基于多方向DTCWT和域自适应学习的遥感图像薄云去除

如果遥感图像被薄云污染,将会直接影响图像判读,现给出一种多方向DTCWT分解结合迁移LSSVR低频学习的遥感图像薄云去除算法,对遥感图像进行多方向多尺度分解,再对包含薄云信息的源图像低频系数值进行预测,并增强包含地物信息的高频部分,最终去除含云图像上的薄云。实验结果表明,该方法有助于保持含云图像的地物细节信息,并有效添加多源多时相图像的地物轮廓信息,可以实现较好的薄云去除。     

一种基于小波去噪的遥感图像显著性区域检测算法

传统的图像检测方法未获取遥感图像亮度、色度、饱和度信息,图像显著性区域检测效果较差,为此,论文提出一种基于小波去噪的遥感图像显著性区域检测算法。利用小波变换的正交方式将遥感图像转换为一维图像,采用二进小波变换获取遥感图像边缘信息,根据新阈值函数去除图像边缘噪声;依据IHS变换（Intensity-Hue-Saturation）方式计算遥感图像亮度、色度、饱和度信息,并经离散小波变换计算遥感图像高、低频系数向量,通过模糊C均值聚类获取低频系数聚类数据后,利用显著性因子完成遥感图像显著性区域检测。实验结果表明：本文方法能够有效提取图像边缘信息,去除噪声能力强,所检测到的图像显著性区域层次分明,对比度较高,检测效果好。     

高噪声遥感图像稀疏去噪重建

高噪声遥感图像去噪一直是遥感领域研究的一个重要难题,为进一步提高高噪声遥感图像的重建质量,在经典的压缩感知迭代小波阈值算法的基础上,提出了一种改进迭代小波阈值算法.首先,提出一种自适应小波滤波算子在图像稀疏变换过程中对获取的遥感图像小波系数进行筛选,去除图像中的部分噪声信息;其次,使用提出的下降BayesShrink阈值在每次迭代过程中对获取的小波系数进行二次筛选过程;最后,使用改进的块稀疏全变差方法对获得的重建图像进行调整以进一步提高重建遥感图像的质量.试验结果表明,该算法的去噪重建性能优于经典的压缩感知迭代小波阈值算法,可以从高噪声图像中重建一幅高质量的遥感图像,验证了该算法的有效性.此外,该算法能够有效地保护遥感图像的边缘和纹理等重要特征信息.在低压缩采样比情况下,该算法也能够获得相对较高的峰值信噪比和视觉质量.在卫星地面接收站,该算法可直接使用获取的少量含噪遥感图像数据重建一幅清晰的遥感图像.     

基于Landsat影像自身特征的薄云自动探测与去除

为有效地去除Landsat云的影响,恢复云区地物信息,基于单景Landsat影像的自身特征,通过利用影像中无云区地物的band1和band3高度相关特性确定晴空线,使用修改的最优化薄云变换算法计算受云影响的像元相对于晴空线的偏离距离(HOT),依据HOT的大小实现云的自动探测.对HOT图像进行阈值分割,将云从薄到厚进行分级;然后利用近红外和短波红外波段对云区和非云区的地物进行自动聚类,并根据云的等级和地物类型将云区可见光影像和对应地物的无云区影像进行匹配,实现薄云的去除.试验结果表明,云的探测快速准确,薄云的去除效果较好     

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。     

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。     

基于小波收缩阈值和维纳滤波的去噪方法

针对高斯噪声图像的结构特点及传统去噪方法中所存在的问题,提出一种基于小波收缩阈值法和维纳滤波法相结合的图像去噪方法。采用小波收缩阈值法对图像进行去噪,对处理后的图像用维纳滤波法进行平滑处理。采用独立自适应阈值,对其子带阈值进行确定,并引入调节系数。仿真结果表明,所提出的方法在高斯去噪效果和保留图像细节信息性能方面优于中值滤波算法、均值滤波算法等方法。     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。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。     

基于多小波阈值收缩与子带增强的图像去噪

为保证在图像去噪的同时,尽量保留图像的边缘特征,提出一种新的基于多小波阈值收缩与子带增强相结合的图像去噪方法.该方法以多小波变换为基础,将变换后的多小波系数分为噪声相关系数和边缘相关系数,对变换系数进行软阈值多小波收缩消去噪声相关系数;阈值收缩是非线性变换,对图像边缘有平滑作用,因此,该方法提出在阈值收缩后进行线性的子带增强,增强边缘相关系数.实验表明:与单一的阈值收缩方法相比,该去噪方法不仅保留了图像的边缘特征,而且提高了去噪图像的峰值信噪比,优于普通的阈值收缩方法.     

