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。     

基于非下采样Contourlet变换和双变量模型的图像去噪

在研究了非下采样Contourlet变换(NSCT)和贝叶斯最大后验估计理论框架下的双变量模型的基础上,该文将二者结合起来,提出了一种新的图像去噪算法。算法在利用变换平移不变性和多方向选择性优点的同时,充分挖掘了图像NSCT系数尺度内和尺度间的双重相关性,并详细阐述了噪声估计方法。仿真结果和分析表明,与当前一些典型的去噪算法相比,该文算法的客观评价指标PSNR和去噪后图像的主观视觉效果都有明显的提高和改善,有效地保持了原图像中的细节和纹理信息。     

基于斑点方差估计的非下采样Contourlet域SAR图像去噪

 合成孔径雷达(SAR)图像固有的相干斑噪声严重影响图像质量,使得SAR图像的自动解译十分困难.本文联合SAR图像的统计特性和非下采样Contourlet对SAR图像细节信息的良好刻画能力,提出一种新的非下采样Contourlet域SAR图像去噪算法,通过估计到的各个高频方向子带的斑点噪声方差和变换系数模值的局部均值,对非下采样Contourlet变换系数进行判定,保留信号系数,抑制斑点噪声系数,实现SAR图像去噪.仿真实验结果表明,本文方法在斑点抑制的同时可以有效保持细节信息.     

基于双变量阈值的非下采样Contourlet变换图像去噪

系数阈值是流行的去噪方法,其中阈值方式与大小的选择是一个重要的技术问题。该文依据非下采样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,对该模型应用Bayes估值理论推导得到相应的非线性双变量阈值函数,综合非下采样Contourlet分解和双变量阈值函数,提出一种基于双变量阈值的非下采样Contourlet变换图像去噪方法(NSCTBI)。对于被加性高斯白噪声污染的图像,实验中将NSCTBI方法与非下采样Contourlet变换、小波域双变量阈值去噪等方法进行了比较,结果表明在大多数情况下,NSCTBI的PSNR结果相比这些方法高出0.5至2.3dB,在边缘特征方面保持了良好的视觉效果。     

基于非下采样Contourlet变换的多传感器图像融合

根据非下采样Contourlet变换同时具有多尺度多分辨分析和平移不变性质的特点,提出一种基于非下采样Contourlet变换的多传感器图像融合方法,将其应用于多传感器图像融合的两个重要领域——多聚焦图像融合和高分辨、多光谱图像融合,从视觉效果和信息量指标方面对融合图像进行主观评判和数值评价.实验中将本文方法与Contourlet变换、小波变换、主成分分析等方法进行了比较,结果表明本文方法得到的融合结果具有更优的视觉质量和量化指标,能很好地将源图像的细节信息融合在一起,拓广了NSCT的应用范围.     

基于非下采样Contourlet变换的图像融合

摘 要： 本文提出了一种基于非下采样Contourlet变换的图像融合新方法。与Contourlet变换相比，非下采样Contourlet变换不仅具有多尺度、多方向特性，同时还具备平移不变性。利用这一性质及融合规则的合理设计，该方法一方面继承了Contourlet变换对方向信息融合的优点，同时有效地去除了Contour变换中出现的吉布斯现象。对多幅图像的融合实验表明，无论在视觉质量还是客观指标上，该方法均优于Contourlet变换以及现有的小波，非下采样小波等方法。实验结果证实了本文方法的有效性。     

基于正态逆高斯模型的非下采样Contourlet变换图像去噪

提出一种基于正态逆高斯先验模型的非下采样Contourlet变换图像去噪算法.在非下采样Contourlet变换域中,以正态逆高斯模型为先验模型,对图像分解系数的稀疏分布统计建模,估计每个子带内的模型参数,在贝叶斯最大后验概率估计准则下推导出与正态逆高斯模型相应的阈值函数表达式,以此对图像进行去噪处理.对于被加性高斯白...     

