细节信息保持方面,该方法较其他常用的空域相干斑抑制方法具有明显的优越性,能极大地提高SAR图像判读和目标识别能力。     

数字全息再现图像散斑噪声消除新方法

为了消除数字全息再现像中存在的相干散斑噪声,在去除噪声并保留图像细节的基础上,提出了基于小波变换的边缘保持散斑噪声去噪方法;通过分析小波变换模极大值边缘检测和基于Neyman-Pearson准则的小波阈值去噪方法的原理,提出并应用了一种数字全息再现像散斑噪声去噪方法,利用小波模极大值方法获得边缘图像,通过基于Neyman-Pearson准则的小波阈值去噪,去噪后的图像与边缘图像合并后得到最终再现图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。     

基于数据融合及小波变换的医学超声图像去噪方法

医学超声图像固有的斑纹噪声,极大地降低了超声图像的质量,严重影响了对病灶的识别。经典的去噪方法在抑制斑纹噪声时丢失了图像中大量的细节和微弱的边缘信息。本文提出一种基于数据融合的小波变换去噪算法,首先对医学超声图像进行对数变换,将乘性噪声变成加性噪声,然后对同一原始信号含噪声的两幅同源图像分别进行小波分解,对两幅图像中小波系数的低频分量作加权融合;对水平、垂直与对角方向高频分量取两幅图像中各尺度下对应小波系数绝对值较大者各自分别融合,使高频分量中信号得以最大限度地保留,最后,经小波逆变换和指数变换得到去噪后图像。该方法在去除噪声同时能够有效保持边缘信息,较好地改善去噪后图像的视觉效果,取得了良好的效果。     

小波的循环阈值去噪方法

在D.L.Donoho提出的多分辨分析小波阈值去噪方法的基础上,针对SAR图像的相干斑噪声现象,提出一种小波域SAR图像的循环阈值去噪法,通过估计的噪声标准差和滤除信号后的噪声标准差之间的循环迭代,得到最优阈值。并以峰值信噪比和平滑指数等作为评价指标,与传统的软阈值、硬阈值以及几种空域滤波方法进行了比较。仿真结果表明,提出的新的阈值去噪算法无论是峰值信噪比,还是主观质量都优于软阈值、硬阈值去噪算法和各种空域滤波方法。     

基于HAAR小波域边缘方向特征的SAR图像去噪

提出一种新的基于小波变换的SAR(Synthetic Aperture Radar)相干斑去噪方法。利用二级小波分解得到的小波系数子带HL、LH和HH,判断对应点边缘方向性的强弱,并通过设定值确定该点是否位于边缘,在最大限度保护图像边缘信息和纹理信息不被破坏的同时,有效去除了图像噪声,并且计算简单、高效。通过仿真实验,从平滑指数和边缘保持指数这两个评价指标来看,所提出方法的实验结果比现有的其他方法更好一些。     

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。     

融合多尺度边缘检测的小波贝叶斯SAR图像滤波

针对实测的SAR图像被噪声广泛淹没、传统滤波方法易模糊边缘等问题,提出了一种新的滤波方法。该方法在图像多尺度的小波分量上,将基于贝叶斯理论对不同系数和不同方向上设置不同阈值得到消噪后的各分量与基于多尺度边缘检测提取的图像边缘等结构所对应小波分量加权融合,重构输出。以真实的SAR影像进行对比实验后,选取图像的均值、等效视数、边缘保持指数、信噪比及特征地物的像素灰度曲线作为评价指标,对不同的滤波方法进行了综合量化评价。实验结果表明,该方法抑制SAR图像斑点噪声的效果较好,对边缘有较好的保持效果。     

基于平稳小波变换的图像融合算法

针对IHS（intensity，hue．saturation）融合算法的光谱畸变和正交小波变换融合算法的方块效应问题，提出了一种基于平稳小波变换的图像融合算法，并且探讨了在图像处理中应用灰色系统理论的可行性和有效性。该算法结合IHS变换，对于图像平稳小波分解的高频分量利用灰色关联分析准确、有效地检测出有用的边缘信息，并在确定融合权值时，给予不同的重视程度。实验表明，本文算法能够克服正交小波变换在图像融合中出现的方块效应问题，在保持光谱信息方面具有显著的优越性，并且能够有效提高融合图像的空间分辨能力，又由于新算法引入灰色关联分析进行像素分类，具有良好的抗噪性和可控边缘信息量等优点，使算法灵活、有效，进一步改善了融合图像的质量。     

