SAR图像相干斑抑制方法综述

由于SAR是相干成像系统,在获取SAR图像时会含有相干斑噪声,使得SAR图像的解译,理解变得困难,因此有必要对SAR图像的相干斑进行抑制;首先介绍了相干斑的形成机理,之后对多视处理技术、空域滤波技术、变换域滤波技术和非局部均值滤波技术进行总结,在简要介绍各种方法的来源、理论基础和发展的基础上对比了各自的优缺点,最后展望了SAR图像相干斑抑制研究领域的进一步发展方向.     

双树复小波和独立分量分析的红外小目标检测

针对存在背景干扰和噪声情况下的红外弱小目标检测问题,提出一种基于双树复小波变换和独立分量分析(ICA)的检测方法。对图像作预处理:利用双树复小波对原始图像进行去噪,再利用Top-hat算子抑制背景;从原始图像减去通过快速独立分量分析(FastICA)分离出的背景图像,用双树复小波去噪;上述2方面得到的图像求和即为预处理图像。采用模糊Tsallis-Havrda-Charvat熵选取阈值来分割预处理图像。针对红外小目标图像进行了大量实验,并和基于快速独立分量分析的目标检测方法、基于形态滤波的目标检测方法进行了比较。结果表明,本文方法抗噪性强,具有更为优越的检测性能。     

复杂场景下的SAR图像水域边缘特征提取

合成孔径雷达(SAR)图像中的水域具有极高的遥感应用及地理应用价值;针对SAR图像固有的相干斑以及复杂场景下SAR图像水域边缘检测算法受到建筑物等人造地物强散射点干扰造成虚假边缘的问题,提出了复杂场景下SAR图像水域边缘特征提取方法;该方法通过构建SAR图像的二维灰度直方图对SAR图像进行预处理,一定程度抑制了相干斑噪声对边缘检测的影响,并在分析SAR图像中建筑物等人造地物与水域散射特性差异基础上利用二维灰度直方图对SAR图像进行分割,抑制强散射点;通过实验验证,该方法有效抑制了相干斑以及建筑物等人造地物强散射点的干扰,实现了复杂场景下的SAR图像水域边缘特征自动提取.     

基于复无下采样轮廓波和Gaussian小波支持向量回归的红外目标图像背景抑制

针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。针对存在背景干扰和噪声情况下的红外目标图像背景抑制问题,提出了一种基于复无下采样轮廓波变换（NSCCT）和Gaussian小波支持向量回归（SVR）的背景抑制方法。该方法对红外目标图像进行NSCCT,然后根据其系数的相关特性去噪,从而抑制了大部分背景杂波;采用Gaussian小波SVR对去噪后的红外目标图像进行处理得到预测图像,并用去噪后图像减去预测图像得到残差图像,即背景抑制结果。针对红外目标图像进行了大量实验,并与近年来提出的3种背景预测方法,即基于最小二乘支持向量回归（LS-SVR）、基于SVR及基于最小二乘的红外目标图像背景抑制方法进行了比较,结果表明所提出的方法去噪效果好,背景抑制性能更优。     

基于小波变换的炮弹射线图像增强技术研究

利用小波变换对含有噪声的图像进行变换,针对其小波系数进行阈值操作,得出降噪后的增强图像.首先对原始射线图像进行对数变换,其次对变换后的图像进行小波阈值降噪处理,最后对阈值降噪处理后的图像进行指数拉伸变换,求得消除噪声以后的增强射线图像.实验证明提出的方法对炮弹射线图像处理是有效的.     

