全极化雷达遥感影像的迭代优化非局部均值去噪法

相干斑的存在严重降低了全极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)的影像质量,对相干斑进行抑制是使用PolSAR数据必不可少的预处理程序。本文提出了一种迭代优化的PolSAR非局部均值去噪方法。该方法在每次迭代去噪过程中,通过同时考虑原始影像全极化噪声统计特性和前一次迭代所得影像的全极化信息来完善像素间极化相似性的度量,从而实现对影像更精准的估计。试验部分利用模拟的PolSAR数据和真实的PolSAR影像进行了算法效果的验证。结果表明:去噪算法在显著抑制影像噪声水平的同时,也能较好地保持影像的边缘和极化特性等细节信息。     

局部均值分解的新小波阈值去噪法及其应用

为了克服小波硬、软阈值函数本身存在的缺点,该文在硬、软阈值函数的基础上,提出一种新的小波阈值函数,并且基于局部均值分解的原理,构造了基于局部均值分解的新小波阈值去噪法。仿真数据对比分析表明,与单纯采用小波阈值去噪法、经验模态分解(EMD)滤波去噪法及局部均值分解滤波去噪法相比,该文方法的去噪效果更好,可有效提高信号的信噪比。利用本文方法对液体静力水准仪获取的高速铁路某桥梁实际监测数据进行去噪处理,结果表明去除监测数据中噪声的同时亦可保留变形细部特征。该文方法可为工程中的非线性、非平稳监测数据去噪提供参考和借鉴。     

一种改进的小波域均值滤波算法

针对传统的小波域均值滤波算法在重建之后会产生马赛克效应的缺陷,提出一种基于形态学开运算改进的小波域均值滤波算法,利用开运算的滤波特性,从几何结构的角度针对性地处理马赛克效应,从而降低马赛克效应对干涉相位图像质量的影响,并将改进的小波域均值滤波算法与传统的小波域均值滤波算法、InSAR干涉相位图去噪中经典的自适应均值滤波、自适应中值滤波、Goldstein滤波以及非局部均值滤波滤波进行实验对比.实验结果表明:改进的小波域均值滤波算法优于其他几种算法.     

基于改进阈值法的小波去噪研究

给出一种改进阈值算法,与现有的两种算法的消噪效果对比,结果表明,文中提出的改进阈值去噪方法在均方根误差和信噪比意义上均优于已有的两种改进阈值去噪方法,改进公式更为合理。     

3维块匹配小波变换的极化SAR非局部均值滤波

极化合成孔径雷达(SAR)图像受相干斑噪声的影响,难以很好地保持结构特性,针对这个问题提出了一种采用3维块匹配小波变换的非局部均值滤波算法NL-3DWT(Nonlocal Filter based on 3-D Patch Matching Wavelet Transform)。该算法使用块匹配的3维非抽样小波变换对极化总功率图进行预滤波,在此基础上使用边界对齐窗提取结构相似像素,同时使用Sigma范围选择极化SAR数据的散射相似像素,共同构成相似像素集合;构建结构保持权重函数增大图像结构信息在块相似性度量时的权重,最终实现极化SAR图像结构保持的相干斑抑制。该算法增强了图像结构特征的表达,提高了结构相似像素选择的准确性,机载极化SAR数据实验结果表明,NL-3DWT算法能够在抑制相干斑噪声的同时,更有效地保持极化SAR图像的结构特性和极化散射特性。     

小波阈值去噪法在非稳定信号处理中的应用

高大建筑物和工业设施等的变形监测数据一般都是含噪的信号,需要对其进行降噪处理,获取其准确的变形信息,以便掌握真实的变形情况。由于监测数据都是非稳定的信号,通常采用小波阈值降噪法对其处理,但传统的软硬阈值进行降噪的效果不佳,需对其进行改进。文中采用3种改进的小波阈值降噪法与传统的方法进行比较,通过对信噪比和均方差的分析,获得适合于变形监测数据的非稳定信号的降噪方法。     

基于小波萎缩方法的图像小波去噪的研究

小波方法越来越广泛地应用到图像处理当中。小波萎缩方法是小波图像去噪方法中较为重要的方法之一。本文主要介绍了图像小波去噪中较常用的小波萎缩方法，并主要针对Bayes阈值，使用噪声方差邻域估计法加以研究和实现，并将几种阈值函数的去噪效果进行了对比。     

顾及目标异质性的极化SAR图像非局部均值滤波

相干斑抑制是极化合成孔径雷达(Pol SAR)图像分析的重要预处理步骤。为了更好地抑制极化SAR图像中的相干斑,本文综合目标的异质性和结构信息,提出基于目标异质性的非局部均值滤波方法。首先利用K分布距离度量目标的异质性,并以异质性为基础,保留图像中的点、线等高异质性目标;然后计算图像块之间的异质性差异,最后将其作为度量非局部均值加权滤波像元相似性的权重系数,实现对Pol SAR图像的相干斑抑制。实验对比结果表明:本文方法能够有效地抑制相干斑,同时对细节信息和极化信息也具有良好的保持性,能够为后续的图像应用提供支持。     

