基于权重变分模型的地基IDOAS条带噪声去除

成像差分吸收光谱技术是成像光谱技术和差分吸收光谱技术的结合,能够采集图谱合一的数据立方,并通过光谱反演得到痕量气体浓度的二维分布信息.地基IDOAS仪器通过安装平台的水平旋转实现摆扫成像,可用于识别污染气体的排放源和监测气体的扩散情况.然而和所有的成像光谱技术相类似,地基IDOAS也容易出现条带噪声的问题,会产生相应的...     

基于全变分的航空图像条带噪声消除方法

条带噪声会影响推扫式航空相机成像质量,去除条带噪声是提高后续数据分析精度的关键环节。分析了航空图像条带噪声的主要来源和模型,提出了一种基于全变分的抑制条带噪声方法。根据相对平坦区域估计每个像元的增益和偏置值,利用全变分模型,采用梯度下降法迭代求解进行图像重构。实验结果表明,仿真图像峰值信噪比从31dB提高到40dB,实际航拍图像辐射质量提升因子提高到9dB。与传统方法相比,该方法处理的图像变异逆系数和辐射质量提升因子有所提高,有效去除图像中的条带噪声,保留原图像的细节信息。     

宽带电磁图像卷积神经网络盲恢复方法研究

在利用抛物反射面对电磁干扰源成像过程中,由于系统衍射受限及成像频带较宽,导致干扰源成像模糊,分辨率低,难以分辨,不同频率不同区域干扰源所成图像分辨率不同,采用已有超分辨算法难以提高分辨率。为了实现宽带电磁图像的盲复原, 应用卷积神经网络的方法。网络训练是直接输入模糊图像,不假设任何特定的模糊和噪声模型情况下,重建出高质量图像。实验和仿真结果证明了卷积神经网络盲恢复方法在宽频带不同成像区域下表现了优于其他盲恢复算法的优势。     

改进的插值法用于IIM影像条带噪声去除

摘 要：针对嫦娥一号(CE-1)干涉成像光谱仪(IIM)影像中的条带噪声,应用常用的频域滤波方法和线性插值法进行了IIM条带去除试验,并提出结合了三阶插值的改进线性插值方法。对噪声点定位后,根据图像中噪声点上下行相应点的数值差别是否超过预设阈值,确定是采用线性插值还是三阶插值算法,修正噪声点像素值。实验结果的均值和标准偏差以及图像质量因子(IQ因子)的比较表明：改进的方法IQ值达到13.9081,而线性插值算法为9.8428,改进的线性插值方法在去除IIM影像条带噪声方面明显优于线性插值方法。     

基于双通道神经网络的图像脉冲噪声降噪

脉冲噪声是成像过程中的一个主要噪声源,传统的滤波器难以有效消除高密度的脉冲噪声.针对这一问题,提出了一种基于非对称并行神经网络的图像脉冲噪声降噪算法.算法利用隐写分析丰富模型提取图像的噪声卷积特征图;将原图像特征图与噪声卷积特征图分别送入两个相同的卷积神经网络进行处理;结合l1损失与l2损失作为神经网络的总代价函数,同...     

推扫型干涉成像光谱仪去除条带非均匀性的方法

分析了推扫型干涉成像光谱仪的结构特点和工作原理,指出了由于加工误差导致入射狭缝的宽度不均匀,使干涉图像沿狭缝方向存在亮度差异,复原后的光谱立方体图像上出现平行于推扫方向的非均匀性条带,影响了光谱立方体的图像质量和光谱精确度.采取校正系数法去除条带,讨论了获取校正系数的方法,并使用仪器的定标干涉数据提取成像面上沿狭缝方向...     

OMIS图像条带噪音消除方法研究

分析了OMIS高光谱图像条带噪音产生的主要原因及条带噪音的特点.提出了两种改进的空域和小波域OMIS条带噪音消除新方法.比较了实验图像和数据.结果表明,两种新方法均具有良好的消除OMIS条带噪音的能力,并能较好地保持图像的纹理细节信息,效果明显优于原有方法.     

