基于小波变换的图像条带噪声去除方法

条带噪声的存在不但妨碍高光谱图像的目视判读,而且制约高光谱遥感的定量应用。针对小波变换法条带噪声去除过程中遇到的条带噪声和图像有用信息难以有效分离的问题,根据小波变换的方向性和数学显微镜特性,提出了一种新的基于小波变换的条带噪声去除方法。这种方法首先对含有条带噪声的图像进行一定层数的小波分解;然后对每一层分解得到的与条带噪声分布方向相同的子图像再进行一定层数的小波分解,从而实现条带噪声和图像有用信息的有效分离,将含有条带噪声的子图像置零;最后利用小波反变换得到去除条带噪声的图像。以欧洲空间局PROBA卫星上搭载的CHRIS高光谱数据为例,采用相关系数(R)、结构相似度(SSIM)和峰值信噪比(PSNR)3个定量指标,对比分析了新方法与矩匹配法、傅立叶滤波法和小波阈值法的条带噪声去除效果。结果表明新方法去噪后的图像具有最高的R、SSIM和PSNR,新方法能够有效地去除高光谱图像中的条带噪声,同时较好地保留了原始图像的有用信息。
     

高光谱图像条带噪声去除算法研究

高光谱图像中往往存在严重的条带噪声,与常见噪声具有很大不同,现有的去噪方法对其不能完全适用。利用平滑滤波思想结合传统的矩匹配方法,对传统的矩匹配条带去除方法进行改进,对HJ-1-A卫星高光谱图像进行实验、研究,利用多种图像质量评价标准,将算法去条带后图像与传统的和已有的改进算法去条带后图像进行对比、评价,找出去条带效果好、原始图像信息保留能力强、适应性强的改进的矩匹配方法来应用于高光谱图像条带噪声的去除。     

一种去除遥感图像条带噪声的小波矩匹配方法

遥感图像条带噪声掩盖数据真实的辐射信息,降低图像的质量及应用效果。针对窗口矩匹配算法对灰度分布不均一影像的条带噪声去除不彻底问题,提出小波矩匹配条带噪声去除算法。首先,基于小波多分辨率的特性将低频小波系数和高频小波系数分离;其次,利用移动窗口矩匹配算法对影像低频成分滤波,利用阈值法去除影像高频成分中的条带噪声;最后,通过小波逆变换重构得到去条带后的影像。采用局部峰值信噪比、局部结构相似度、模糊系数和拟合优度对影像去噪效果进行定量评价。结果表明:小波矩匹配算法的各项指标均优于矩匹配、小波软阈值和窗口矩匹配算法。小波矩匹配算法改善了窗口矩匹配算法要求影像灰度分布均匀的局限性,结合空间域和频率域去噪的优势,在去除条带噪声的同时能够较好地保留影像的细节信息。     

一种高光谱图像条带噪声去除改进算法

传统的矩匹配方法改变了图像在成像行或列方向的均值分布,使原始图像信息发生了较大改变。在分析HJ-1-A星超光谱图像条带噪声的基础上,提出了一种改进的矩匹配方法,将传统矩匹配算法中参考图像的平均值和标准差分别用平滑滤波处理后的列均值和方差来代替。实验结果表明,与传统矩匹配方法相比,该方法能减少图像信息的丢失,并能在保持原始图像特征的前提下有效地去除条带噪声。这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。     

基于改进最小噪声分离变换的特征提取与分类

在最小噪声分离变换的基础上,引入核方法,采用小波核函数代替传统核函数对最小噪声分离变换予以改进。小波核函数的多分辨率分析特性可进一步提高算法的非线性映射能力。相关向量机高光谱图像分类是一种较新的高光谱图像分类方法,将新型核最小噪声分离变换方法与相关向量机相结合,对高光谱影像数据进行分类实验。仿真实验结果表明,基于小波核最小噪声分离变换的方法体现了高光谱影像的非线性特征,将所提出的方法应用于HYDICE系统在Washington DC Mall上空拍摄的数据,与对照算法相比,分类精度可提高3%~8%,并可有效地提高小样本区域的分类精度。     

