一种基于SAR图像的典型线特征抽取方法

针对合成孔径雷达(Synthetic Aperture Radar)图像的相干斑噪声会使图像的分割和目标的提取困难的问题,文中利用改进的Lee滤波手段去除相干斑噪声,并使用照度均衡算法平衡SAR图像的光照度,最后使用图割(Graph Cuts)算法交互式地对SAR图像中的线性结构进行抽取。实验结果表明Lee滤波和照度均衡算法分别对于抑制相干斑噪声干扰和修正图像对比度有显著效果,图割算法可以有效地提取出用户感兴趣的线性结构。     

一种改进的基于各向异性微分的SAR图像增强方法

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。     

一种基于小波SAR图像斑噪声抑制的改进算法

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.     

一种基于偏微分方程的SAR图像去噪方法

传统的相干斑噪声抑制算法在多次迭代后通常会导致图像边缘的模糊,这一直是SAR图像去噪处理的难点和热点所在。该文分析了应用于图像处理的各向异性扩散方程(PDEs),在其基础上由最小化问题出发,引入棱边指示子对图像的边缘加以限制,得到新的去噪模型并降之应用于SAR图像的相干斑噪声去除。与传统的基于局部统计量和各向异性滤波器相比,新的算法在棱边保持和噪声去除能力均有提高。     

一种改进的SAR图像边缘检测方法

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。     

基于改进阈值函数的SAR图像小波去噪方法

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...     

基于自适应窗口的SAR图像相干斑抑制

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。     

SAR 图像相干斑抑制中的像素相关性测量

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。      

SAR图像目标综合检测方法

基于SAR(合成孔径雷达)图像杂波结构,结合小波变换和自适应维纳滤波提出了一种新的抑制SAR图像相干斑噪声方法,该方法能够较好保留杂波边缘和点目标.分析了抑制SAR图像相干斑噪声后的多分布特性,研究了相应的SAR目标检测,提出了一种新的SAR图像目标检测方法及其实现.实际SAR图像测试结果表明了本文方法的有效性.     

基于第二代Bandelet变换的SAR图像去噪压缩

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.     

一种改进的双变量收缩模型图像去噪

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。     

一种改进的小波阈值裂纹图像去噪法

文中采用一种新的小波阈值法进行数字图像去噪。该方法是在原有小波算法之上进行改进,一方面改进闽值公式,寻求最优的阈值,获取更好的边缘保护,从而达到图像原始信息完整性;另一方面通过优化阁值函数获得改进的阚值方法,提高小波系数阈值判断的准确性,获得更好的去噪效果。实验结果表明,与通常的方法相比较,能更好的去除数字图像噪声、保护图像边缘,获得更好的峰值信噪比、边缘保持指数和更好的视觉效果,达到去噪要求。     

一种基于小波域系数收缩的图像降噪改进算法

本文根据小波变换中分解级数与噪声在小波域中的特性,利用具有平移不变性的稳态小波分解方法,将Donoho的小波系数收缩算法用于局部小波系数的处理,并提出了一种具有自适应特性的阈值设定方法.这种方法由于考虑到了局部小波系数的变化特点和图像中信息分布的不均匀性,对加性高斯白噪声的去除具有很好的效果.     

一种改进的小波阈值去噪方法

在原有的小波阈值去噪方法的基础上,提出了一种改进的图像去噪方法 Fast ICA-MPSO-WTD。该方法将快速独立主元分析(Fast ICA)和WTD相结合进行图像去噪,为了使小波阈值去噪效果更好,使用改进粒子群算法(MPSO)优化小波阈值参数。为了证明该方法的有效性,选择测试图像进行去噪对比实验,实验使用峰值信噪比(PSNR)评价去噪效果,实验结果表明改进方法 Fast ICA-MPSO-WTD能够有效地提高去噪效果。     

一种改进的EMD图像信号去噪算法

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。     

一种改进的图像去噪与增强模型

图像的去噪和增强越来越成为制约后续图像一系列处理的瓶颈,为此提出一种图像去噪与增强的混合模型。该模型在各向异性扩散模型的基础上引入边缘指示函数,达到快速识别边缘的目的;在冲击滤波器的基础上,引入含有时间变量的边缘判定函数,适时控制冲击幅度的大小。而后将上述两个模型结合起来,克服了扩散模型仅依赖梯度信息来控制扩散进程的弊端,也适时地锐化了边缘。实验表明该混合模型不仅可以很好地去除图像的斑点噪声,并且可以达到图像增强效果。     

一种改进的基于K-SVD字典的图像去噪算法

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。     

一种基于PCNN的图像噪声消去方法

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.     

一种改进的具有半径滤波和RANSAC优点的点云图像去噪方法

为了剔除点云中离散点噪声和密集平面噪声且保留点云的特征,提出了一种改进的具有半径滤波和RANSAC优点的点云图像去噪新方法.首先利用体素下采样对原始点云数据进行精简,然后针对离散点噪声,使用半径滤波将其剔除,最后在保留原始RANSAC算法的基础上,引入高度信息参数对拟合出的平面进行区分,据此进一步剔除点云中的密集平面噪...     

一种改进的自适应分数阶积分图像去噪算法

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。