基于贝叶斯估计的改进Contourlet变换的SAR图像滤波

针对小波变换和轮廓波变换在合成孔径雷达(Synthetic aperture radar, SAR)图像中去噪应用的不足,结合小波变换和轮廓波变换的优点,将小波变换与轮廓波变换相结合,提出一种改进轮廓波变换方法。首先将待处理图像进行小波变换,然后对低频子带图像进行重建,得到一个细节子带图像,然后使用方向滤波器组对其进行多方向划分。再采用贝叶斯最大后验概率估计对划分后的方向子带信号进行估计。实验结果表明此方法在抑制图像斑点噪声的同时,很好的保持了均匀区域的辐射特性,保持了图像中的边缘以及细小纹理,且没有人为畸变。此外算法的高频子带图像含有更为丰富的纹理,对于边缘特征的提取非常有益。     

基于Context模型的小波变换阈值自适应图像去噪

根据噪声和信号的小波系数在不同分解尺度、不同方向上高频系数的分布不同,结合Context模型,提出基于Context模型的小波变换阈值自适应图像去噪算法。该算法通过对不同尺度和方向的小波分解系数应用不同的阈值方法进行去噪。实验表明,方法能较好地去除图像噪声和保留图像边缘细节信息,在提高去噪图像信噪比值和改善视觉效果方面都表现出了良好的性能。     

结合小波去噪的THz图像多尺度增强算法研究

针对返波管获得的连续THz透射图像对比度低且噪声大的特点,提出了一种结合小波去噪的多尺度图像增强算法.该算法先用图像金字塔变换对THz图像进行多尺度分解,然后采用指数变换在空域对获得的细节图像进行增强.为减小放大噪声的影响,在重构增强图像的过程中对每一分解层次的近似图像采用小波软阈值方法进行去噪,并对小波图像采用非线性...     

基于非子采样Contourlet变换的遥感图像融合算法

针对人类视觉特性, 以及全色高分辨图像和多光谱遥感自身的特点, 提出一种非下采样 Contourlet (NSCT) 域的图像融合新策略. NSCT 具有好的多分辨、移不变和多方向等特性, 能对图像中的边缘和围线信息给出渐近最优表示. 为了更好地保持空间分辨率和颜色分量, 引入基于 LHS 变换的亮度成分叠加策略. 实验结果表明: 本文提出的融合方法在提高空间分辨率的同时较好地保持了光谱信息. 与传统的 PCA 方法、基于 IHS 的融合方法、基于小波加权的融合方法, 以及同样采用本文的融合策略、分别基于小波变换和基于 Contourlet 变换的融合策略相比较, 本文方法在视觉效果和客观衡量指标两方面都有所改善.     

基于小波变换的非线性尺度扩散方法

小波变换用于图像处理之所以具有特别的优势，因为它能够聚焦到图像的细微变化。与小波变换不同，用偏微分方程来进行图像处理则需要对图像进行反复的迭代，直到得到一个稳定解，其整个过程是对图像进行整体处理，而且在去噪的同时，可以很好地保持边缘形状不变。若将两者有机结合，则不仅会克服各自的缺点，而且会得到更好的效果。为了在进行图像处理时，既能很好地抑制噪声，又能尽可能多地保持图像细节，提出了一种小波变换与非线性尺度扩散相结合的图像处理方法。该方法是利用小波变换的时频局部性和非线性尺度扩散的边缘增强特性来对图像进行处理，实验结果表明，其不仅能很好地抑制噪声，而且可保留尽可能多的图像细节，可见该方法是有效的。     

能量回归尺度空间滤波法在图像去噪中的应用

如何有效地增强图像边缘信息,消除图像的噪声是图像处理和计算机视觉研究中的基本问题。利用多尺度二进小波变换,对2维噪声图像进行了研究,提出了能量回归尺度空间滤波方法。利用一些图像进行了数值实验,实验结果表明,能量回归尺度空间滤波法可以较好地保留图像边缘特征,较多地去除噪声。与典型的小波萎缩去噪方法：“硬阈值”滤波法、“软阈值”滤波法相比较,能量回归滤波算法的峰值信噪比（PSNR）提高了2~3dB,从而证实了能量回归尺度空间滤波方法具有良好的去噪性能。     

基于Curvelet变换抑制SAR图像斑点噪声的方法

提出了一种基于Curvelet变换来抑制合成孔径雷达（SAR）图像中噪声的方法，Curvelet是一种新的多尺度变换理论，具有各向异性的特征，克服了小波在处理大干一维的高维信号时的不足。该文在介绍Curvelet变换理论及其实现的基础上，引出了SAR图像斑点噪声的去除方法，并改进了Curvelet算法，降低了其运算复杂度，讨论了SAR图像噪声方差的估计，最后和其它的SAR图像去噪方法作了对比和分析。