一种基于小波变换和变换域系数值比较的数字水印算法

提出了一种基于小波变换和变换域系数值比较的盲检测数字水印算法.算法利用小波变换,将载体图像进行多层小波变换分解,找出合适的变换域系数,将该系数分解为数据对序列,使二值水印图像每个像素的值与该数据对序列中的每个数据对一一对应.用数据对内前后数据值的大小关系来表示0和1,若前者大于后者,则表示1;若后者大于前者,则表示0.然后调整数据对序列中每个数据对内数据的前后位置,使其和二值水印图像相应位置上的像素值匹配.这样就嵌入了水印.提取水印过程刚好和嵌入水印过程相反.实验证明,水印具有透明性,对高斯低通滤波、图像变亮、图像变暗、直方图均衡化、增加图像对比度、降低图像对比度、添加高斯噪声、添加椒盐噪声、添加乘积性噪声、JPEG压缩等图像处理和噪声干扰都具有很强的鲁棒性.该算法鲁棒性和透明性好,是一种可行的水印方案.     

基于变换域的条带噪声去除方法

为解决线扫描图像中的条带噪声干扰问题,提出了傅里叶变换与小波分解相结合的变换域条带噪声去除方法。首先对图像进行多尺度小波分解,将包含条带噪声的小波子带与包含图像信息的小波子带分离;然后对含有条带噪声的小波子带进行傅里叶变换,并对变换系数进行带阻滤波以消除条带噪声。利用实际采集的带有条带噪声的棉花异性纤维图像进行仿真实验,结果表明:傅里叶变换与小波分解相结合的方法,去噪效果明显优于单独使用傅里叶变换或小波分解的方法,既能有效地去除图像中的条带噪声,又能较好地保持图像的细节信息。     

分段线性动态矩匹配条带去除

由于探测器之间对接收的地物辐射信号的响应特征不同,导致遥感数据含有条带噪声,严重影响了图像质量及后续的定量计算。针对探测器响应函数在图像低值区及高值区呈非线性的特点,在着重分析矩匹配方法的基础上,提出分段线性动态矩匹配条带去除方法。方法设定阈值分割高中低值域统计区间,对探测器响应函数进行分段线性拟合,并对探测器每一分图像动态采用其领域内均值和标准差作为参考值进行条带纠正。应用TM数据第4波段及环境一号卫星高光谱数据进行去条带实验,并定性和定量地比较了该方法与动态矩匹配、傅里叶变换、自动均衡化曲线方法的去条带效果。结果表明该方法能够在保留图像基本信息的前提下,获得最佳的去条带效果,尤其能够提高非均匀地物分布区域内水体的条带去除效果。     

无边界效应D小波软阈值法去除肉品图像斑点噪声

肉品图像中的斑点噪声与肌内脂肪的颜色特征相似,要准确提取肌内脂肪,就必须先对斑点噪声进行滤除。在小波软阈值法滤除SAR图像中的斑点噪声算法基础上,结合肉品图像的特点进行了改进。首先,使用由耿则勋提出的算法,在小波分解时对左右边界进行处理,重构时外推值为0,对离散小波变换的边界效应进行处理,精确重建图像,消除小波变换的边界效应。选择了D8小波,3级分解后,在不同的阈值下进行了实验。结果表明:阈值的选取影响去噪效果,但在所有参数都相同时,改进算法消除边界效应的同时,在斑点指数和方法噪声两个客观评价指标均优于其他几种边界延拓方式,图像失真最小。     

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

Destriping Remote Sensing Imagery by Wavelet Moment Matching Algorithm

Strip noise will cover the real radiation information of remote sensing image,which not only reduces image quality,but also application effect.Aiming at the problem that window moment matching is difficult to remove strip noise thoroughly for the non\|uniform image,the wavelet moment matching algorithm is proposed.Firstly,the low frequency wavelet coefficient and the high frequency wavelet coefficients are separated which based on the wavelet multiresolution characteristic.Secondly,the low frequency wavelet coefficients were filtering by window moment matching,while strip noise of high frequency wavelet coefficients was performed by threshold method.Finally,reconstruction of the wavelet coefficients obtained destriping image.The above mentioned algorithm was evaluated quantitatively by local PSNR,local SSIM,Fuzzy coefficient and goodness of fit index.Results show that the wavelet moments matching algorithm is superior to the moment matching,wavelet soft threshold and window moment matching algorithm.Wavelet moment matching improves limitation of uniform distribution of grayscale value based on window moment matching,combining the advantages of spatial and frequency domain denosing,which can remove the noise while preserving the details of the image.     