基于3σ准则的小波阈值法在去除红外图像噪声中的应用

针对红外图像去噪领域中,传统小波阈值选取不当造成的图像模糊、峰值信噪比低等问题,提出采用以“3σ”准则确定小波阈值的方法。该方法以高斯噪声的统计特性为基础,若分解后的小波系数幅值大于3σ则保留,小于3σ则置零。将保留的小波系数采用小波逆变换重构,可得去噪后红外图像。去噪实验表明,该方法有效可行,与传统硬、软阈值法、SVD分解法相比,该方法还原红外图像效果更佳。     

小波变换与图像融合方法在遥感图像处理中的应用

依据小波变换理论,分析得出了图像经多层小波变换后,低层的细节系数频率高于高层细节系数,近似系数的频率最低。遥感图像景物的频率较高,云雾频率较低,高层的细节系数和近似系数包含了云雾信息,因此要提高图像的清晰度,就必须减少高层细节系数和近似系数,增大低层细节系数,去除云雾。为减少处理过程中信息量的丢失,将原图像和处理结果融合。实验表明,该方法能有效地去除云雾。     

基于多尺度自适应小波阈值的SAR图像降噪

为了抑制合成孔径雷达(synthetic aperture radar,SAR)成像系统所固有的相干斑噪声,提出一种小波域的多尺度自适应阈值滤波算法.本算法基于BayesShrink阈值,利用多尺度小波系数的局部统计量估计参数和阈值,并结合空域增强Lee算法的思想,平滑均匀区域,保留斑点发育不完全区域.实验结果表明,相对于传统的空域滤波算法、小波软阈值去噪算法和BayesShrink软阈值算法,本算法等效视数(equivalent number of looks,ENL)和边缘保持指数最高,能有效抑制斑点噪声,并且很好地保存了边缘细节。     

基于小波的同态滤波算法在ICT图像增强中的应用

针对ICT图像对比度低、边缘模糊、细节不清晰等问题,提出采用基于小波的同态滤波算法来对图像进行增强。同态滤波可以有效地减少亮度不均匀,并对感兴趣的景物进行有效增强。首光使用基于照明反射模型的同态滤波方法,介绍模型的原理、实现过程和特点,给出了适用的滤波模型和表达式。引入基于小波变换的同态滤波方法,采用高通滤波对小波变换系数进行处理,在保持图像总体原貌的基础上对图像局部对比度增强,效果显著。     

一种新的基于能量分布的图像压缩方法

研究了小波变换用于图像压缩涉及到的小波系数阚值的确定问题。建立了评价图像小波变换后各层子图像能量分布的理论公式；给出了确定小波系数阈值的方法和一种新的图像压缩算法。以典型的Lena图像为例，在同等压缩比条件下，把本文提出的图像压缩方法与FFT和DCT法进行了对比，结果表明：本方法有明显的图像改善效果和抗“分块效应”的能力。     

基于局部化自适应阈值的小波图像降噪

为了能在去除图像噪声的同时有效地克服Gibbs现象,得到令人满意的视觉效果,提出了一种基于局部自适应阈值的小波图像降噪方法.该算法利用局部化信息和层间相关性理论,对小波系数进行分块分类处理.该算法首先把图像划分成子块,通过调节全局阈值得到各个子块阈值,从而有效地利用了局部信息,有选择地对图像进行降噪处理.算法加入自适应的步骤,对于不同尺度的子带,分别赋予大小不同的阈值,使算法具有更好的自适应性.试验结果表明,与其他几种传统降噪方法相比,该方法能获得较好的降噪效果.     

一种自适应的小波方向对比度图像融合算法

对多传感器获得的图像序列进行图像融合,可以采用基于小波变换的多分辨率分析图像融合方法。首先,对两幅待融合图像进行小波变换,采用平均加权的方法来获得融合后的低频分量;采用一种基于图像对比度的自适应算法来获得融合后的高频分量。最后从最高分解层到最低分解层依次对得到的高频小波系数和该分解层的低频小波系数进行小波逆变换,最终得到具有原图像有用信息的融合图像。实验结果表明,这种算法可以很好地保留原图像的有用信息,是一种有效的图像融合算法.     

基于小波分析和遗传算法的乳腺X线图像分割

首先运用维纳滤波对X线图像进行处理,可以有效地去除图像中的伪影和噪音。其次,利用多尺度小波对图像进行增强,有利于分割过程中取得更好的效果。最后,用小波变换对图像直方图进行处理,并根据遗传算法对图像中的疑似肿块进行分割。实验表明,该算法能更加快速、清晰地分割出肿块。     

结合PCNN和局部维纳滤波的图像去噪

提出了一种基于脉冲耦合神经网络(PCNN)的图像去噪算法,利用PCNN的同步脉冲特性对图像小波系数进行局部加窗修正,从而对信号方差进行更好地估计,以利用局部维纳滤波进行去噪. 同时,根据各个像素间耦合特性的不同,提出了自适应连接系数,更好地反映了像素间的耦合关系,利于信号方差的估计. 实验结果表明,该算法较维纳滤波和NeighShrink算法均有较高的峰值信噪比,视觉效果更好.