基于Wavelet snake的SAR图像中水岸边缘检测算法

利用àtrous小波变换、图像块生长和wavelet snake算法相结合,提出了一种检测SAR图像中河岸边缘的新算法.为了检测河流的边缘,首先利用小波变换对SAR图像进行小波分解,得到较低分辨率的图像,降低闪烁和噪声的影响;然后用图像块生长提取河流的初始边缘;最后把初始边缘作为Snake算法的起始点,利用wavelet Snake算法提取河流的精确边缘.在实验中,利用该算法提取了淮河SAR图像中的一段水岸边缘.     

基于SVM的SAR图像分割方法

先去噪再分割的SAR图像分割方法会损失有用的纹理信息,因此本文给出了一种直接对含噪SAR图像进行分割的方法.首先利用小波变换提取SAR图像的纹理特征,计算图像的灰度均值作为图像的灰度特征,然后用完全无监督的聚类算法进行分类,最后将特征值与类别标记作为支持向量机的训练样本,用训练后的分类器对图像进行分割.实验结果表明:本文所给出的方法在分割的准确性和抗噪性方面都优于几种有代表性的分割方法.     

一种复合的SAR图像去噪算法

针对SAR图像噪声影响分辨率的问题,提出一种新的复合SAR图像增强和去噪方法．该方法首先利用信号的小波相邻尺度相关性将信号和噪声分离,然后根据SAR图像近似瑞利分布的特点把SAR图像转换为近高斯分布,再分别利用复数扩散震动滤波器对SAR图像信号部分进行增强,用各项异性扩散方程对含噪部分进行去噪,最后用小波平稳变换对图像进行重构．实验结果表明,与传统的SAR图像去噪算法相比,新算法在边缘增强和噪声去除能力方面均有显著提高．     

小波域隐Markov树模型的图像去噪快速算法

小波域隐Markov树模型(Hidden Markov Tree Model，简称HMT)能充分表现小波系数的统计特征，但模型训练算法计算量大。文中以图像去噪为应用背景，提出了基于HMT粗分类的多树训练算法。该算法通过对不同类型的纹理建立不同的HMT，对小波系数进行粗分类，在此基础上，不同类别的小波系数被分别建模，并将粗分类HMT的参数作为最终模型训练的初始化参数，从而提高了模型的精度，同时减小了训练算法的计算量。对于含复杂场景或纹理的图像，提出了基于方差粗分类的训练算法，也能有效地提高模型精度。对自然图像和SAR图像的去噪实验表明，采用粗分类训练算法的HMT去噪模型的去噪效果在客观指标上优于现有的HMT去噪模型。     

基于平稳Contourlet变换的极化SAR图像融合

提出一种新颖而有效的基于平稳Contourlet变换的极化SAR图像融合算法。平稳Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用平稳Contourlet变换对多个单极化强度图像进行分解,对于低频系数和方向高频系数采用最优加权算法实现极化图像的融合处理。实验结果表明,该算法与PWF算法相比在保留原始图像边缘和纹理信息同时,可以有效地抑制相干斑噪声的影响,取得较好的融合视觉效果。     

基于小波变换的肝脏CT图像分类

提出了一种基于小波变换的肝脏CT图像疾病的分类方法:首先提取小波和灰度共生矩阵纹理特征,其次结合马氏距离的可分性判据和遗传算法进行特征选择及优化,最后利用支持向量机将肝脏CT图像进行分类.讨论了2种小波以及特征提取方式对分类结果的影响,并通过软件仿真实现算法.实验表明:小波变换可对肝脏CT图像进行有效的分类.     

基于小波分解和形态学的仪表盘参数的定位方法

采用小波变换中的多分辨率分析方法,从仪表盘图像中提取出纹理清晰、具有不同空间分辨率、不同方向的边缘子图像,再用自适应滤波和数学形态学的方法对提取出的垂直细节图像进行形态运算,滤除无用的信息,定位最终的仪表参数区域.     

SVM和DT-CWT的纹理图像分类方法研究

提出了一种将支持向量机（SVM）和二元树复小波变换（DT-CWT）相结合的纹理图像分类方法.通过DT-CWT对纹理图像进行4层分解,提取各子频带小波系数模的均值和标准方差组成特征向量,利用SVM作为分类器实现纹理图像分类.从Brodatz图像库中随机选取了30幅纹理图像进行了分类试验,结果表明：该方法具有较高的分类精度,尤其在有限训练样本的情况下分类正确率明显优于其它的分类算法,体现了该方法的有效性和良好的泛化能力.     

