Retinex和小波变换去除遥感图像云雾方法分析

基于遥感图像中的云和景物信息频率分布特征,介绍了改进的Retinex方法和小波变换两种去云方法的基本原理,并结合实验分析两种方法的优缺点。Retinex算法对较暗区域的图像处理有明显效果,改进的Retinex方法则是基于经典Retinex,对具有较高亮度的遥感图像通过图像变换方法达到去云的目的。小波变换方法是将图片进行适当层次的小波变换,增大低层细节系数,突出景物信息,减小高层细节系数,适当减小近似系数,最后将所有系数重构,得到重构图像。实验结果评价及数据表明:基于小波变换方法优于Retinex方法。     

使用小波分析的图像融合算法

利用小波分析实现SAR图像与光学图像的融合和互补性。这种图像融合方法是利用SAR图像小波分解后的近似部分和光学图像小波分解后的细节部分,组成一个新的小波分解系数,再进行逆小波变换(重构),即可得到复合的图像,取得了较好的实验效果。     

两种变换域相结合的医学图像融合

为了克服单一图像分析方法在图像分解时存在的局限性,采用两种变换域相结合的方法来实现CT/MRI图像融合。利用基函数多尺度和多方向性的特点,对CT与MRI源图像进行非下采样Contourlet变换(NSCT);将分解之后的CT低频近似部分和MRI低频近似部分再分别进行小波变换,小波分解与融合之后得到融合图像的低频系数,而对NSCT变换后的高频细节部分利用邻域能量取大方法得到融合图像的高频系数;再对高频系数与低频系数进行逆NSCT变换得到融合图像。结果表明,两种变换域结合的算法比单一的多尺度分析算法更有效可行,使得融合图像对比度更高、更清晰。     

基于小波变换的多聚焦图像自适应融合

图像融合是对来自同一场景的不同源图像的信息进行互补和合成,从而获得更为准确、更为全面、更为可靠的图像。采用了一种基于小波变换的自适应图像融合方法,首先将配准好的图像进行小波分解,并提取出细节分量和近似分量。其次,针对不同的频率域选择不同的融合规则,对低频系数选取区域均匀度和变化率相结合的融合规则,对高频系数选用区域方向对比度和区域匹配度相结合的自适应融合规则。最后通过小波逆变换得到融合图像。将其它融合算法和文中所提算法进行主观和客观的对比,结果表明,该算法是一种有效可行的图像融合算法。     

小波变换在遥感图像薄云处理中的应用分析

云雾是遥感图像获取与应用时的常见噪声。因小波变换具有较好的时频分析特性,被广泛地应用于遥感图像的去云处理中。随着小波分析理论与技术的发展,出现了许多种形式小波变换,从云雾图像的频域特性出发,利用不同的小波变换方法对遥感图像进行了去云实验。结果表明,能完成整数到整数变换的提升小波更适用于遥感图像的去云处理。     

基于小波变换的路面破损图像降噪增强算法

针对传统的边缘提取算法对提取路面裂缝的不适应问题,提出了一种基于二维离散小波变换的路面裂纹图像降噪增强算法。该算法利用小波变换分解公路裂纹图像,自适应地处理不同层次的细节系数,增强裂纹信息。实验结果证明,面对复杂的图像背景纹理信息和大量噪声,算法能够成功锐化裂纹边缘信息,去除公路纹理噪声,有着较强的鲁棒性。     

基于小波包的遥感图像融合新算法

提出了一种基于正交小波包的局域方差遥感图像融合新算法．该算法利用正交小波包变换,把图像分解成不同尺度的低频和高频部分,采用小波包局域窗口和子区域窗口统计,把小波包系数分类成边缘和非边缘系数．在融合处理中,把低频图像的小波包系数平均值作为融合后的低频系数,高频细节系数根据不同区域特征选择方法以及对应图像小波包系数的多窗口区域方差,来确定融合后高频小波包系数．实验结果表明,这种方法能够在保留图像微小细节方面获得满意的结果,有效且优于其他图像融合算法．     

基于Haar小波变换的图像融合方法

为了有效的提高多个传感器的图像融合精度,该文提出了基于Haar小波变换的图像融合方法,首先分析了小波变换中不同频率分量对图像融合精度的影响,然后详细探讨了高频分量系数的确定方法。选取信息熵作为图像融合算法性能的评价指标,通过仿真实验定量分析了高频分量系数对图像融合精度的影响,实验结果表明高频分量系数并非越大越好,应根据融合后的图像信息熵确定高频分量系数。     

