针对遥感图像压缩的改进SPIHT 算法

在研究遥感图像和小波分解系数特点的基础上,提出了一种改进的SPIHT算法：对第一阶小波变换产生的低频子带和高频子带进行小波再分解,并对再分解后的四个子带,取不同的门限值,分别进行编码;再分解后的高频子带小波系数不进行编码,在解码时直接赋予固定值重构图像。改进算法更好地处理了低频子带和高频子带的小波系数,对遥感图像的压缩实验证实了改进算法的有效性。     

JPEG2000中的自适应量化研究

根据人类视觉特性和小波子带图像分布特性及子带系数对保存边缘、纹理信息的重要性程度,提出一种基于图像纹理分类的自适应量化编码算法,在同一子带内根据小波系数对保存边缘、纹理信息的重要性程度,将小波高频子带内划出平坦块、纹理块和边缘块,对其采用不同的量化间隔,并以JPEG2000为平台进行了实验.结果证明,采用该算法,可以在低码率下较好地保存图像的边缘和纹理特性的信息,重构图像的主观质量有一定的提高.     

小波方向子带偏微分方程遥感图像去噪

针对小波阈值法在去除遥感图像高斯噪声时,所存在的由于过度"扼杀"小波系数而引起的模糊边缘问题,以及P-M模型通常会使图像的灰度趋于分段常量而产生所谓的"块状"效应问题。提出小波域偏微分方程(PDE)遥感图像去噪模型,该模型通过对遥感图像进行小波分解,保持低频子带信息,而只对含有噪声、图像边缘的高频子带进行基于子带方向特性的非线性异性扩散,使模型在有效去除高斯噪声的同时,能够很好地保护遥感图像中的边缘特征和细节纹理信息,避免了去噪后的结果图像出现分段常量现象。实验结果表明,对于相同的遥感图像高斯噪声,基于所提出混合模型的去噪图像的PSNR较基于类零树的Bayes阈值法和P-M模型提高了1～2dB。     

结合方向小波的多光谱与全色遥感图像融合算法

针对现有的遥感图像融合算法所得融合图像存在边缘清晰度不高与光谱保持能力较差等问题,根据方向小波变换的高效性与方向选择性,提出了一种结合方向小波的多光谱与全色遥感图像融合算法。该算法采用人眼的视觉特性首先对待融合图像进行预处理,并根据小波变换的分解特性,对低频子带小波系数采用基于能量比的图像融合规则,而对高频子带则采用基于纹理一致性的融合规则。实验结果表明:该算法能够在保留多光谱图像信息的基础上,得到清晰度较高的融合图像,其中对中等分辨率图像的融合处理效果最佳。     

基于双树复小波和灰度共生矩阵的遥感图像分割

提出了一种将双树复小波变换和灰度共生矩阵相结合描述遥感图像局部纹理特征并用于分割的方法。该方法采用双树复小波高频模值子带Gamma分布与Lognormal分布参数组合特征、灰度共生矩阵特征组成的联合纹理特征作为遥感图像每一像素特征,然后用Canberra距离进行相似性度量,最终通过聚类完成遥感图像分割。实验结果表明,该纹理特征提取方法可以有效地表征遥感图像的纹理,得到更为精确的遥感图像分割结果。     

基于自适应伽马转换函数的遥感图像增强

针对传统的遥感图像增强方法视觉效果不够理想的缺点,提出了一种基于平稳小波变换和分段自适应伽马灰度转换函数的遥感图像对比度增强方法。首先,对遥感图像进行平稳小波变换,接着对得到的最大尺度低频子带图像采用基于核函数的样本加权模糊C-均值聚类算法将该图像分为低、中和高亮度区域,并对各亮度区域依据其各自特点分别采用不同的自适应伽马灰度转换函数进行增强,然后利用贝叶斯萎缩阈值法和非线性自适应增益函数相结合计算高频子带的增益系数,从而得到增强后的高频子带图像;最后,由低频子带图像和高频子带图像重构得到增强后的图像。实验表明,该方法提高了遥感图像的全局对比度,改善了视觉效果,增强了图像的细节并抑制了噪声,获得了较好的图像增强整体效果。     

适合高频子带特征的小波域图像放大算法

针对小波域图像放大出现的伪吉普斯现象和虚假边缘问题,提出一种新的小波域图像放大算法。对原始图像进行一级小波变换,根据各高频子带的方向特点,确定高频子带系数在放大子带中的布放位置。给出基于边缘方向的高频系数插值方法,计算空白像素的高频系数。将线性变换的原始图像作为放大后的低频子带,结合放大后的3个高频子带进行小波反变换,得到基于小波变换的放大图像。实验结果表明,该算法可有效克服由于小波变换缺乏平移不变性造成的伪吉普斯现象,避免产生虚假边缘。     

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。     

小波系数在织构纹理相似性描述中的应用

提出了基于小波子带系数的织构图像纹理相似性描述方法。根据织构图像小波分解后高频子带小波系数分布服从广义高斯分布,采用极大似然估计求出广义高斯分布模型的尺度参数和形状参数,并由其计算两织构图像的Kullback-Leibler距离以衡量织构图像纹理的相似度。由实验结果可知,与小波基和分解层数的选择相比,参照图像的差异对Kullback-Leibler距离曲线的影响较大。从织物图像纹理识别可知,基于Kullback-Leibler距离特征的识别结果优于其他距离特征。提出的纹理相似性描述算法对其他类型的纹理具有通用性。     

基于视觉掩蔽特性的EZW算法

文中算法以EZW编码方案为基础，能够通过以下两项措施提高工作效率：(1)对小波图像的最低频子带系数进行单独DPCM编码；(2)全面考虑高频子带的分解层次与方向、背景亮度值、像素点所在区域的纹理复杂度等诸多因素，并依此确定视觉掩盖特性值，进而根据视觉掩盖特性值自适应确定小波图像高频子带系数的扫描优先级，以完成嵌入编码，对比实验表明：文中算法在编解码速度、图像复原质量等方面优于EZW算法、形态结构表示法和选择系数扫描法。