基于量子衍生参数估计的医学超声图像去斑算法

 本文提出了一种基于量子衍生参数估计的医学超声图像去斑方法.通过对对数变换的超声图像小波系数建模,提出了一种带自适应参数的概率分布函数.该方法充分考虑了小波系数的尺度间相关性,利用父-子代小波系数的归一化乘积,首次在高频子带中引入量子衍生信号与噪声出现概率.并利用贝叶斯估计理论,提出了一种基于量子衍生参数估计的自适应收缩函数.实验结果表明本方法较相关算法具有更好图像细节保持能力,去斑效果显著.     

基于局部熵的量子衍生医学超声图像去斑

针对现有医学超声图像去斑方法的不足,该文提出一种基于局部熵的量子衍生医学超声图像去斑新方法。首先,将对数变换后的图像进行双树复小波变换(DTCWT),并对信号与噪声分别建模;然后,提取复小波中子代与父代小波系数的实部,计算其局部熵并进行归一化乘积,结合量子衍生理论得到用来调整信号与噪声出现概率的可调参数;最后,利用改进的双变量收缩函数获得去斑后的图像。通过实验,结果表明该方法与已有方法相比能够更有效地滤除医学超声图像中的斑点噪声并保留细节信息。     

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.     

基于双密度双树复数小波变换的合成 孔径雷达图像降噪研究

 针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,本文将双密度双树复数小波变换(DD-DT CWT)结合具有局部方差估计的双变量收缩阈值函数(BSF)构成一种新的SAR图像降噪算法实现合成孔径雷达图像降噪.首先将SAR图像用双密度双树复数小波变换进行多尺度分解,考虑小波系数间的相关性,用双变量概率密度函数作为小波系数及其父代系数的统计关性的模型,并通过Bayesian估计理论导出相应的非线性双变量收缩函数对图像不同方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像.分别用仿真SAR图像和实际图像对算法进行验证,并与其它方法的性能进行比较,对不同算法处理后图像进行了主客观评价,分析结果表明,新算法的去噪效果明显优于传统的小波变换方法,不仅有效实现了图像降噪,而且较好保留了图像细节.含噪SAR图像经该算法处理后,图像性能指标均有提高.     

基于反对称二进小波的SAR图像海洋表面油膜检测方法

海洋表面油膜检测是合成孔径雷达(SAR)很重要的应用领域之一。小波方法是近年来研究较多的图像边缘检测方法。通常的SAR图像油膜检测采用高斯函数一阶导和二阶导作为小波基函数,运算速度慢;该文采用反对称二进小波,利用小波变换多分辨率分析(MRA)思想,经多尺度综合得到油膜边缘图像。实验证明这是一种有效、有前途的SAR图像海洋表面油膜检测方法。     

基于小波变换及神经网络的SAR图像目标检测方法研究

由于小波分解的多分辨分析特征及神经网络的自学习、自组织等性能,在图像处理中得到了广泛的应用。本文研究了SAR图像非线性采样目标低频小波树特征提取方法,利用PCA（主分量分析）对低频小波树降维,用降维后的特征值训练LVQ神经网络,将其应用于SAR图像目标检测,取得了较好的检测结果。     

基于联合变换相关的光学小波实时图像边缘增强

提出了一种基于联合变换相关的光学小波实时图像边缘增强的方法．选用Mexican—hat小波，利用小波函数的多分辨率特性，用联合变换相关的方法实现了缩放后的小波母函数与待识别图像函数的互相关(即边缘增强图像)，得到了较满意的实验结果．     

基于自组织网络的SAR遥感图像的多尺度分割

基于多尺度信息特征和混合模型,将自组织混合网络(SOMN)应用于合成孔径雷达(SAR)图像的分割.首先对SAR图像的多尺度序列进行多尺度随机建模,以此进行多尺度特征提取;然后对其建立混合模型,并经过SOMN进行学习研究得到混合模型的参数;最后再利用Bayesian分类器,对SAR图像进行分割.实验结果表明,本文方法能够充分地利用SAR图像多尺度序列中不同类型地形的统计信息,进而明显地改进了图像的分割质量.     

