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。     

一种改进的基于小波相关性的边缘检测

给出一种改进的基于小波相关性的边缘检测算法。依据多尺度小波相关去噪,对图像在不同尺度上做小波变换,进而对小波系数做区域相关处理,得到图像边缘的区域相关图像,最后做阈值处理,去除小波残留噪声的噪声小波系数。仿真结果表明,改进方法可以得到更多的边缘细节,边缘定位更加准确。     

Directionlet域的多波段遥感图像融合算法研究

提出一种有效的基于Directionlet变换的多波段遥感图像融合算法。Directionlet变换是一种新的基于格子的歪斜多尺度多方向各向异性小波变换工具,具有更高的逼近精度和更好的稀疏表达能力的图像分解变换,与小波变换相比,抑制了小波变换在图像边缘方向表示的固有局限性。首先采用具有多尺度、多方向特点的Directionlet变换对多波段遥感图像进行分解。对于低频系数采用平均融合算法,方向高频系数采用区域边缘检测实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统融合算法相比不仅原始图像的边缘和纹理信息可保留,而且可获得更好的融合视觉效果。     

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．     

基于边缘自适应小波变换的图像修复算法

本文提出一种基于边缘自适应小波变换的多尺度图像修复算法,对非纹理图像有比较好的修复效果。边缘自适应小波变换的基本思想是,先检测出图像的主要边缘,这些边缘把图像分割成几个平滑区,然后对图像进行不跨越边缘的小波分解,即在各平滑区内部进行小波变换,得到图像的多尺度表示,并且同时计算边缘的多尺度表示。这样的小波分解使高频信息基本都集中在边缘上,而高频系数则非常稀疏,而且都接近于零。在此基础上进行图像修复,就只需要对低频部分与边缘图像进行修复,然后重构得到修复图像即可。经过小波分解,低频部分破损区域大大缩小,用比较简单的插值方法就可进行修复,大大降低了计算量。对边缘图则可用曲线拟合的方法进行修复。     

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.     

基于小波变换的针叶苗木彩色图像分割

苗木图像分割是形态参数提取的前提条件。利用小波变换及分开-合并法实现了对苗木图像的分割。对图像的色度分量进行小波变换。其变换系数作为分开-合并法中区域一致性的度量。通过改变小波变换的尺度,可以将边缘与噪声区分开来,减小图像分割中噪声带来的影响,有利于提高分割的准确性。实验表明,该算法取得了满意的结果。     

基于小波变换与中值滤波相结合的图像去噪处理

尝试利用基于小波变换和中值滤波相结合图像去噪声处理对同时含有高斯噪声和椒盐噪声的图像去噪方法进行了探讨．结果表明，小波变换结合中值滤波方法在去除图像噪声的同时较好地保持了图像所包含的边缘信息，处理效果优于单一的小波变换去噪或中值滤波．     

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。     

基于小波变换的遥感数据融合与边缘检测

介绍了小波图像的分解和重构方法以及小波融合过程。采用Symlet小波变换融合方法对西安地区鲸鱼沟 水库的TM4、TM5子图进行单尺度二维离散小波变换融合,并进行水库的边缘检测。对图像通过TM4分解的低 频图与TM5分解的高频图像融合再与TM4影像原图比较,融合图像提取细节效果明显优于TM4原图像。     

基于深度学习的遥感影像变化检测方法

为了获得可靠的训练样本及提高遥感影像变化检测的精度,提出基于深度学习的遥感影像变化检测方法. 采用结构相似性方法（SSIM）选取纹理特征（灰度共生矩阵法）,通过融合变化向量分析（CVA）方法获取不同时相遥感影像差异图（DI）及纹理特征差异图获得差异影像,并采用构造的变分去噪模型对差异影像进行去噪. 利用频域显著性方法获取去噪差异影像的显著性图,通过模糊c-均值（FCM）算法对粗变化检测图（对显著性图选取阈值获得的）进行预分类（变化类、未变化类及未确定类）. 将从遥感影像上提取的变化像素和未变化像素的邻域特征引入深度神经网络模型进行训练,并利用训练好的深度神经网络模型对差异影像进行变化检测,得到最终的变化检测图. 对3组遥感影像数据集进行变化检测实验,结果表明本研究方法的变化检测精度高于其他比较方法.     

