高光谱遥感图像的小波去噪方法

高光谱遥感图像是由二维空间信息和一维光谱信息组成的三维数据。普通的去噪方式通常是分别对空间信息或光谱信息进行去噪,其主要缺点是忽视了高光谱图像强烈的谱间相关性和图谱合一的特点。针对这些特点,文章提出一种基于小波变换的高光谱遥感图像去噪方法。该方法对各波段高光谱图像逐一进行二维小波变换,根据含噪声大的波段与噪声小的波段的波长关系,对小噪声波段的高频系数加权求和,代替噪声大的波段的高频系数,通过小波逆变换得到去噪后的重构图像。该方法运算速度快,能有效地降低噪声。对机载可见红外成像光谱仪数据(AVIRIS)实验表明,与经典的BayesShrink图像去噪方法相比,方法重构图像的信噪比(SNR)高出3.8～10.6 db,节省运算时间一半以上。     

基于双树复小波变换的遥感图像去云雾系统设计

在研究双树复小波变换原理的基础上,结合遥感图像中云雾和景物的频率差异,提出一种去云雾方法。设计并建立了去云雾处理硬件系统,介绍系统组成和系统开发步骤,叙述摄像头驱动程序、视频信号输出程序、人机交互界面等的设计方法,采用设计的系统开展图像采集和去云雾处理,给出并分析处理效果。实验结果表明,当分解层数、分界数和权重取默认值时,该文算法的图像处理的熵达到7.61,优于小波阈值法和同态滤波法。设计的系统去云雾处理能力和自适应性强。     

暗通道自然灾害遥感图像去雾

为了解决自然灾害遥感影像中局部存在浓雾的问题,提出了一种基于暗原色先验和雾天图像退化模型的图像去雾方法,并利用导向滤波实现光学遥感影像的去雾.首先,结合自然灾害遥感图像的特点,利用阈值将图像分为浓雾区域和薄雾区域,采用不同的方法得出两个区域的暗通道图;然后,结合导向滤波对透射率图进行优化,再对图像进行对比度拉伸,提高图像的动态范围,并选取多幅遥感图像进行去雾试验.最后,设计了一组图像增强质量评价指标,对去雾结果进行定量分析.结果表明,该方法能从物理特性上明显去除雾的干扰,提高图像清晰度,增强图像色彩和细节,从而复原得到高质量图像,在一定程度上能满足自然灾害遥感图像去雾的要求.     

一种基于小波变换的红外小目标去噪算法

 研究了复杂背景下红外小目标图像的去噪问题,鉴于小波阈值法去噪的缺点,结合小波变换的去相关性和能量紧支性,提出一种新的去噪方法。考虑到实际中的复杂背景和大量干扰,弱小目标通常占有很少像素,首先对红外小目标图像进行二级小波变换,然后根据新的算法对变换所得小波细节系数进行邻域运算,最后通过小波逆变换得到处理后的图像。 实验中采用Db3小波基函数,分别对两帧低信噪比原始图像进行仿真。仿真结果表明,该算法能很好地保存小目标的形状特征,抑制背景,达到较好的去噪效果。     

一种基于小波变换的红外小目标去噪算法

研究了复杂背景下红外小目标图像的去噪问题,鉴于小波阈值法去噪的缺点,结合小波变换的去相关性和能量紧支性,提出一种新的去噪方法。考虑到实际中的复杂背景和大量干扰,弱小目标通常占有很少像素,首先对红外小目标图像进行二级小波变换,然后根据新的算法对变换所得小波细节系数进行邻域运算,最后通过小波逆变换得到处理后的图像。 实验中采用Db3小波基函数,分别对两帧低信噪比原始图像进行仿真。仿真结果表明,该算法能很好地保存小目标的形状特征,抑制背景,达到较好的去噪效果。     

基于云层系数的遥感图像去云雾算法

讨论了数字图像小波分解过程,根据分解系数的频率分布,给出通过小波分解分离单幅遥感图像中云雾和景物的途径。探讨暗通道先验理论,分析云雾和景物暗像素值的差异。在此基础上,建立云层系数的概念,并提出一种根据云层系数从遥感图像中去除云雾的算法。即利用云层系数,估算各像素的云雾浓度,处理高层细节系数以衰减云雾,处理低层细节系数以突出云下景物。给出详细的实现步骤,进行去云雾处理实验,并评价实验效果。结果表明,去云雾效果优于小波加权算法和小波阈值算法。     

