基于小波域三状态HMT模型的含噪图像增强

针对含噪图像增强问题,提出一种基于小波域三状态隐马尔可夫树模型的方法,采用三状态的高斯混合模型逼近小波系数的分布,不需要设定精确的阈值,依据期望最大算法训练得到的每个系数所属状态的后验概率,将系数区分为噪声系数、弱边缘系数和强边缘系数,然后通过抑制噪声系数,增强细节特征系数来达到对含噪图像增强的目的,并引入循环平移策略避免人工失真.通过对含噪的标准图像和人脑核磁共振图像进行仿真实验,并与几种经典的图像增强方法作视觉上的对比和定量分析.实验结果表明,本文所提出的方法具有很好的鲁棒性,在突出了图像中更多的细节信息的同时,可以有效抑制噪声.     

基于小波域三状态HMT模型的含噪图像增强

针对含噪图像增强问题,提出一种基于小波域三状态隐马尔可夫树模型的方法,采用三状态的高斯混合模型逼近小波系数的分布,不需要设定精确的阈值,依据期望最大算法训练得到的每个系数所属状态的后验概率,将系数区分为噪声系数、弱边缘系数和强边缘系数,然后通过抑制噪声系数,增强细节特征系数来达到对含噪图像增强的目的,并引入循环平移策略避免人工失真.通过对含噪的标准图像和人脑核磁共振图像进行仿真实验,并与几种经典的图像增强方法作视觉上的对比和定量分析.实验结果表明,本文所提出的方法具有很好的鲁棒性,在突出了图像中更多的细节信息的同时,可以有效抑制噪声.     

一种提高SAR图像分割性能的新方法

针对传统小波变换域SAR图像分割存在边缘保持和方向分辨率较差的不足,该文提出了一种在非下采样Brushlet变换域提取图像灰度共生概率特征的新方法。该方法在Brushlet的不同方向系数块中利用自适应窗口的Gabor滤波器提取灰度共生概率特征,有效地解决了实际操作中的最优窗口尺寸的选取问题,并利用压缩感知来对冗余的特征进行压缩,降低了聚类复杂度。最后使用模糊C均值聚类,得到分割结果。实验结果表明:该文方法与其它方法相比在边缘保持和方向分辨上有明显优势,获得了更好的分割结果。     

基于模糊贴近度和非紧凑邻域的变化检测

提出一种新的模糊贴近度差异图,并基于主动轮廓模型完成了两时相SAR图像水灾变化检测。所提方法克服了上下文不敏感方法假设的类统计分布模型与实际的两者之间的拟合度对变化检测性能的影响,突破了上下文敏感方法只参考固定形状和大小的紧凑邻域内信息的限制,利用无固定形状和大小的非紧凑邻域内信息,提高了变化检测性能并改善了视觉效果。两组实测SAR图像数据集的变化检测实验结果均表明,所提方法的变化检测性能优于其他相关方法的。     

基于小波域Fisher分类器的SAR图像变化检测

给出了一种无监督SAR图像变化检测算法,它不需要分布假设,而是通过联合灰度直方图的分布特性进行判别.算法利用自适应边缘检测提取训练数据,通过Fisher分类器对联合直方图进行判别分析,得到不同小波层待检测点隶属度,并根据邻域关系以及上下文进行融合,得到最终检测结果.对真实SAR图像进行检测,得到了较好的检测结果.