基于经验小波的太阳能电池缺陷图像融合

为解决太阳能电池的弱缺陷检测问题,提出一种基于二维张量经验小波的多光谱图像融合算法。使用一组特定波长的光源采集太阳能电池片图像信息,对图像进行顶帽变换抑制背景噪声;使用经验小波变换对预处理图像进行分解,分别对获得的高低频子带图像采用基于极大值的显著性融合规则进行融合,将融合后的高低频子带图像进行小波反变换获得最终的融合图像。在相同的采集条件下获取五类色差电池片图像,进行算法测试试验,并从图像视觉效果和客观评价指标两方面与其他算法分析比较。试验结果表明,此算法不仅具有良好的适应性,而且在保持光谱信息和抑制噪声等方面均取得良好的效果。     

基于小波变换的遥感图像增强方法

为了有效地提高遥感图像的整体对比度,提出一种基于小波变换的图像增强方法来增强遥感图像。在小波域中通过对主要亮度层的图像进行分解,得到低亮度层、中亮度层、高亮度层,对三个亮度层分别进行对比度加强,将加强后的亮度层通过逆离散小波变换得到增强图像。实验结果表明,新方法提高了遥感图像的整体对比度,使图像的局部细节有更好的可视性。     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

融合改进形态学和LOG算子的齿轮边缘检测

针对传统边缘检测算法在提取含噪齿轮边缘过程中,存在难以有效抑制噪声和边缘不连续不清晰的问题,提出了一种融合改进数学形态学和高斯拉普拉斯（LOG）算子的齿轮边缘检测算法。首先,用改进的数学形态学边缘检测算法和改进的LOG边缘检测算法分别对原图像进行边缘检测,得到两幅边缘检测图像。其次,对两幅图像进行4层小波分解且对得到的高、低频信息赋予一定的融合规则进行融合处理。最后,利用小波逆变换重构融合图像。实验结果表明,对比单一使用LOG算子和数学形态学算法,该算法不仅能更好抑制噪声还能得到更加清晰的图像边缘。     

基于MATLAB/GUI的无人机遥感图像分类系统设计

为了提高无人机遥感图像分类技术在复杂地形中的勘察效率,设计了一种基于MATLAB/GUI的无人机遥感图像分类系统,实现了图像分类的可视化操作。采用K-Means聚类与Otsu阈值分割相结合的方法对无人机遥感图像进行分割与分类处理,并对初分割结果进行边缘检测、噪声滤波和形态学优化等图像处理,精确提取各类地物边界,提高图像分类精度;对分类处理后的结果进行矢量化输出,提高了本系统与其他软件的交互性;根据航拍高度、镜头焦距和传感器尺寸等信息,可计算每一类地物的实际面积,实现区域面积大小的快速统计,促进了无人机遥感技术在公路地质选线中的应用。     

改进的基于遥感影像线性亮度调整的水印检测算法

在遥感影像水印算法研究中,针对几何变换、压缩、加噪等常见的图像攻击方式研究的较多,而抵抗亮度调整攻击的水印算法研究较少.亮度调整对遥感影像的空间特征不会产生影响,但会破坏嵌入到遥感影像中水印信息的同步性,从而导致水印检测失败,这给遥感影像水印算法提出了新的挑战.本文从遥感影像版权保护的角度出发,提出了一种改进的基于遥感影像线性亮度调整的水印检测算法.首先,阐述了遥感影像线性亮度调整的特点;然后,分析了基于映射机制水印嵌入算法中两个参数随着亮度调整变化的规律性,构建了基于参数线性特征和映射机制的水印检测算法;最后,对改进的水印检测算法进行了实验验证.实验对比结果表明,该算法能够有效抵抗常见的影像处理方式的攻击,对亮度调整攻击也具有好的鲁棒性.