光谱去相关技术在高光谱图像小波压缩中的应用

随着数据量的不断增长,如何有效压缩高光谱图像成为影响其普及应用的一个关键问题。近年来,小波压缩技术已经被证明是高光谱图像压缩方法中很有发展前景的一个,但由于其对高光谱图像特性的利用较为有限而使其性能的进一步提升受到了限制。文章根据高光谱图像的光谱特征,提出了一种基于光谱去相关的高光谱图像小波压缩方法,设计了分块预测方法来同时去除光谱间相关性和空间相关性,并将其应用于小波压缩方法之中。首先,将高光谱图像分为几个具有高谱间相关性的图像块。然后推导出各块中波段的近似成比例的特性,并在各块分别进行基于这一特性和超光谱图像其他特性设计波段预测编码。最后,将预测用的参考波段和预测后获得的偏差数据,通过小波编码技术进行压缩。实验结果表明,所设计的方法与目前先进的超光谱压缩技术相比其性能有显著的提升。与AT-3DSPIHT算法比较,最高PSNR或SNR提升幅度均能达到4.2 dB左右。此外,此方法在低比特率下的优势也十分突出。     

基于二代小波变换的红外图像非线性增强算法

红外图像具有对比度低和信噪比低等特点,实用中必须进行增强处理.将小波分析与模糊逻辑相结合,提出了一种基于二代小波变换的红外图像非线性增强算法.该算法首先利用二代小波变换对图像进行分解,提取图像的多尺度细节特征,然后,根据目标和背景噪声信号的差异,通过模糊非线性增强算子分别对各个分解层的高频子带进行非线性增强来改变目标特征的强度,抑制背景信号,最后利用小波反变换重构图像,以实现图像的对比度增强和背景抑制.与几种常用的图像增强算法实验结果相比,此算法能有效地抑制图像中的背景噪声,增强目标内容信息,取得了较好的增强效果.     

应用小波分析进行油菜籽红外光声光谱去噪

为探究小波分析对油菜籽红外光声光谱的去噪效果,利用db6小波4尺度分解对其进行去噪研究.对比分析低频系数重构、缺省阈值、Birge-Massart阈值和4种自适应阈值(Rigrsure、Minimaxi、Rigsure和Sqtwolog)模型等模型的去噪效果.同时与Savitzky-Golay卷积平滑和快速傅里叶变换的去噪效果进行比较.研究表明,Birge-Massart阈值模型的综合小波去噪效果最好,同时小波去噪的方法较Savitzky-Golay卷积平滑和快速傅里叶变换去噪可以更好地捕获光谱的尖峰特征.     

小波变换对OCT图像的降噪处理

通过分析光学相干层析成像系统中的噪音源以及不同噪音对成像质量的影响,利用小波变换的方法,结合软阈值滤波对图像去噪,消除噪音对图像的干扰,处理后图像变得清晰了,图像质量得以改善,表明该方法能达到减小图像噪音的目的.     

子波变换及其在污染云团红外光谱监测与识别中的应用

反应离散子波变换进行污染云团红外光谱信号分析及特征提取,离散子波变换具有时－频分析特性,能将信号的细微变化反映出来,对实时遥感获取的目标云团作离散子波变换分析的结果表明：离散子波变换可明显提高目标云团的特性,十分有利于光谱的识别。     

基于第二代小波的超谱遥感图像融合算法研究

超谱遥感图像包含了大量的波段．波段之间的相关性较高．采用信息融合技术可以降低超谱图像的分析难度。提出了一种结构新颖的第二代小波加权融合算法。首先将图像分解为两个序列．用2阶Neville滤波器构造预测和更新算子．对两个序列以矩形栅格和梅花形栅格的格式进行交替预测和更新;再以各个波段的方差作为融合的特征．进行特征级第二代小波加权融合．最后对图像进行第二代小波重构。为了验证新方法的有效性．采用机载可见光-红外成像光谱仪超谱遥感图像进行仿真．并与典型融合方法主成分分析和离散小波变换的融合效果相比较。实验结果表明提出的第二代小波加权融合算法能够很好地保持图像的空间特性和光谱特性．其熵值高于主成分分析融合结果0．1949,高于离散小波变换融合结果0．7998。     

基于非采样Contourlet变换高分辨率遥感图像配准

为了提高高分辨率遥感图像配准的精确度,将非采样Contourlet变换应用于高分辨率遥感图像配准算法中.首先对高分辨率遥感图像进行非采样Contourlet变换.利用非采样Contourlet变换的平移不变性在变换域提取图像的边缘并选择合适的阈值准确地得到图像的边缘特征点.然后利用归一化互相关匹配法和概率支撑法对特征点进行匹配.最后通过三角形局部变换映射甬数实现图像配准.实验结果表明,该方法更能准确地提取高分辨率遥感图像的特征点,大大提高了正确匹配的概率,与基于小波方法的图像配准效果相比有更高的准确性和稳健性.     

