共查询到20条相似文献,搜索用时 62 毫秒
1.
2.
合成孔径雷达(SAR)图像经过相干斑抑制后,图像中目标边缘会出现模糊。针对这一问题,提出了一种改进的基于各向异性微分的SAR图像增强方法。该方法在梯度方向和与梯度垂直方向构造了两个扩散系数分布函数。在非目标边缘区域,各方向扩散程度不同,对相干斑噪声具有较好的抑制效果;在目标边缘区域,梯度方向不做平滑,以保护和增强边缘,而在垂直于梯度方向有较大的平滑,突出边缘轮廓。实验结果表明,该方法具有很好的相干斑抑制能力和边缘增强能力。 相似文献
3.
基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘. 相似文献
4.
5.
一种改进的SAR图像边缘检测方法 总被引:1,自引:0,他引:1
加权指数平均比率(ROEWA)边缘检测算子是一种较好的适用于SAR图像的边缘检测算子,但使用传统的计算梯度方向的方法却无法正确确定边缘点的方向。针对ROEWA算子存在的问题,该文根据Gabor滤波器具有的优秀的方向选择性这一性质,提出利用Gabor滤波器确定边缘方向的方法,完善了ROEWA边缘检测方法。实验结果证明,改进的ROEWA算子检测边缘及边缘方向的性能很好。 相似文献
6.
为了抑制SAR图像的相干斑噪声,对Garrote阈值函数做了改进,增加指数函数使其更易于逼近其渐近线,提高函数中阈值参数和自变量的阶数,以缩小其偏差性.将改进的Garrote阈值函数用于SAR图像小波阈值去噪.首先,在图像预处理阶段,利用常规方法将SAR图像相干斑乘性噪声模型转换为加性噪声模型,以利于小波滤波处理;其次... 相似文献
7.
研究了一种新颖的斑点噪声抑制自适应窗口算法,解决了局域统计自适应滤波器的窗口大小问题。在这种算法中,窗口大小根据区域特征自动调整,在保持细节的同时尽最大可能地抑制斑点噪声。在均匀区域,随着窗口大小的增大,斑点噪声抑制变得更强;在细节区域,不断减小窗口大小,从而保持了边缘和纹理。通过应用于实测SAR图像,该自适应算法与固定窗口滤波方案相比有良好的性能。 相似文献
8.
像素相关性(Pixel Relativity, PR)测量是权重平均相干斑抑制算法中的关键技术,该文从3 个方面对SAR图像中的PR 模型进行了研究。首先,该文论述了比值PR 模型的合理性,提出了两种新的比值PR 模型(对数高斯模型与像素相似概率模型),并将SAR 图像概率密度函数与比值概率密度函数转化为比值PR 模型|然后,为了对4 种PR 模型应用于相干斑抑制的性能进行比较,设计了基于PR 的权重最大似然滤波器|最后,针对相关性最大值位置不为1 的PR 模型存在的辐射保持能力差的问题,提出了模型最大值位置校正的方法。理论分析与实验表明了提出模型及最大值位置校正方法的有效性。 相似文献
9.
10.
从SAR图像的统计特性出发,构造了对比度塔(CP),对SAR图像进行相干斑抑制和对比度调整,并将第二代Bandelet变换用于SAR图像压缩.在bpp值较高的情况下,该方法提高了SAR图像的压缩性能,适用于方向信息比较丰富、背景复杂的SAR图像的压缩处理. 相似文献
11.
针对噪声图像低频子带含有噪声的特点,给出了一种改进的局部自适应双变量收缩模型的图像去噪算法,对于高频子带用局部自适应双变量模型进行去噪,而对低频子带用具有局部自适应的高斯模型进行去噪。该算法既体现了尺度内的聚类性,又体现了尺度间的相关性且具有很好的局部自适应性,在实验中用离散小波变换进行去噪。实验结果表明,这种改进的算法无论从峰值信噪比,还是从主观视觉效果上都要优于传统的去噪算法。 相似文献
12.
13.
14.
15.
一种改进的EMD图像信号去噪算法 总被引:1,自引:0,他引:1
《现代电子技术》2016,(16):91-93
针对当前阈值类算法在图像去噪的同时均会将原图像有用成分滤掉,破坏图像的完整性,处理后的图像模糊等问题,提出EMD-SG算法为图像去噪。依据EMD算法对图像的拆分,利用SG滤波器对每个采集点的邻域进行滤波。同时利用最小二乘法方法拟合出采集点邻域内最佳值,并结合IMF进行图像重构。该算法使图像处理过程良好地兼顾了图像除噪效果与图像信号完整性。实验结果表明此算法相比于其他算法具有优良的去噪能力。 相似文献
16.
17.
为了更好地实现图像的去噪效果,提出了一种改进的基于K-SVD(Singular Value Decomposition)字典学习的图像去噪算法。首先,将输入的含噪信号进行K均值聚类分解,将得到的图像块进行稀疏贝叶斯学习和噪声的更新,当迭代到一定次数时继续使用正交匹配追踪(Orthogonal Matching Pursuit,OMP)算法对图像块进行稀疏编码,然后在完成稀疏编码的基础上通过奇异值分解来逐列更新字典,反复迭代至得到过完备字典以实现稀疏表示,最后对处理过的图像进行重构,得到去噪后的图像。实验结果表明,本文的改进算法相对于传统的K-SVD字典的图像去噪能够在保留图像边缘和细节信息的同时,更有效地去除图像中的噪声,具有更好的视觉效果。 相似文献
18.
一种基于PCNN的图像噪声消去方法 总被引:1,自引:0,他引:1
提出了一种基于PCNN(脉冲耦合神经网络)的图像椒盐噪声消去方法,针对椒盐噪声的特点,根据PCNN集群点火特性,结合邻域均值滤波器较好地进行了图像平滑.试验证明,该方法不仅能够有效地去除椒盐噪声,对图像纹理和边缘的保护也较好. 相似文献
19.
20.
为了改善图像去噪的效果,提出一种基于分数阶积分和中值滤波的改进自适应图像去噪算法,首先利用自适应中值滤波算法(Ranked-order Based Adaptive Median Filter,RAMF)中的噪声判别条件来检测噪声点,然后利用"噪声边缘"判别函数对其中的可疑噪声点进行二次检测,同时根据图像的局部统计信息和结构特征构造自适应的分数阶阶次,最后将检测出的噪声点进行自适应的分数阶积分滤波去噪。与传统的分数阶积分去噪算法相比,该自适应算法有效地保留了被错误误去除的图像边缘点,并且实现了分数阶积分的阶次自适应化,在去除噪声的同时很好地保留了图像的边缘及纹理细节信息。 相似文献