基于Contourlet尺度相关的SAR图像融合

针对不同波段全极化SAR图像的融合,提出了一种基于Contourlet变换域进行图像融合的方法.利用Contourlet变换将图像分解为一个低频子带和多个不同方向的高频子带,对分解后的低频子带进行邻域能量加权融合;对方向高频子带依据尺度间相关性定义一个边缘信息量测指标,选择量测指标大的系数作为融合系数.最后对两波段全极化SAR图像进行了融合实验.实验结果表明：与小波变换等融合方法相比,利用所提出方法融合后的图像能够明显抑制SAR斑点噪声影响,在视觉特性以及评价指标上效果更好.     

Contourlet域的多极化SAR图像自适应融合方法

针对不同极化SAR图像的融合,提出了一种基于Contourlet变换的自适应窗口图像融合方法．首先对原始图像进行Contourlet变换,将图像分解为一个低频予带和多个不同方向的高频子带．对分解后的低频子带进行邻域能量加权融合,对各方向高频子带采用依据SAR图像斑点噪声特征的变化自适应地调整融合窗口的方法.通过对两极化SAR图像进行融合实验并与小波变换等融合结果比较,表明本文方法融合后的图像在视觉特性以及客观评价统计因子上取得了更好的效果,融合后的图像提供了比原始图像更丰富的信息．     

基于ICA的极化SAR图像相干斑抑制

根据极化SAR图像的特点,针对传统空域滤波方法总存在降低相干斑与有效保持边缘纹理信息这一对矛盾,探讨了基于独立分量分析的极化SAR图像相干斑抑制技术,研究了两种基于ICA的极化SAR图像相干斑抑制方法,并分析了其优缺点及应用条件。实验结果表明:基于独立分量分析的方法能有效降低相干斑噪声,较好地保留边缘纹理信息,是一种有效的相干斑抑制方法。     

统计先验指导的非下采样Contourlet变换域SAR图像降斑

提出了一种合成孔径雷达(SAR)图像降斑方案．首先利用Gamma分布和指数分布给出了NSCT域信号系数和噪声系数分布的有效逼近形式,使缩减因子对NSCT域图像子带的冗余特性具有自适应性．然后,利用方向邻域模型给出了缩减因子先验比的计算表达式, 使缩减因子对NSCT域图像子带的方向特性具有自适应性,从而提高了NSCT系数缩减的有效性．实测SAR图像的降斑结果表明该降斑方案在减少斑点噪声的同时很好地保持了图像的细节特征．与多种降斑方法相比,该方案具有更好的边缘保持和后向散射系数保持性能．     

极化SAR改进Lee滤波相干斑抑制研究

针对Lee滤波总存在降低相干斑与有效保持细节信息这一矛盾,将自适应窗引入极化SAR滤波。该方法首先在span图像中根据窗内像素与窗边缘像素分布特性决定是否扩大窗口,在均质区域选择较大窗口,保证了一定的相干斑抑制能力,而在细节信息比较丰富的区域则选择较小窗口,避免细节信息被滤除,然后在选定的窗口中利用极化Lee滤波对数据进行相干斑抑制,在保证相干斑抑制能力的同时保留了细节信息。     

基于Curvelet变换的SAR与TM图像融合研究

Curvelet变换作为一种具有各向异性特征的多尺度变换理论,克服了小波变换难以表达图像边缘方向特性等内在的缺陷.将Curvelet变换应用于图像融合中,能够更好地提取原始图像的特征,为融合图像提供更多的信息.文中利用Curvelet变换对同一场景的不同传感器获得的合成孔径雷达(SAR)图像和专题绘图仪(TM)图像进行融合,并对融合结果进行了客观和主观分析,实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法具有更好的融合效果.     

基于Contourlet变换和不变矩的图像检索方法

利用Contourlet变换具有良好的稀疏特性及其能准确捕获图像中边缘信息的特性,提出一种基于Contourlet变换和不变矩的图像检索方法.利用Contourlet变换分解得到高、低频子带,计算各高频子带的信息熵和低频子带的7个不变矩构成图像的特征向量,采用不同权值的欧氏距离作为图像的相似度进行检索.实验结果表明,该方法具有较高的查准率,能够对纹理图像进行很好的分类和检索.     

非下采样Contourlet变换域多聚焦图像融合方法

针对同一场景的多聚焦图像融合问题,提出基于脉冲耦合神经网络(PCNN)的非下采样Contourlet变换(NSCT)域融合方法.将源图像经过NSCT变换生成的低通子带系数和带通方向子带系数输入PCNN,将各神经元迭代产生的点火频数构成点火映射图.采用接近度函数描述点火映射图邻域特性的关联程度,根据邻域接近度为融合图像选择相应的子带系数,通过NSCT逆变换得到融合结果.实验分析表明,新的融合方法在很大程度上保留了多聚焦图像的清晰区域和特征信息,具有比经典小波变换、Contourlet变换和常规NSCT方法更好的融合性能.     

基于非下采样Contourlet变换的自适应图像融合算法

Contourlet变换克服了小波变换在处理高维信号时的不足,但Contourlet分解和重构时需要采样因此不具有平移不变性,因此根据6trous算法构造了非下采样Contourlet变换(nonsubsampled C～ntourlet transform,NSCT).NSCT比Contourlet变换具有更灵活的方向性、且具有平移不变性.因此将NSCT变换应用于图像融合领域,能更好地提取图像边缘特征,为融合提取更多的特征信息.基于NSCT的自适应图像融合算法是将图像进行NSCT分解后,针对在不同频率域特点选择不同的融合规则,最后通过重构得到融合图像.通过对试验结果进行的主观和客观的对比,试验结果表明NSCT能够为融合图像保留更全面的原始图像信息,且基于NSCT的自适应图像融合算法能够更加有效、准确地提取图像中的特征,是一种有效可行的图像融合算法.     

