基于Contourlet域HMT模型的SAR图像相干斑抑制

将Contourlet变换用于SAR图像的统计特性研究中.基于Contourlet域隐马尔可夫树模型(CHMT),从图像复原的角度出发,结合最小均方误差估计和Bayes估计给出一种SAR图像相干斑抑制的新方法.并给出基于拉普拉斯金字塔算法(LP)分解的斑点方差估计方法.实验中与小波域HMT算法进行了比较,本文方法在方向信息的保留和斑点的抑制上均有明显改进.     

一种基于mean shift的Contourlet域SAR图像去噪方法

Contourlet变换是小波变换的新发展,具有良好的多尺度和多方向性。合成孔径雷达(SAR)图像Contourlet阈值去噪不考虑相邻像素在变换域的联系,将低于阈值的变换系数置零,会丢失图像中的细节信息。针对上述问题,文中提出一种新的去噪算法:首先,将SAR图像进行Contourlet分解;然后,利用具有良好间断点保留能力的mean shift算法处理子带系数。实验结果证实该算法能够在有效抑制相干斑噪声的同时,较好地保留图像中的细节信息。     

基于双变量模型和非下采样Contourlet变换的SAR图像相干斑抑制

该文根据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,应用贝叶斯估值理论推导得到该模型相应的非线性双变量阈值函数。综合SAR图像非对数加性模型和双变量阈值函数,提出基于双变量模型的非下采样Contourlet变换域SAR图像相干斑抑制方法(SNSCTBI)。实验通过对幅度格式和强度格式的SAR图像做相干斑抑制,结果表明该文算法很好地保持了原始图像的辐射特性,有效抑制了同质区域的相干斑,同时边缘等纹理信息保持清晰。     

基于Contourlet变换的自适应图像去噪方法

综合考虑Contourlet变换后系数尺度内和尺度间的依赖性,提出了一种基于Contourlet变换的自适应去噪方法.与几种传统的小波去噪算法比较,它能够更有效地保留图像的细节和纹理,具有更好的视觉效果和较优的SNR值.     

基于Contourlet变换和形态学的图像去噪方法

提出了一种Contourlet变换与数学形态算子相结合的红外图像去噪方法.充分利用Contourlet变换后系数的分布特性以及尺度内和尺度间的依赖性,结合数学形态算子的特点,利用数学形态算子对变换系数进行处理,使得重要变换系数与非重要变换系数分离,对非重要系数子集进行软阈值处理,然后再将两个子集合起来,进行逆变换重建.实验结果表明,与传统小波相比,该算法具有更好地去噪效果,同时更有效地保留了图像的细节信息.     

基于非下采样Contourlet域局部高斯模型和MAP的SAR图像相干斑抑制

 对SAR图像应用非对数加性模型,通过研究SAR图像中同质区域在非下采样Contourlet域的分布特性,提出对非下采样Contourlet域中、与同质区域相对应的平稳区域的非对数加性噪声使用高斯分布建模。基于该模型,利用局部滑动窗口和对非对数加性噪声方差的自适应估计,在最大后验准则的基础之上求得真实信号的非下采样Contourlet系数。由于未对图像进行对数变换,本文算法很好地保持了原始图像的辐射特性,相干斑被有效地抑制,均匀区域很少有伪吉布斯效应,同时边缘纹理清晰。无论视觉效果还是客观评价指标本文算法都优于许多现存的抑斑算法。     

基于Contourlet变换的图像去噪方法

图像去噪是数字图像处理领域的一项重要技术.传统的基于小波变换的去噪方法,去噪效果不是很理想.为了解决这一问题,提出了一种基于Contourlet变换的图像去噪方法.实验结果表明,与传统小波去噪方法相比,该方法不但可以保留图像的边缘信息,而且能提高去噪后图像的信噪比.     

基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。     

结合Contourlet变换的各向异性扩散图像去噪

提出了一种结合Contourlet变换的各向异性扩散图像去噪算法.结合Contourlet变换和各向异性扩散的优点,通过Contourlet变换得到图像不同尺度的Contourlet系数矩阵,实现了建立在对图像多尺度分析基础上新的各向异性扩散算法.实验表明,新算法能够获得良好的视觉效果并且有效地提高了去噪图像的PSNR值,同时避免了传统的各向异性扩散出现的阶梯效应,更好地保留了图像的纹理和细节.     