基于非下采样Contourlet变换的图像相关去噪

针对Contourlet变换不具有平移不变性,在图像去噪中容易产生伪吉布斯现象的情况,本文将具有平移不变性的非下采样Contourlet变换与相关去噪法相结合,采用不同的相关系数归一化方法,用Bayesian阈值代替传统的硬阈值来达到更好的去噪效果。实验表明,该方法提高了去噪后图像的峰值信噪比(PSNR),同时,有效保留了图像的纹理信息,避免了伪吉布斯现象,改善了图像的视觉效果。     

基于场景相似性度量的SAR图像抑斑

通过研究SAR图像的信号相关加性噪声模型,结合提出的加性残留噪声模型得到一种图像域的期望加权滤波器,并引入像素间的相似性作为加权时的权值。接着,指出传统像素间相似性的度量方法不能鲁棒地用于噪声图像,提出从图像的灰度特性和空间结构两个方面考虑,利用灰度和梯度距离度量像素间的相似性,并应用局部场景之间的相似性估计像素间的相似性使之可靠地应用于SAR图像。实验表明,所提出的算法具有相当出色的抑斑性能,在有效的抑制斑点噪声的同时,均匀区域几乎没有出现“振铃”效应,并且非常好地保持了原始图像的边缘、纹理和点状目标。     

基于局部平移瑞利分布模型的SAR图像相干斑抑制

该文提出了一种基于平稳小波域统计模型的SAR图像抑斑算法。首先对SAR图像应用非对数加性模型,接着针对该模型中的噪声在空域提出一种统计分布模型局部平移瑞利分布模型。最后基于该分布,在平稳小波域应用最大后验(MAP)方法获得真实信号平稳小波系数的解。实验表明,该文提出的局部平移瑞利分布模型是有效的,同时也表明该文给出的一种基于此分布模型的抑斑算法有很强的鲁棒性,抑斑性能优于许多现存的算法。     

基于NSCT的红外与可见光图像融合

针对红外与可见光图像特点,提出一种基于非下采样Contourlet变换(NSCT)的红外与可见光图像融合算法。该算法对源图像进行NSCT分解,得到低频分量和各带通方向子带分量;引入图像区域相关系数决策度,对低频分量和带通方向子带分量采用不同的融合规则进行融合;最后经过NSCT逆变换得到融合图像。实验证明,该方法可以更好地保留目标信息和图像细节信息。     

基于自适应Bilateral滤波的SAR图像相干斑抑制

SAR图像的相干斑抑制一直是SAR图像预处理的关键步骤。Bilateral滤波器是一类可以同时利用像素间的空间相似性与灰度相似性进行图像去噪的算法。针对直接用Bilateral滤波器进行相干斑抑制时存在空间方差系数选择困难及灰度相似性模型不合理的问题,该文提出一种自适应Bilateral滤波算法,该算法根据图像的局域变差系数自动调整空间方差系数,利用SAR图像的似然概率函数代替高斯函数来进行灰度相似性度量。理论分析及实验表明,提出方法较相关算法有更强的噪声平滑能力和更好的细节保持能力。     

基于NSCT-Gabor特征和脉冲耦合神经网络的SAR图像分割

针对SAR图像目标的精确分割问题,利用非下采样轮廓波变换(NSCT)和Gabor滤波器分别提取图像特征,然后采用脉冲耦合神经网络(PCNN)对目标区域进行增强,提出了一种分割算法。分别对图像进行NSCT分解和Gabor滤波,对NSCT域的高、低频子带系数构造一个特征图,对Gabor滤波的不同尺度构造对应的特征图,对所获取的各个特征图用PCNN进行目标增强,最后对增强的特征图进行合理合并与分割。利用MSTAR SAR数据库中各种干扰强度下的图像进行了实验,结果表明,相比于模糊C均值、马尔可夫随机场等常见的分割算法,所提出的算法分割结果更为准确,同时受噪声干扰更小。