基于Wallis滤波的改进小波去噪方法研究

边缘信息是影像最重要的高频信息,在去除噪声的同时应尽量保留。介绍一种改进的小波去噪方法,不仅大大减少了算法的时间复杂度,而且用Wallis滤波对小波变换后的小波系数进行处理,在进一步压制噪声的同时增强了影像的对比度。实验结果表明,该方法不仅效率高,而且能较好地突出细节信号,效果优于普通的小波阈值去噪。     

非局部均值加权的动态模糊Fisher分类器的遥感图像变化检测

提出一种新的变化检测算法,利用改进的动态模糊Fisher分类器,通过对多时相图像的联合直方图进行分类得到变化区域。在此基础上,根据图像空间关系对待检测点进行非局部均值加权,并以一定比例选取可靠性高的数据先进行标类,增加数据的可分性和算法的可靠性。根据更新后的样本动态调整待检测点权重及分类器参数,直到所有点判别完毕为止。本算法不受参数模型限制,不受差异算子影响并充分利用图像的空间与时间信息。真实遥感数据试验表明本算法提高了检测精度。     

一种基于小波变换去除遥感图像噪声的方法

采用小波系数极大值跟踪法去除图像噪声，建立了尺度间小波系数极大值跟踪矩阵，标识出小波系数极大值的信噪属性，剔除了噪声部分对应小波系数极大值，从而抑制了噪声污染。与常规去噪方法相比，该方法不仅有效地去除了噪声，同时保持了图像边沿细节，具有良好的消除噪声效果。     

基于小波域隐马尔可夫树模型的SAR图像去噪

从小波变换和隐马尔可夫模型的理论出发,实现基于小波域隐马尔可夫树模型的图像去噪算法设计,并对具有乘性噪声的SAR图像进行去噪处理。结果表明,与传统的各种去噪方法相比,该算法对SAR图像的去噪效果非常显著,在去噪的同时能够很好地保持原图像的纹理细节特征,具有一定的应用价值。     

结合双树复小波变换的四阶偏微分影像去噪方法

针对低阶偏微分方程去噪模型通常会使图像的灰度趋于分段常量而产生阶梯效应的问题,结合小波多尺度分解在图像处理中的应用,提出一种结合双树复小波变换(DT-CWT)的四阶偏微分方程(PDE)影像去噪模型。首先采用DT-CWT对噪声影像进行多尺度分解,保留分解后的低频分量不变,其他层复高频分量采用四阶PDE去噪模型去噪,然后重构相应层的高、低频分量,得到最终去噪后影像。对不同噪声强度下的ZY-3卫星影像去噪实验的结果表明,采用本文方法去除遥感影像噪声相比现有方法得到的去噪结果信噪比平均提高了1~2 d B,提高了去噪影像的结构相似度,在有效去除影像高斯噪声的同时能够较好地保留图像细节信息。     

基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法

本文提出了一种基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法。根据SAR图像数据的特征,引入了非对数加性模型,并在该模型下对SAR图像NSCT域中的噪声分布统计建模,应用最大后验（MAP）准则和Non-Local（NL）约束相结合的方法解求SAR图像真实信号的NSCT系数。实验结果表明,本方法具有良好的去噪能力并在性能上优于当前主流方法。     

小波去噪法在变形监测数据处理中的应用

以某组变形监测数据为研究对象,详细探讨了Matlab小波去噪函数中确定各种参数的方法,再通过得出的最佳参数对实验数据进行处理。结果表明,小波去噪有很好的数据处理能力。     

非线性小波变换阈值法去噪改进

提出非线性小波变换阈值改进算法,用改进后的阈值算法公式去噪,得到去噪均方误差相对于改进前公式去噪均方误差有明显减小,改进公式更合理。研究一种阈值法去噪修匀算法,去噪后曲线较光滑,基本上已消除了震荡或呈折线即伪吉布斯现象,改进效果明显。     

基于小波变换与滤波的DEM简化方法

针对现有3维地形模型简化方法中的不足,提出了一种基于小波变换与滤波的规则格网简化方法。同时还在大量实验的基础上,给出了一般情况下需要的变换层数,分析了滤波门限与简化效果之间的关系。这里的研究不仅为3维地形的多分辨率合理建模与精度评估提供了理论和方法,而且也为今后开展类似研究及进行建模质量控制提供了科学的依据。     

基于小波变换与滤波的DEM简化方法

针对现有3维地形模型简化方法中的不足,提出了一种基于小波变换与滤波的规则格网简化方法。同时还在大量实验的基础上,给出了一般情况下需要的变换层数,分析了滤波门限与简化效果之间的关系。这里的研究不仅为3维地形的多分辨率合理建模与精度评估提供了理论和方法,而且也为今后开展类似研究及进行建模质量控制提供了科学的依据。     

基于小波去噪的变形监测数据处理的方法研究

小波去噪是小波分析在信号处理领域的重要应用之一。然而变形监测数据中不可避兔含有大量的随机误差,而小波阈值去噪方法以其操作简单和良好的效果而被广泛应用。小波去噪的关键是如何选择阈值和如何利用阈值来处理小波系数,通过对几种不同阀值的选取,比较不同阀值选取对去噪效果的影响。