基于信号小波系数层间关系的线谱信号去噪研究

舰船辐射声中的低频线谱是舰船的一个重要特征量,对声引信的信号检测、识别与分类具有重要的作用。随着现代舰船,特别是潜艇声辐射能量迅速降低和海洋环境噪声级逐年增加,利用舰船噪声中线谱信号对目标的发现距离正在减小。本文利用双树复解析小波变换( DT-CWT)对海洋环境噪声和舰船噪声线谱信号进行小波分解,并对小波系数的层间联合分布进行分析,建立了海洋环境噪声和线谱信号的小波系数的层间联合分布的数学模型,并推导出最大后验概率估计子(MAP)的解析表达式,用于去除噪声干扰,检测淹没在海洋噪声背景中的舰船噪声线谱信号。对实测舰船噪声信号和海洋环境噪声的分析表明,所提出的算法能够明显减弱连续谱干扰成分,捉高舰船噪声中线谱信号的检测效果。     

基于小波变换与模糊理论的图像增强算法研究

针对传统图像增强方法增强图像同时放大噪声的问题,提出了一种基于小波变换和改进模糊集理论进行图像增强的方法.该算法先对原始图像进行小波变换获得低频和高频系数,对低频系数进行了分段函数增强,高频系数进行小波去噪,并且定义新的隶属度函数对各个尺度上不同方向的高频系数进行模糊增强,最后通过小波重构得到增强的图像.实验结果表明,该算法可以有效去除噪声和增强图像,并使图像具有良好的视觉效果.     

多普勒信号的小波域维纳滤波方法

针对多普勒信号检测的小波变换法阈值去噪方法对低频噪声的抑制不理想的缺点,提出一种小波变换阈值处理和维纳滤波联合的多普勒信号去噪方法。该方法在小波阈值法去噪的基础上,对信号的低频小波系数进行维纳平滑处理,然后系数重构得到多普勒信号。仿真验证结果表明,通过小波变换下对小波分解系数进行进一步的维纳滤波,在多普勒回波信号处理过程中得到了比较理想的结果,获得了更好的目标检测性能。     

基于小波变换的射弹序列图像混合噪声去噪

提出了一种基于小波变换的混合噪声去噪方法。首先对图像进行二维多尺度小波变换,得到低频子带图像和高频子带图像;然后对低频子带图像采用改进的邻域平均滤波进行去噪处理,对高频子带图像采用改进的小波阈值算法进行去噪处理;最后对处理后的各子带小波系数进行小波重构,得到降噪后的图像。结果表明,该算法在有效去除图像混合噪声的同时,较好地保留了图像边缘和细节。     

基于小波变换和形态学的目标图像增强算法

基于图像视觉信息的目标检测与识别一直是研究的重点和难点,针对复杂坏境的图像呈现出对比度低,强噪声干扰,灰度集中的特点,提出了一种基于小波变换理论和数学形态学的目标图像增强方法;首先对图像进行了小波变换,提取高频分量系数,其次利用阈值算法对图像进行降噪处理,最后对图像进行形态学交替滤波得到增强后的图像;实验表明:该检测算法对提高信噪比,增强目标有很好的效果,适合与目标检测与识别,算法在性能上优于传统的单一算法。     

基于混合噪声模型的射线图像降噪方法

针对射线数字图像的特点,提出了一种基于混合噪声模型的小波中值滤波降噪方法。对射线数字图像噪声成分构成进行分析,建立了混合噪声模型。根据混合噪声模型来计算噪声方差,进而计算BayesShrink阈值,解决了BayesShrink阈值计算中因射线数字图像小波系数不服从广义高斯分布而导致的Donoho噪声方差计算方法失效的问题。为了消除BayesShrink阈值处理引起的图像失真,对小波阈值处理结果进行中值滤波。采用射线数字图像对该方法的有效性进行了验证,实验表明,该方法的降噪效果优于OracleShrink和SureShrink阈值法。     