基于信噪比估计的波段选择与高光谱异常检测

有效的波段选择方法可以极大地提高高光谱图像处理速度的同时改善处理效果。为了自动判断低信噪比波段,提出了一种基于小波变换的图像信噪比估计(SNR estimation,SNRE)方法,利用小波变换后对角方向上的高频成分估计噪声方差并计算信噪比。将该方法分别结合基于方差和相关系数(V_COR)的最优索引指数、最大信息量(MI)、高阶矩(偏度或峰度)结合信息散度(K3_KL)等3种基于信息量的波段选择方法后选择波段。将这些改进后的波段选择方法应用于高光谱异常检测。实验结果表明SNRE预选波段结合MI和K3_KL选择波段用于异常检测能进一步提高检测精度。     

一种CBERS-02星CCD原始条带噪声处理方法

在简略分析辐射均衡、矩匹配和直方图匹配的基础上,提出了一种直方图匹配结合线性方向滤波的方法来去除CBERS\|02星图像数据中存在的条带噪声。其中直方图匹配用于消除探测元间的条带噪声,线性方向滤波用于消除横向随机条带噪声和剩余的列向条带噪声。实验结果表明,该方法不仅能很好地消除CBERS\|02卫星图像条带噪声,而且保留了图像上有用的信息。最后,从定性和定量两个方面进一步验证了该方法的有效性。     

超光谱图像的三维小波嵌入零块压缩编码

超光谱图像作为一种三维图像,其海量的数据导致在有限带宽信道上传输和存储非常困难,必须对它进行有效的压缩编码.提出了一种基于非对称三维小波变换(3D wavelet transform,简称3DWT)和三维集合块分裂的超光谱遥感图像压缩方法.因为大多数超光谱图像在各个方向上具有非对称的统计特性,所以利用非对称三维小波变换去除图像的谱间和空间冗余.与传统的对称三维小波变换相比,非对称的三维小波变换能够更有效地去除相邻谱段间的冗余.提出了一种改进的3DSPECK(3D set partitioning embedded block)算法--非对称三维集合分裂块算法(asymmetric transform 3DSPECK,简称AT-3DSPECK),并被用于编码变换后的系数.根据变换系数的能量分布特点,三维零块分裂和三维octave子带分裂方法被有效地结合在所提出的AT-3DSPECK算法中.为了优化率失真和加速编码速度,也给出了一种零块优化排序的快速算法.实验测试表明:AT-3DSPECK算法的平均PSNR(peak signal to noise ratio)分别比AT-3DSPIHT(asymmetric transform 3D set partitioning in hierarchical trees)和3DSPECK算法高0.4dB和1.4dB.此外,AT-3DSPECK还具有比零树算法更快的编码速度.     

Filtering high-resolution hyperspectral imagery in a maximum noise fraction transform domain using wavelet-based de-striping

Ever improving technology and computer processing power and decreasing cost have made hyperspectral image acquisition and analysis affordable in many applications. Hyperspectral images, acquired normally using pushbroom sensing systems, are tainted with noise and nonperiodic stripes. Few methods, including wavelet-based ones, have been proposed for reducing nonperiodic stripes from multispectral images; there are even fewer studies dealing with nonperiodic stripes in high-resolution hyperspectral images. Applying de-striping filters directly to individual hyperspectral image bands can be computationally inefficient and complicated considering the large number of bands in this type of image. This article compares the performance of wavelet-based de-striping algorithms as applied on high-resolution hyperspectral imagery. The algorithms are implemented directly on individual bands in the image domain and on selected bands in the image maximum noise fraction (MNF) transform domain. Two wavelet-based de-striping algorithms were tested and compared. The first algorithm eliminates wavelet detail components in the striping direction, while the second algorithm adaptively filters these components.

The filtering methods are evaluated through visual and quantitative assessments. Quantitative assessment is performed by analysing the autocorrelation coefficient and signal-to-noise-ratio. The results show that images filtered in the MNF domain are superior in reducing stripes and noise while retaining the image information and without introducing distortions. The technique is computationally effective through filtering fewer bands, which reduces the need for filtering parameter determination and fine tuning. Visual and quantitative assessments also show that adaptive filtering of wavelet components is better than eliminating entire components due to the retention of image content.     

基于小波变换和改进的Retniex雾天图像增强

现有基于小波变换的增强方法对雾天图像增强效果一般,对此提出一种结合小波变换和改进的Re t-niex的雾天图像增强方法.使用小波变换将图像分解为高频部分和低频部分;利用双边滤波良好的边缘保持性,对传统的Retinex算法进行改进.用改进后的Retinex算法对低频子带图像进行去噪处理.为了防止放大噪声、过度增强,用模糊...