基于双树复数小波变换的SAR图像噪声抑制方法

利用双树复数小波变换(Dual Tree Complex Wavelet Transform,DTCWT)的近似平移不变性和多方向选择性,提出了一种基于DTCWT变换的SAR图像噪声抑制方法。首先对无噪声污染图像的复数小波系数的统计概率分布进行建模;然后利用此先验概率模型,采用最大后验概率方法从含噪小波系数中估计出无噪声污染的小波系数;最后经重构得到滤波后的图像。实验结果表明,此方法优于其他一些相干斑抑制方法。     

基于合成孔径雷达的SAR图像去噪

针对SAR图像相干斑抑制问题.提出一种双变量收缩函数与小波系数显著性增强相结合的SAR图像的斑点抑制算法.文中将双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后.通过最大后验概率估计出滤波后图像的小波系数.再采用小波系数的模极大值准则对系数进行显著性增强.突出图像的边缘特征和点特征.仿真实验表明.与其他传统的去噪算法相比.本文提出的算法具有更好的去噪效果.     

Bayesian-based Wavelet Shrinkage for SAR Image Despeckling Using Cycle Spinning

A novel and efficient speckle noise reduction algorithm based on Bayesian wavelet shrinkage using cycle spinning is proposed. First, the sub-band decompositions of non-logarithmically transformed SAR images are shown. Then, a Bayesian wavelet shrinkage factor is applied to the decomposed data to estimate noise-free wavelet coefficients. The method is based on the Mixture Gaussian Distributed （MGD） modeling of sub-band coefficients. Finally, multi-resolution wavelet coefficients are reconstructed by wavelet-threshold using cycle spinning. Experimental results show that the proposed despeclding algorithm is possible to achieve an excellent balance between suppresses speckle effectively and preserves as many image details and sharpness as possible. The new method indicated its higher performance than the other speckle noise reduction techniques and minimizing the effect of pseudo-Gibbs phenomena.     

一种基于斑点抑制的SAR图像舰船航迹检测算法

该文分析了合成孔径雷达(SAR)图像中舰船航迹的特性和斑点噪声模型及其局部统计特性。在此基础上,提出了一种先基于小波变换进行斑点噪声抑制,再基于Radon变换进行航迹检测的方法。对数据处理的结果表明,该方法较直接对SAR图像应用Radon变换能更有效、准确地检测到SAR图像中的舰船航迹。     

基于小波域统计建模及显著性修正的SAR图像相干斑抑制

该文提出了一种基于小波域统计建模与小波系数显著性修正相结合的斑点噪声滤波方法。这种方法首先通过对数变换将乘性噪声模型转化为加性噪声模型,对对数变换后的图像进行小波变换并对小波域的高频子带系数用混合高斯模型与隐马尔可夫树模型进行建模,并采用EM算法来估计模型参数。在模型参数估计的基础上;利用贝叶斯最小均方误差准则来估计干净的小波系数。在此基础上引入基于显著性准则的小波系数修正,最后通过小波逆变换与指数变换获得抑制斑点噪声后的图像。用真实SAR图像实验表明,该文提出的方法能够有效地抑制斑点噪声,同时能够很好地保存边缘细节结构与强散射中心。     

Speckle Suppression in SAR Images Using the 2-D GARCH Model

A novel Bayesian-based speckle suppression method for Synthetic Aperture Radar ( SAR) images is presented that preserves the structural features and textural information of the scene. First, the logarithmic transform of the original image is analyzed into the multiscale wavelet domain. We show that the wavelet coefficients of SAR images have significantly non-Gaussian statistics that are best described by the 2-D GARCH model. By using the 2-D GARCH model on the wavelet coefficients, we are capable of taking into account important characteristics of wavelet coefficients, such as heavy tailed marginal distribution and the dependencies between the coefficients. Furthermore, we use a maximum a posteriori (MAP) estimator for estimating the clean image wavelet coefficients. Finally, we compare our proposed method with various speckle suppression methods applied on synthetic and actual SAR images and we verify the performance improvement in utilizing the new strategy.     

