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。     

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。     

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。     

基于协同经验小波变换的遥感图像融合

针对多源遥感图像的融合问题,提出了一种基于协同经验小波变换的遥感图像融合方法。该算法首先对多源图像进行主成分分析获得共像;然后,对共像的强度分量做经验小波变换获得滤波器组;再利用这组滤波器对多光谱图像的强度分量和全色图像进行多尺度表示;最后经逆变换得到融合图像。该算法因采用协同自适应分解方法,有利于源图像高频与低频信息的分离,有效提高了遥感融合图像的清晰度。通过使用QuickBird卫星数据验证了算法的有效性,视觉感知和客观评价标准均表明该算法比其他同类算法有更好的优越性。     

小波变换及其在图像处理中的应用

小波变换是近几年发展起来较新的数学分支，应用十分广泛，本文介绍了小波变换的基本原理，并论述了它在图像处理中的应用。     

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。     

小波在遥感图像分析中的应用与发展

介绍了小波变换在影像压缩、多源遥感影像融合、影像去噪、影像边缘检测与纹理信息提取等方面的应用特点与效果,并对小波在遥感影像分析中的应用趋势,以及一些尚待解决和进一步研究的问题进行了探讨。     

小波分析在图像处理中的应用

简要介绍了小波分析的基本原理和分类,及其在图像处理中的应用。重点论述了小波分析在图像边缘检测,图像融和,图像消噪中的应用。并介绍了以小波分析为基础的人工神经网络是图像识别的一种很有前途的方法。     

Haar小波变换在图像处理中的应用

简述了小波变换的基本思想,着重叙述了使用Matlab软件小波工具包中的Haar小波对原始图像进行分解,并对不同分辨率的子图系数进行相应的运算,从而实现对原始图像的压缩、消噪、增强等处理的过程.得出了Haar小波变换用于图像处理具有速度快、处理方便、图像压缩比高、去噪效果好、图像特征保持性好等优点的结论,为进一步研究基于小波变换的图像处理技术提供了一定的依据.     

针对改进型Rootkit的检测系统设计

为了有效的检测改进型Rootkit,设计了一种基于优先启动的行为分析检测系统.该系统采用了基于权值系数的智能化行为分析技术,并采用优先启动技术弥补了行为分析技术中探针部署容易受到影响的缺陷.另外,系统在执行路径和总线上阻止Rootkit的非常规加载;设计了报表生成模块以与其它检测软件共享检测信息;采用了文件与进程双重保...     

一种改进的C-V水平集遥感图像分割方法

针对遥感图像边界模糊分割难的问题,提出了一种改进的基于小波变换的C-V水平集分割方法提高其分割准确性.该方法首先使用小波变换得到原图像的高频分量,初步定位图像中高频信号的空间位置;然后根据高频分量的幅值及其空间分布,借鉴反锐化掩模法的思想,增强图像高频信号对水平集分割的指导作用,并优化驱动水平集演化的内、外能量及曲线长度约束能量.实验证明,运用该方法对遥感图像的分割结果比传统水平集方法更准确,能有效的利用局部信息提高水平集能量项的有效性和分割结果的准确性.     

基于小波变换的连云港海岸线遥感信息提取

为提取连云港海岸线,确定海岸线的准确位置,选取2005年Landsat 5 TM遥感数据,利用harr小波变换方法对影像数据进行增强处理,然后用目视解译法确定水陆分界线的位置。由于研究区内水陆分界线位置随潮汐变化较小,其变化幅度在遥感影像上小于一个像元,因此,解译得到的海陆分界线可以作为海岸线。为检验方法的有效性,利用GPS对海岸线进行了实地观测。实测值与解译值对比表明,解译精度平均偏差在纬度方向上为8．33m,经度方向上为4．32m,小波变换对图像的增强作用明显。     

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．     

遥感影像云团和云影检测与去除

以图像处理和分析理论为依据,建立了云团、云影图像模型和区域恢复模型,并采用阈值法对图像分割。 用1988年TM遥感影像对2002年ETM遥感影像中云团及云影进行去除试验,再现云团和云影区地物特征,提 高遥感影像数据的可用性。结果表明,使用阈值法并利用直方图形态分析选取阈值、检测云团和云影的计算方 法简单且效果好;选取合适的两遥感影像灰度平均值之比,可以得到理想的恢复效果,再现云团和云影区地物特 征,达到提高遥感影像的可用性。     

提高海量遥感影像重采样效率的策略

搜索源数据及将源数据块读入内存，是影响海量遥感影像重采样效率的2个主要因素。建立了海量遥感影像源文件索引；根据重采样结果影像的地理范围，建立了搜索区源文件索引；根据子采样块地理范围，读入源数据块并建立链表。这些方法的系统应用，保证了源数据的快速搜索和高效读取，因而较好地实现了海量遥感影像的重采样操作。     

Improved Region Merging Algorithm for Remote Sensing Images

To segment high-resolution remote sensing images (RSIs) accurately on an object level and meet the precise boundary dividing requirement, an improved superpixel segmentation and region merging algorithm is proposed. Simple linear iterative clustering (SLIC) is widely used because of its advantages in performance and effect; however, it causes over-segmentation, which is very disadvantageous to information extraction. In this proposed method, SLIC is firstly adopted for initial superpixel partition. The second stage follows the iterative merging procedure, which uses a hierarchical clustering algorithm and introduces a local binary pattern (LBP) texture feature operator during the process of merging. The experimental results indicate that the proposed method achieved a good segmentation and region merging performance, and worked effectively on cloud detection preprocessing in high-resolution RSIs with cloud and snow overlap situations.