基于二维本征模态函数的 SAR 图像目标检测

合成孔径雷达（SAR）成像具有其独特的优势,能全天时全天候获取目标区域遥感数据,但是其成像机理复杂,获得的 SAR 图像解译困难。从 SAR 成像回波特点出发,结合二维经验模态分解（BEMD）理论,提出了一种基于二维本征模态函数（BIMF）的 SAR 图像目标检测算法。采用仿真和实际的 SAR 图像数据进行了验证实验,实验结果表明,利用融合的 BIMF 特征分量检测目标,其效果优于直接用原始 SAR 图像进行目标检测,并且对不同信噪比的 SAR图像,具有较强适应能力。     

基于梯度图像法的激光雷达图像融合滤波算法

为了有效消除激光雷达图像斑点噪声的干扰,针对单一滤波算法的不足,提出一种基于梯度图像法的激光雷达图像滤波融合算法。分析激光雷达图像的噪声特点,综合Lee滤波和小波滤波的优势,该算法利用图像的梯度图像来判断斑点噪声隶属于信号区域还是边缘区域,在边缘点采用小波阈值滤波的结果,在信号区域选择Lee算法的结果达到最好的滤波目的。仿真试验的结果表明:该算法具有很强的散斑噪声抑制能力,能够在噪声滤波和图像信息保持2个方面都能达到很好的效果。     

Method of Infrared Image Enhancement Based on Stationary Wavelet Transform

Aiming at the problem,i.e.infrared images own the characters of bad contrast ratio and fuzzy edges,a method to enhance the contrast of infrared image is given,which is based on stationary wavelet transform.After making stationary wavelet transform to an infrared image,denoising is done by the proposed method of double-threshold shrinkage in detail coefficient matrixes that have high noisy intensity.For the approximation coefficient matrix with low noisy intensity,enhancement is done by the proposed method based on histogram.The enhanced image can be got by wavelet coefficient reconstruction.Furthermore,an evaluation criterion of enhancement performance is introduced.The results show that this algorithm ensures target enhancement and restrains additive Gauss white noise effectively.At the same time,its amount of calculation is small and operation speed is fast.     

一种基于小波变换的可见光与红外图像融合算法研究

为了解决可见光与红外图像所表现的目标特征不一致的问题,提出了一种红外与可见光图像融合算法.首先利用小波变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数,采用不同的融合算法构造融合图像对应的小波系数,最后利用该小波系数重构融合后的图像.实验结果表明,该算法在红外与可见光图像融合处理中取得了很好的融合效果,有效地将红外和可见光对同一目标所表现出不同的特征、细节融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图象处理系统获取信息提供了基础.     

侧扫声纳图像非下采样轮廓波变换域分区增强方法

成像机理的限制以及海洋中存在的丰富噪声源,导致侧扫声纳图像出现噪声污染严重、目标和背景区域灰度值对比度低以及边缘呈现强度较弱等情况。针对上述问题,提出一种侧扫声纳图像非下采样轮廓波变换（NSCT）域分区增强方法。对于声纳图像低频部分,使用非线性函数增强方法,提升低频图像对比度;对于声纳图像高频部分,通过分析声纳高频图像在NSCT域上同一尺度不同方向子带系数最大值与最小值差值的分布规律,进行噪声和纹理边缘的划分以及对应的处理。将所提方法与小波硬阈值增强方法、小波Shrinkage自适应阈值增强方法做实验对比,结果表明,该方法不仅可以较好地消除噪声,而且可以抑制琐碎纹理、提升弱边缘,侧扫声纳图像增强效果更加突出。     

基于最大后验概率准则的红外图像NSCT域去噪方法

提出了具有图像增强效果的基于最大后验概率准则的非下采样Contourlet变换(NSCT,Non-Subsampled Contourlet Transform)域自适应降噪算法。该算法在定图像系数和噪声系数先验为高斯分布的前提下,利用后验概率最大原理计算NSCT系数的萎缩因子。在考虑尺度和方向能量因素的基础上对萎缩因子进行了修正,并用于NSCT系数萎缩过程中。最后,通过逆变换重构出降噪和增强的图像。试验结果表明,本文方法与小波去噪方法相比,性能有明显的提升。