用小波变换抑制SAR图像中的斑点噪声

抑制合成孔径雷达图像中的斑点噪声一直是处理图像并得到准确图像信息的难点，提出了一种基于小波变换抑制合成孔径雷达（SAR）图像中的斑点噪声的方法，对原有的小波变换方法作了改进，能更好地保留图像的边缘信息，并能简化计算量。在仿真实验中使用了合成的模拟图像和真实的合成孔径雷图像，并与以往的小波去噪滤波方法以及一些经典的斑点噪声滤波方法（包括中值滤波，Lee滤波，Frost滤波）进行比较，在综合考虑了滤波算法在均匀区域对斑点噪声的抑制能力以及保留边缘信息能力的情况下，提出的算法有更好的效果。     

基于尺度空间相关的SAR图像NeighShrink滤波算法

为有效滤除相干斑噪声和保持图像的结构信息,该文提出了基于尺度空间相关的SAR图像NeighShrink滤波算法。首先,利用所提出的单选择可调参数的尺度空间相关法,检测对数SAR图像经平稳小波变换所得细节子带中分别与噪声相关及与结构信息相关的小波系数。然后,对与噪声相关的小波系数,直接采用NeighShrink算法以获得较好的平滑效果;而对于与结构信息相关的小波系数,则提出加权的NeighShrink算法来达到结构信息保持的目的。仿真实验验证了该文算法的有效性。     

基于斑点方差估计的非下采样Contourlet域SAR图像去噪

 合成孔径雷达(SAR)图像固有的相干斑噪声严重影响图像质量,使得SAR图像的自动解译十分困难.本文联合SAR图像的统计特性和非下采样Contourlet对SAR图像细节信息的良好刻画能力,提出一种新的非下采样Contourlet域SAR图像去噪算法,通过估计到的各个高频方向子带的斑点噪声方差和变换系数模值的局部均值,对非下采样Contourlet变换系数进行判定,保留信号系数,抑制斑点噪声系数,实现SAR图像去噪.仿真实验结果表明,本文方法在斑点抑制的同时可以有效保持细节信息.     

利用小波分析来抑制合成孔径雷达图象的相干斑噪声

本文利用小波变换来对合成孔径雷达图象做多分辨率分析,说明了相干斑噪声对图象的不同频率成份的影响程度是不同的,同时也说明了相干斑噪声与图象在小波变换下具有截然不同的奇异性.因此,本文提出了用小波分析来抑制相干斑噪声。实验证明了:小波分析除了能够对相干斑具有很好的抑制效果外,还保留了尽可能多的原图象的目标特征。利用小波分析来抑制相干斑噪声是一个十分吸引人的新方法。     

一种从SAR海洋图像中检测舰船航迹的算法

分析了合成孔径雷达 (SAR)图像中舰船航迹的特性和斑点噪声模型及其局部统计特性 ,在此基础上 ,提出了一种结合小波多分辨率分析、自适应阈值选择、边缘检测算子和Radon变换进行斑点噪声抑制和航迹检测的算法。数据处理的结果表明 ,该方法较直接对SAR图像应用Radon变换更有效、准确地检测到SAR图像中的舰船航迹     

SAR image despeckling using heavy-tailed Burr distribution

Multiplicative speckle noise diminishes the radiometric resolution of the synthetic aperture radar (SAR) images and all the coherent images. Speckle removal adds an extra value to an automated SAR image interpretation and analysis. In this paper, dual-tree complex wavelet-transform-based Bayesian method is proposed for despeckling the SAR images. In each subband, the reflectance and noise of the logarithmically transformed wavelet coefficients are modeled using heavy-tailed Burr and zero-mean Gaussian distributions. The closed-form expression for the shape parameter of Burr distribution is derived by employing the Mellin transform. The resultant complex-free quadratic maximum a posteriori solution with suitable shrinkage function yields despeckled SAR images. Extensive experiments are carried out using real SAR images as well as simulated images. The proposed method performs well in terms of equivalent number of looks with 3.5751 dB improvement in homogeneous region1 of Pipe river SAR image, edge preservation with 0.6158 improvement, peak signal to noise ratio of 51.3305 dB, and mean structural similarity index measure of 0.9397 at 0.05 noise variance for synthetically speckled image in comparison to the existing methods and takes averagely 2.3461 times less computing time. The proposed method provides a computationally efficient better speckle reduction in homogeneous regions while still preserving the edge.