基于纹理的SAR图像感知质量评估

传统的SAR(合成孔径雷达)图像质量评价方法没有考虑视觉感知特性,导致主客观评价不一致。为了改善SAR图像质量评估方法的感知特性,提出了一种基于纹理的符合人类视觉系统感知性的SAR图像质量评估方法。由于SAR图像具有很强的纹理性,所以提取SAR图像的灰度共生矩阵并计算它的对比度,然后利用视觉对比敏感度函数与小波变换的倍频程特性来加权纹理特征的结构信息。仿真实验结果表明:具有感知特性的SAR图像质量评估方法较之传统方法更充分的利用了纹理结构特性,不仅能够反映出干扰对不同纹理区域的影响,而且能与人类视觉系统保持高度一致。通过对SAR图像进行感知质量评估可以为SAR的干扰效能提供更有效的依据,有利于干扰技术和干扰样式的优化。     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

基于小波和区域统计的纹理图象检索系统

对大型的图象数据库进行准确检索的时候 ,需要对纹理与非纹理图象进行分类 ,为了准确地提取图象中的纹理特征 ,本文在文献 [4]的基础上 ,提出了一种新的基于小波和区域统计特性的算法来对纹理和非纹理图象进行分割 ,并以此算法对一个具有 10 0 0幅真实图象的图象数据库进行了检索 ,实验结果表明本文的算法取得了较好的纹理与非纹理图象的分类检索效果     

A WT-STFT combining Algorithm

A fast wavelet packet (WP) algorithm is presented, in which the wavelet transform (WT) and the short-time Fourier transform (STFT) are combined. As WT produces multiresolution of frequency and time, and STFT has a fast algorithm, the combining algorithm is suitable for fast signal analysis.     

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。     

改进的立体像对稠密匹配算法

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题,提出了一种改进的立体像对稠密匹配算法。该算法首先利用区域增长技术找到图像中的纹理单一区域,然后将整个区域作为匹配基元以得到纹理单一区域的稠密视差图。相对于点基元,区域基元包含的信息更多,且在图像中不易重复出现,因此可以减少误匹配发生的几率。在国际标准测试图像上进行了实验,结果证明该算法的可行性与准确性。     

多极化SAR图像目标的智能识别应用研究

针对小样本集的多极化合成孔径雷达(SAR)图像目标,提出利用迁移学习、多极化SAR图像增广以及网络架构适应性改进,实现了多极化SAR图像目标端到端的智能分类识别;利用实测机载全极化SAR目标图像进行了实验.实验结果表明,与传统机器学习SVM方法相比,基于多极化SAR深度学习方法所包含的多个神经网络隐含层能自适应地提取目标高层语义特征,其目标分类识别精度更高,从而验证了本文深度学习方法用于多极化SAR图像目标识别分类的有效性.     

一种图像压缩算法研究

在现有SAR图像压缩技术的基础上,提出了一种基于小波变换的SAR图像压缩算法。该算法减少了SAR图像斑点噪声的影响,在一定程度上提高了SAR图像压缩性能,是一种有效的SAR图像压缩算法,并具有一定的实用价值。     

AR图像的检测和分类方法

从理论上分析了图像灰度共生矩阵和灰度共生矩阵的多个统计量. 提出了一种基于灰度共生矩阵的C 均值聚类算法，用于对合成孔径雷达（SAR）图像的分类. 通过真实的SAR图像，在实验中分析了各统计量的性能. 分析表明，熵、方差、对比度、差平均的性能较好. 采用这几个统计量作为特征量进行分类，得到了较好的分类结果，很好地保持了类间距，同时使类内方差较小.     

基于小波分解的数字图像水印处理算法

提出了一种基于小波的隐藏数字水印的新方法。该方法将一幅二值图像作为水印来隐藏，基于JPEG2000标准，将水印和图像均进行多尺度分解，然后将分解的水印低频系数嵌入到具有相同尺寸的图像的低频系数中，重构得到水印图像；水印分解中的高频系数将被保留，并在水印检测过程中作为密钥使用。检测水印时，需要原始的未加水印的图像。实验结果表明，算法对压缩、加噪、线性滤波、剪裁等具有较高的鲁棒性。     

Case study on the extraction of land cover information from the SAR image of a coal mining area

In this study, analyses are conducted on the information features of a construction site, a cornfield and subsidence seeper land in a coal mining area with a synthetic aperture radar (SAR) image of medium resolution. Based on features of land cover of the coal mining area, on texture feature extraction and a selection method of a gray-level co-occurrence matrix (GLCM) of the SAR image, we propose in this study that the optimum window size for computing the GLCM is an appropriate sized window that can effectively distinguish different types of land cover. Next, a band combination was carried out over the text feature images and the band-filtered SAR image to secure a new multi-band image. After the transformation of the new image with principal component analysis, a classification is conducted selectively on three principal component bands with the most information. Finally, through training and experimenting with the samples, a better three-layered BP neural network was established to classify the SAR image. The results show that, assisted by texture information, the neural network classification improved the accuracy of SAR image clas-sification by 14.6%, compared with a classification by maximum likelihood estimation without texture information.