推扫型干涉成像光谱仪去除条带非均匀性的方法

分析了推扫型干涉成像光谱仪的结构特点和工作原理,指出了由于加工误差导致入射狭缝的宽度不均匀,使干涉图像沿狭缝方向存在亮度差异,复原后的光谱立方体图像上出现平行于推扫方向的非均匀性条带,影响了光谱立方体的图像质量和光谱精确度.采取校正系数法去除条带,讨论了获取校正系数的方法,并使用仪器的定标干涉数据提取成像面上沿狭缝方向的不均匀特性,获得了校正系数,对干涉图像进行处理以消除条带.结果表明:校正系数法能够去除大部分条带.根据处理后残余条带的情况,在没有在轨定标数据的情况下,使用均匀景物的光谱立方体数据提取不均匀特性,修改了校正系数,有效地消除了残余条带.     

基于小波空洞残差U-Net的红外图像去条纹噪声方法

红外图像作为信息传递的重要载体,受到红外焦平面阵列探测单元响应差异和读出电路的不均匀性的影响,易出现条纹噪声,不利于后续的分析研究。为了提高卷积神经网络去除条纹噪声的结果,提出了基于小波空洞残差U-Net的红外图像去条纹噪声方法。该网络首先通过Haar离散小波变换将条纹噪声图像分解为垂直分量、对角分量、水平分量和低频分量;依次通过初步去噪和精细去噪网络学习噪声图像与条纹噪声之间的映射;再从输入分量中去除噪声分量以获取去条纹噪声分量;利用逆Haar离散小波变换重构去噪图像。实验结果表明,该方法可以有效去除条纹噪声,保护图像细节。     

基于3D Octave卷积和Bi-RNN注意力网络的高光谱图像分类方法

传统卷积神经网络模型在高光谱图像分类生成特征图的空间维度中存在大量的空间特征信息冗余,而且把高光谱图像单个像元上的光谱带数据看作是无序高维向量进行数据处理,并不符合光谱数据的特性,极大影响了模型的运行效率和分类性能.针对该问题,提出一种三维Octave卷积和双向循环神经网络注意力网络相结合的高光谱图像分类方法.首先,利...     

基于Savitzky-Golay加权拟合的红外图像非均匀性条带校正方法

针对红外成像探测器单元响应不一致等因素导致的图像非均匀性条带问题, 提出了基于直方图加权和Savitzky-Golay拟合的非均匀性条带校正方法。首先, 计算每列的归一化直方图函数并将其作为权值对图像进行加权运算;然后, 利用Savitzky-Golay滤波器对加权后的图像列均值和列方差进行拟合, 并将结果带入校正公式, 通过可调参数的迭代完成校正。实验结果表明:该方法能有效地去除非均匀性条带, 保留图像的光谱辐射信息和纹理细节, 各项评价指标均提高10%。     

基于Moreau包络平滑l_1/全变差范数模型的图像脉冲噪声去除方法

脉冲噪声是导致图像退化的主要原因之一,低密度脉冲噪声去除比较容易,但高密度比较困难。为了有效去除高密度的脉冲噪声,提高边缘和细节纹理的保持能力,提出了一种基于莫罗(Moreau)包络平滑l1/全变差范数(l1/TV)模型的脉冲噪声去除方法。此方法具有修复前后图像对比度和形态不变,不易产生局部模糊等优点。由于l1/TV模型中的两个目标函数均为不可微凸函数,无法直接求解,提出了利用解耦形式的Moreau包络对全变差范数进行平滑化处理,平滑后的函数是原函数的可微紧下界,具有迭代形式的解析解,证明了它也是原函数的解。仿真表明该算法具有很强的去噪能力,并能较好地保持边缘和细节信息。此外,还提出了该算法的加速策略,可以大大提高收敛速度。     

基于加权块稀疏联合非凸低秩约束的高光谱图像去条带方法

针对高光谱图像(hyperspectral images,HSI)去条带易引起影像结构细节丢失问题,提出一种基于加权块稀疏(weighted block sparsity,WBS)正则化联合最小最大非凸惩罚(minimax concave penalty,MCP)约束的HSI去条带方法.本算法采用加权?2,1范数和MC...     