粒子群优化Contourlet变换的遥感影像融合算法研究

Contourlet变换能有效地应用在图像增强领域,基于Contourlet变换的遥感影像融合算法常采用高频低频替换和频域线性加权两种融合方法,因此,通过粒子群优化算法对基于Contourlet变换分解不同子带图像所需的不同加权系数进行优化,采用多元回归分析方法设定目标函数,实现了全色影像与多光谱影像的融合,与传统的Contourlet变换、PCA算法、高通滤波遥感影像融合算法相比较,新方法在提高影像清晰度的同时在光谱保真度方面相对于其他算法有明显优势.     

一种基于小波-Contourlet的改进图像融合算法

为了解决小波变换中的方向有限性问题,并消除Contourlet变换中拉普拉斯金字塔分解存在的信息冗余,提出一种基于小波-Contourlet的区域梯度选择平均图像融合算法.该算法对低频采用加权平均规则,对高频则计算区域梯度,并采用选择平均规则,选取空间频率、交叉熵与偏差等客观评价数据.实验结果表明,在相同的融合规则下,...     

基于非下采样contourlet变换的图像去噪方法

根据非下采样contourlet变换(NSCT)具有多尺度、多方向和平移不变的性质,提出了一种基于NSCT变换的图像去噪方法。首先对图像进行NSCT变换,得到不同尺度、不同方向的信息,然后根据分解所得系数确定阈值,依此阈值进行去噪处理,最后对去噪处理后的系数进行反变换,得到去噪图像。实验表明:该方法比小波变换(WT)及contourle变换(CT)能更稀疏表示图像,可有效消除图像中的伪吉布斯效应及噪声,能达到更好效果及更高的峰值信噪比(PSNR),较好地保持图像细节及纹理。     

基于Contourlet变换的医学图像增强

针对传统算法中存在噪声过增强的问题,给出了一种基于Contourlet变换的乳腺X线照片去噪增强算法。Contourlet变换作为一种多尺度几何分析方法,是一种具有多分辨的、局部化和方向化性质的图像表示方法。以此为基础,算法对图像分解后的Contourlet系数进行Stein阈值去噪,然后对不同子带上的各分解系数用非线性增益函数进行不同程度的增强。实验表明,该算法在去除噪声的同时有效突出了乳腺X线照片中的细微特征,有利于小乳腺癌的诊断。最后,文中还通过客观量化指标比较了不同增强算法的效果。     

基于Contourlet变换的医学图像增强

针对传统算法中存在噪声过增强的问题,给出了一种基于Contourlet变换的乳腺X线照片去噪增强算法。Contourlet变换作为一种多尺度几何分析方法,是一种具有多分辨的、局部化和方向化性质的图像表示方法。以此为基础,算法对图像分解后的Contourlet系数进行Stein阈值去噪,然后对不同子带上的各分解系数用非线性增益函数进行不同程度的增强。实验表明,该算法在去除噪声的同时有效突出了乳腺X线照片中的细微特征,有利于小乳腺癌的诊断。最后,文中还通过客观量化指标比较了不同增强算法的效果。     

利用小波变换技术星载SAR图像的斑点噪声

利用小波变换技术对星载合成孔径雷达（SAR）图象斑点噪声进行抑帛与滤除。选择合适的小波基对SAR图像进行小波分解,分析噪声对小波系数的贡献;针对噪声与图象灰度之间的乘性关系和SAR图象斑点噪声在空间上相关的特点设置适当的阈值,在小波域内滤波;通过小波重构技术获得滤波后的SAR图象。实验证明,该方法能有效地抑制SAR图象中的斑点噪声。     

基于非下采样contourlet变换的彩色图像增强算法

本文提出一种结合DCT变换和非下采样contourlet变换的彩色图像增强算法。算法根据非下采样contourlet变换后不同子带的特点对低频子带和高频子带采用不同的增强方法进行处理;为了修复增强过程中产生的颜色偏移,对增强后的图像进行了颜色修复;最后通过简单锐化即可达到很好的效果。由实验结果可知,算法提高了图像整体对比度的同时保留了完整的边缘细节信息和色彩保真度,从视觉效果和性能指标上来看都优于curvelet变换的方法和DCT变换的方法。     

基于脊波变换的SAR与可见光图像融合研究

脊波(R idgelet)作为一种新的多尺度分析方法比小波更加适合分析具有直线或超平面奇异性的信号,而且具有较高的逼近精度和更好的稀疏表达性能。将脊波变换引入图像融合,能够更好地提取原始图像的特征,为融合图像提供更多的信息,在融合过程中抑制噪声的能力也比小波变换更强。因此,提出了基于脊波变换的SAR与可见光图像融合方法,并采用偏差指数与等效视数指标对融合效果进行评价。实验结果表明,该方法在保留合成孔径雷达SAR(synthetic apertureradar)与可见光图像重要信息、抑制噪声能力方面均优于小波变换方法。     

一种基于小波变换的SAR图像斑点噪声抑制方法

给出了一种抑制合成孔径雷达斑点噪声的方法,它以小波多分辨分析理论为基础,通过对小波分解后细节子空间像素的幅度值进行处理,来抑制斑点噪声,并且设立适当的阈值对图像的边缘进行增强。使得在噪声抑制的同时达到保留图像边缘结构信息的效果。经过和现有的几种抑制班点噪声的滤波器进行定量和定性的实验比较,由实验结果可以看出使用小波方法处理的图像效果好于其他方法。