基于小波变换的高分辨率SAR图像相干斑噪声抑制研究

论述了基于小波变换对高分辨率合成孔径雷达（SAR）图像的相干斑噪声进行抑制.首先从SAR图像相干斑噪声的产生机理出发,论述了在SAR图像中采用小波变换对相干斑噪声滤波的优越性和必要性;然后详细论述了在小波变换域中如何对相干斑噪声进行有效的滤波,同时利用小波细节子图像提供的信息来检测边缘和纹理细节;最后通过实验结果说明了此方法不但对高分辨率SAR图像相干斑噪声有良好的抑制作用,而且还尽可能多地保留了目标特性和纹理细节,使图像的视觉特性良好.     

基于K-L变换的两传感器图像自动配准

基于合成孔径雷达(SAR)图像和光学图像间的变形可用仿射变换来近似,提出了一种SAR图像和光学图像自动配准的方案.对分割后的图像进行K-L变换得到两幅图像的主分量与坐标轴之间的关系,从而得出两幅图像的角度关系,接着,利用旋转后图像的横纵象素范围的比值和前景重心偏移值得到仿射变换的缩放和平移参数,最后再利用二值图像相关对仿射变换的结果图像进行精配,从而实现较高精度的图像配准.实验结果表明,在满足精度要求的情况下,本方法可以自动完成具有明显方向性和较大前景目标图像的配准任务.     

基于轮廓变换的自适应阈值图像去噪算法

针对Contourlet变换子带系数相关的特性,对图像去噪的阈值进行了研究,提出了一种新的自适应阈值图像去噪算法。该方法首先对噪声图像进行Contourlet变换,得到不同尺度、不同方向上的子带系数,再根据子带系数的能量关系采用改进的Bayes Shrink自适应阈值对图像进行去噪处理。实验结果表明:这种方法提高了图像的PSNR值,增强了去噪后图像的视觉效果,而且更好地保留了图像的边缘信息。     

基于Curvelet变换的SAR与可见光图像融合研究

提出了一种基于Curvelet变换的合成孔径雷达(SAR)与可见光图像融合方法,设计了一种有效抑制噪声并充分保留源图像重要特征的融合规则。采用偏差指数、相关系数及等效视数指标对融合效果进行评价。实验证明,该方法明显优于基于小波和Ridgelet变换的融合方法。     

非高斯双变量模型contourlet图像去噪

Contourlet变换是继小波变换之后的又一新变换.由于contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.详细分析了图像contourlet系数的统计特性,并利用非高斯双变量分布对系数层间相关性进行建模.最后,将此分布应用于图像去噪,就PSNR、NMSE和视觉质量这三方面的评价指标与contourlet HMT和小波阈值法进行了比较.实验结果表明：算法能获得较好的结果,尤其是对于含有丰富纹理的图像.     

基于Contourlet域HMT模型的Cycle Spinning去噪方法

为了提高图像去噪效果,提出了基于Contourlet域HMT模型的Cycle Spinning去噪方法。首先将待去噪图像进行循环平移,使用Contourlet域HMT模型对平移后的图像进行降噪处理,然后将降噪后的图像进行循环反平移,最后将不同循环平移量下的降噪图像进行平均处理,以减少去噪后图像的失真。实验结果表明,该方法不仅可以提高降噪后图像峰值信噪比,而且可以提高降噪后图像的视觉效果。     

基于SVD的小波变换图像去噪方法

针对传统SVD图像去噪方法的不足,提出了一种基于SVD分解的小波分解图像去噪方法。通过对小波变换的系数矩阵进行奇异值分解,将其中的信号特征成分和噪声分解到不同的正交子空间中,在子空间中选取集成信号特征成分的奇异值矢量进行重构,从而提取出淹没在噪声中的信号成分。实验结果表明该文提出的方法适用于图像信号的提取,与传统的SVD去噪方法相比,它提取出的信号特征成分更完整,信噪比更高。     

基于轮廓波变换的红外图像增强算法的研究

尽管红外图像的应用越来越广泛,但其本身存在的不足使得应用受到影响,因此对红外图像进行增强处理就显得十分重要。现有的图像增强算法没有考虑到变换系数中不同分辨率下的各个方向子带之间的能量分布,对所有分辨率下的所有方向子带中的变换系数进行统一的增强处理。因此,提出了一种结合方向子带能量分布的自适应增强算法。Matlab仿真结果表明,该算法不仅能增强目标的清晰度,还能提高红外图像的对比度,改善图像的视觉效果。     

基于Contourlet变换的偏振图像融合

提出一种基于Contourlet变换的偏振图像融合算法。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Contourlet变换对三个555波段不同方向的偏振图像进行分解,对于高频和低频系数分别采用不同的窗函数计算区域能量,最后加权实现偏振图像的融合处理。实验结果表明,该算法与小波分解法相比在保留原始图像边缘和纹理信息同时,可以体现偏振图像的特点,取得较好的融合视觉效果。