排序方式: 共有14条查询结果,搜索用时 15 毫秒
1.
融合多通道的卫星云图可为监测和预报天气状况提供更加全面可靠的信息。本文提出一种采用抗混叠移不变Contourlet变换(Aliasing-suppression and Shift-invariance Contourlet Transform,ASSICT)的卫星云图融合方法。首先,为了克服原始Contourlet变换的频谱混叠及移变问题,将抗混叠滤波器组与非下采样方向滤波器组相结合,构造出ASSICT;然后,对两通道卫星云图(红外与可见光)采用ASSICT分解成低频及若干高频方向子带,对低频子带系数采取加权区域能量融合规则,而对高频子带系数采取加权区域方差融合规则进行融合处理;最后,对融合后系数进行抗混叠移不变Contourlet逆变换,得到融合云图。实验结果表明,本文方法融合的云图,由于增添了可见光云图的纹理细节信息,不仅提高了原始红外云图的分辨率,而且较好地保留了红外云图的亮温信息。 相似文献
2.
3.
乳腺X射线成像是乳腺疾病早期检测的有效手段.然而典型的乳腺X射线图像往往对比度低,噪声污染严重,本文提出一种新颖的基于抗混叠轮廓波变换的乳腺图像降噪及增强方案.首先分析了原始轮廓波变换的频谱混叠问题,设计出一种能稀疏表示图像边界及纹理信息,同时能抑制混叠影响的抗混叠轮廓波变换;在此基础上,分别采用高斯分布与广义拉普拉斯分布来刻划噪声相关及信号相关的变换系数,实现阈值萎缩降噪;接着对处理后的系数进行非线性增强,达到增强乳腺图像中细节信息的效果.实验结果表明,本文方法能有效提高乳腺图像的质量,在计算机辅助乳腺诊断方面有较高应用价值. 相似文献
4.
提出一种基于TV-L1分解的红外云图超分辨率算法。该方法采用原始-对偶算法求解TV-L1图像分解模型,将低分辨率云图分解为结构部分和纹理部分:对结构部分采用软决策自适应插值(SAI)处理;对纹理部分则基于非下采样Contourlet变换(NSCT)具有多方向和平移不变的特性,构造非线性增益函数对其NSCT变换域系数进行处理,然后对处理后的变换系数进行NSCT逆变换实现纹理增强。最后,将处理后的结构部分和纹理部分组合起来得到重构的高分辨率云图。实验结果表明,所提出的算法在视觉效果以及图像质量定量评价上均优于传统插值方法,在实现两倍超分辨率时,其峰值信噪比(PSNR)和结构相似度(SSIM)平均值分别提高了1.316 2~4.591 9dB和0.007 1~0.020 6;实现三倍超分辨率时PSNR和SSIM平均值分别提高了0.338 7~4.58dB和0.001 8~0.041 7。由于SAI插值和非下釆样Contourlet变换准确表示了云图的不同形态特征,故所提算法的超分辨率结果不但准确重建了云图中的结构部分,而且有效保持了红外云图纹理和边缘。 相似文献
5.
联合块匹配与稀疏表示的卫星云图修复 总被引:3,自引:0,他引:3
针对卫星云图在接收及传输过程中受噪声、大气湍流、太阳风暴及卫星轨道漂移等影响造成的云图数据破损,提出了一种联合块匹配与稀疏表示的卫星云图修复方法。首先,根据破损区域的优先权值确定待修复像素,对该像素的邻域进行分块处理。然后,利用待修复块与各匹配块之间的结构相似度,建立相应的冗余字典;通过求解稀疏表示问题修复该破损区域。最后,沿着等照度线不断更新优先权值,实现整幅图像的修复。实验结果表明,提出的方法不仅能避免传统偏微分方程(PDE)修复法所导致的结构丢失,也能很好地改善基于纹理填充修复方法所导致的修复不足及块效应现象。测试结果显示:在云图存在局部区域缺失时,修复后云图的峰值信噪比(PSNR)比匹配追踪法及总变分法的修复结果平均提高了8.50dB和0.28dB,而且在纹理细节及边缘区域具有更好的视觉效果。 相似文献
6.
7.
为了在放大红外图像时保持边缘或轮廓的正则性,提出一种基于抗混叠轮廓波变换的图像插值放大算法.该算法首先结合抗混叠塔式滤波器组和方向滤波器组,构造出抗混叠的轮廓波变换;然后将原始图像的小波域线性插值结果看成是放大图像的初始估计,输入到一个迭代过程;在每次迭代中,将放大图像看成是理想高分辨率图像的含噪逼近,并对其实施抗混叠轮廓波变换,根据变换系数的稀疏性约束实现降噪处理;最后,经过若干次迭代得到理想的红外放大图像.实验表明,对于测试图像,经过迭代处理后峰值信噪比平均提高了0.837 dB;且该算法在视觉质量上明显优于双线性插值算法及基于小波的算法. 相似文献
8.
将小波和方向滤波器组结合,实现了一种非冗余的图像变换WDFB,它满足各向异性尺度关系,能更稀疏地表示诸如边缘和纹理等几何特征.利用WDFB的优势,提出一种基于形态学操作的有效的图像压缩算法.该算法利用重要树来表达子带间的相关性,同时采用形态膨胀算子来聚类子带内的重要系数.实验结果表明,新算法在PSNR指标上明显优于基于小波的压缩算法,尤其对于含有丰富纹理的图像.例如对于512×512的Barbara图,在0.25bpp压缩率下,新算法比SPIHT和MRWD算法的PSNR分别提高1.08dB和0.87dB. 相似文献
10.
针对卫星云图数据量大,但传输通道和存储空间相对狭小的问题,本文提出了一种基于Tetrolet变换的卫星云图分块压缩感知方法。该方法将Tetrolet变换引入压缩感知的稀疏表示环节,以刻画卫星云图细节丰富,纹理复杂的特性,而且将分块压缩感知与平滑投影Landweber迭代方法结合用于云图重构,以提高计算效率。同时,为了进一步提高重构云图的质量,本文对云图的稀疏表示提出了另一种改进方案,首先对原始云图进行拉普拉斯金字塔分解,将得到的低频分量和高频分量分别进行分块及采样,并对低频及高频分量分别进行离散小波变换(DWT)及Tetrolet变换以实现稀疏表示,此不仅可以发挥不同稀疏变换各自的优点,而且充分利用了Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明,在相同采样率下,本文方法的重构结果明显优于直接用Tetrolet,DWT,Contourlet和DCT变换对卫星云图进行稀疏表示的重构结果。 相似文献