基于深度学习的船舶辐射噪声识别研究

为了改善船舶辐射噪声识别系统的性能,进一步提高船舶辐射噪声识别的正确率,该文提出采用一种基于深度学习的船舶辐射噪声识别方法。该方法首先提取了船舶辐射噪声的频谱、梅尔倒谱系数等特征,将提取特征后的图像样本分别用于训练卷积神经网络和深度置信网络,再对船舶辐射噪声进行识别。通过文中所给实例,将深度学习和支持向量机两种识别方法的性能进行比较,得出深度学习方法可以有效地提高船舶辐射噪声识别正确率的初步结论。     

小波变换和模糊聚类的SAR图像斑点噪声去除

合成孔径雷达SAR图像的相干成像特性,不可避免的形成特有的相干斑点噪声,严重影响图像的地物信息提取和分类,需要进行去噪预处理。针对SAR图像斑点噪声的特点,针对SAR图像斑点噪声的特点,对图像进行小波变换分解,提出模糊聚类和软阈值收缩去噪的方法,利用模糊C均值聚类将小波系数分成包含信号能量和只包含斑点噪声能量两大类,对前一类小波系数进行软阈值降噪处理,而对后一类小波系数直接置零。实验结果的目视效果和评价指标均表明,小波模糊聚类和软阈值收缩有效地去除了SAR图像斑点噪声,图像视觉效果清晰,较好地保持地物目标的边缘等图像细节信息,去噪效果优于小波软阈值收缩。     

基于轻量级卷积门控循环神经网络的语音增强方法*

针对在基于深度学习语音增强的方法中因采用因果式的网络输入导致语音增强性能下降的问题,提出了一种基于轻量级卷积门控循环神经网络(LCGRU)的语音增强方法。门控循环神经网络能够建模语音信号的时间相关性,但是其全连接结构破坏了语音信号的时频结构特征,并且参数数量庞大,不利于网络的训练。对此,本文采用卷积核替代门控循环神经网络中的全连接结构,在对语音信号时间相关性建模的同时保留了语音信号的时频结构特征,同时降低了网络的参数数量。为充分利用先前帧的特征信息,该网络单元当前时刻的输入融合了上一时刻的输入与输出。针对网络训练过程中容易产生过拟合的问题,本文采用了线性门控机制来控制信息的传输,这缓解了网络训练过程中的过拟合问题,提高了网络的语音增强性能。实验结果表明,本文所提出的网络结构在增强后的语音感知质量(PESQ),语音短时客观可懂度(STOI),分段信噪比(SSNR)等指标上均优于传统的网络结构。     

基于稀疏重建的磁共振图像尖峰噪声消除方法

磁共振图像K空间中的尖峰噪声会严重影响图像质量.该文在磁共振图像压缩感知的共轭梯度重建法的基础上,提出一种新的利用磁共振图像稀疏性进行尖峰噪声修复的方法.传统的共轭梯度重建是通过小波域迭代进行的,对于K空间的尖峰噪声的消除不是最适合.首先提出压缩感知的K空间重建算法,该算法与小波域重建等效.在此基础上,提出可以较好地修复尖峰噪声的K空间部分重建算法.即在迭代过程中,以图像的稀疏性作为约束条件,仅修改尖峰噪声所遮盖区域的数据,其他位置的数据保持不变.该算法与传统的插值算法及共轭梯度算法相比,能够更好地修复K空间尖峰噪声点,减少图像伪影,同时降低了对尖峰噪声定位准确性的要求.