使用压缩感知的遥感图像振荡畸变几何校正方法

卫星平台振动和反射镜震颤会引起遥感图像中的振荡畸变。这类畸变难以通过常用的几何校正方法消除。对此,提出了一种使用压缩感知的几何校正方法。该方法基于有理函数模型(RFM)进行几何校正。在校正过程中,利用初始的RFM计算出地面控制点(GCPs)在图像中的投影坐标与实际成像坐标之间的偏差(称为投影偏差),以地面控制点处的投影偏差作为采样值,使用压缩感知技术重构出所有像元处的投影偏差,并据此对RFM进行像方补偿;利用经过补偿的RFM进行遥感图像纠正。通过补偿,消除了振荡畸变引起的RFM模型误差,进而提高校正性能。利用实测数据验证了该方法的有效性,并通过仿真数据分析了地标点的数量与分布对该几何校正方法性能的影响。     

遥感中的立体成像技术

阐述了用于空间对地观测的立体成像的基本原理，讨论了三种立体成像方法，研制成功了用于机载的三个ＣＣＤ线阵扫描的立体成像系统。完成了实验室立体成像实验，编制了形成立体图所必需的软件，得到了预期的地面三维图像。     

基于小波阈值理论的光学图像去云处理新算法

分析了部分云覆盖的单幅光学遥感图像经过多层小波变换后,景物信息和云噪音在小波分解系数中的分布关系,并提出了云区阈值法来有效去除云噪音.通过选择适当的分界层数,将景物信息、云噪音尽可能分别分配到低层和高层细节系数中.高层细节系数中除主要包含云噪音外,也有部分有用景物信息.由于云噪音亮度大于景物,根据亮度特征合理选择高层细节系数的亮度阈值,去除云噪音,而保留其中的景物信息.通过对低层、高层细节系数和近似系数分别设置权重,增加景物对比度,减小残留云影响,从而重构得到恢复图像.提出了以信息熵作为分界层数、权重、阈值等参量选择的定量标准.实验证明,按信息熵标准能正确地选择参量,依据本文算法得到的去云效果远优越于同态滤波和Retinex算法,且能充分保留云区以外景物信息.     

小波分析在遥测信号处理中的应用

综述了小波分析的发展现状,通过对比小波变换与短时傅里叶变换之间的差异,指出小波分析是一种多分辨分析方法,特别适合于非平稳信号的分析与处理,并且应用该方法对遥测速变信号进行处理,取得了较好的效果。     

Calculation of the Parameters of Radiation Sources and the Atmosphere with Multiwavelength Optical Remote Sensing

A multiwavelength method for determining the parameters of radiation sources and the atmosphere by passive-remote sensing in the visible and near-IR spectral regions is proposed. The method relies on the obtained approximate analytical solutions of direct problems of the radiation transfer in the atmosphere for axially symmetric Planck sources. The set of these solutions is applicable to arbitrary optical atmospheric depths. __________ Translated from Zhurnal Prikladnoi Spektroskopii, Vol. 72, No. 4, pp. 491–498, July–August, 2005.     

基于TMS320C6678的高动态范围红外图像细节增强算法改进与实现

利用图像分层处理的细节增强基本框架,提出了一种基于引导滤波器的高动态范围红外图像显示与细节增强算法。该算法能有效将高动态范围红外图像映射到适合监视器显示的动态范围,且能有效调整图像对比度,增强图像细节,抑制背景噪声。相比较于其他同类算法,该算法计算量少,易于工程实现,且不会产生梯度翻转效应。并研究设计了基于TMS320C6678DSP芯片的细节增强图像处理系统,实现了图像视频流的传输、处理等系列功能。实验结果表明了本算法的优势。     

基于TMS320C6678的高动态范围红外图像细节增强算法改进与实现

利用图像分层处理的细节增强基本框架,提出了一种基于引导滤波器的高动态范围红外图像显示与细节增强算法。该算法能有效将高动态范围红外图像映射到适合监视器显示的动态范围,且能有效调整图像对比度,增强图像细节,抑制背景噪声。相比较于其他同类算法,该算法计算量少,易于工程实现,且不会产生梯度翻转效应。并研究设计了基于TMS320C6678 DSP芯片的细节增强图像处理系统,实现了图像视频流的传输、处理等系列功能。实验结果表明了本算法的优势。