遥感图像薄云的小波自适应阈值去除

可见光遥感图像最常见的薄云噪声严重地影响其解译的准确性,因此根据薄云噪声主要影响图像的低频信号,提出单波段遥感图像小波变换自适应阈值去云,图像经小波分解后,薄云噪声与地物信息在低频小波系数的阈值使用遗传算法以广义交叉验证GCV准则作为目标函数自动寻找,然后对小波系数进行阈值化去云。结果表明,该方法可有效去除薄云噪声并保留地物信息,使原来模糊的地物细节信息变清晰,信息熵最高,去云效果优于小波同态滤波,且明显优于同态滤波;不同尺度低频小波系数中薄云噪声与地物信息间的阈值,可用遗传算法和GCV准则有效地自动确定。     

基于小波系数的图像融合规则研究

进行图像融合最主要的是制定合适的融合规则,在对图像进行小波分解研究的基础上,本文提出一种对变换域低频和高频分解图像分别进行融合处理的方法,即对源融合图像分解后得到的近似图像和细节图像进行融合,并与其他传统的融合规则算法作比较,用仿真实验证明本文方法的可行性并取得良好的效果.根据基于小波变换的图像融合模型,多源图像经过几何配准,重采样和精确配准以后,对参与图像融合的图像进行小波分解.     

一种基于小波包变换的SAR图像与TM图像融合方法

为了增强来自不同传感器的图像信息，改善图像的可分析和提取能力，近年来，常采用小波变换融合方法。但小波变换只对低频信息进行多分辨分析，并不考虑高频信息的多级分解。小波包变换不仅能对图像的低频部分，而且对小波变换没有细分的高频部分也能进一步地分解。因此，小波包分析能够为图像融合提供一种比小波多分辨分析更加精细的分析方法。在研究了小波包分析法后，提出了一种小波包图像融合方法。利用此融合算法对同一场景的不同传感器荻得的合成孔径雷达（SAR）图像和专题绘图仪（TM）图像进行融合，通过客观分析与目视评价，证明该融合方法的融合结果更好。     

基于压缩感知的图像快速重构去噪算法

针对传统的压缩感知重构算法运算量大,图像质量低的缺点,提出一种新的图像快速重构去噪算法。首先对图像进行一级小波分解,分别提取近似分量子图像和细节分量子图像,并对细节分量子图像进行软阈值去噪处理,然后对近似分量子图像和处理后的细节分量子图像运用新的压缩感知重构算法进行恢复,最后将恢复的细节分量和近似分量进行小波逆变换,得到重构后的图像。实验结果表明,新方法可减少重构时的运算量,有一定的去噪效果,且可提高图像质量。     

基于区域能量的NSST域偏振图像融合算法

针对传统的偏振图像融合方法存在图像细节丢失、边缘模糊、对比度下降等不足,提出了一种基于区域能量的非下采样剪切波变换域(NSST)偏振图像融合方法。首先,利用NSST对源图像进行分解,获取源图像的低频子带系数和高频子带系数;然后,对分解得到的低频系数基于区域能量加权融合,对高频系数先基于区域能量取大融合,再应用引导滤波进行细节增强;最后,通过NSST逆变换得到融合图像。实验结果表明,融合后的偏振图像能够较好地保留细节信息,同时使边缘更加清晰,图像标准差、平均梯度、信息熵、对比度、空间频率相对传统方法均有不同程度的提高,具有更好的视觉效果。     

基于小波单支重构的遥感影像云区提取

遥感全色影像受云层变化影响较大,如何确定云区位置和面积,恢复云区遮挡信息是遥感图像处理的关键技术之一.本文在影像含云区域特征分析的基础上,提出一种基于小波多分辨率分析与单支重构的云区提取方法.本方法同其它特征提取方法相比,边缘重合度高,对有云影像融合以及影像恢复都有较大的实用价值.     

基于小波变换和插值的超分辨率图像处理算法

根据图像小波变换和插值处理的特点，提出了一种将小波分解与插值算法相结合的图像插值处理方法，以提高图像的分辨率。通过实验表明：该方法能够较好的保持原图像中丰富的高频信息，经插值处理并小波重建后提高了图像分辨率，而且图像主观上具有很好的视觉效果，客观上具有较高的信噪比，并图像中细节丰富，无明显的畸变，因此它也是超分辨率图像处理的一种行之有效的方法。