一种基于非采样Contourlet变换的图像融合算法

非采样Contourlet变换(Nonsubsampled Contourlet transform,NSCT)是 一种新的多尺度变换,它同时具有方向性、各向异性和平移不变性,能有效的表示图像的边 沿与轮廓。提出了一种基于非采样Contourlet变换的图像融合方法。首先用NSCT对已配准的 源图像进行分解,得到低频子带系数和各带通子带系数;其次对低频子带系数利用均匀度进 行系数选择,针对各带通子带系数提出了基于区域特征的系数选择方案,得到融合图像的NS CT系数;最后经过NSCT逆变换得到融合图像。实验结果表明该算法可获得较理想的融合图
像,取得了优于小波变换和Contourlet变换的融合效果。
     

基于混合Contourlet变换和主成分变换的高光谱图像融合

针对高光谱图像波段多、存在噪声干扰等特点,提出了一种混合Contourlet和主成 分 分析（principal component analysis, 简称PCA）变换的高光谱图像融合方法。首先将多 个波段的高光谱图像进行Contourlet变换,得到系列多尺度、方向各异的子带系数,然后利 用PCA变换对各子带系数分别进行自适应融合处理。实验结果表明该算法可以有效地进行高 光谱图像融合,消除噪声干扰,获得比直接应用Contourlet变换和PCA变换更好的融合效果 。〖JP〗     

基于Contourlet区域对比度的遥感图像融合算法

为综合利用多传感器遥感图像之间的信息，提出了一种基于contourlet变换的遥感图像融合算法。Contourlet是近年发展起来的一种多尺度几何分析工具，比小波变换更适合对图像等二维信号进行处理。算法的思想是将源图像分别进行contourlet变换，在contourlet域完成图像信息的融合，最后通过逆变换得到融合结果。根据分解系数特性，首次提出了contourlet域的区域对比度作为高频子带的融合规则，系数选择更符合人类视觉系统的要求，使得融合图像更有意义。低频子带采用基于区域能量的加权平均作为系数融合规则，在充分保留图像主要信息的前提下进一步增强了算法的稳定性。实验结果表明该算法在性能上明显优于PCA及小波图像融合等传统算法，且能够有效增强源图像的对比度和细节信息。     

基于小波和支持向量回归的高光谱遥感图像压缩

高光谱遥感成像技术能够获取探测对象丰富的空间信息和光谱信息,但所得图像海量数据的存储与传输制约了其应用。为此,提出了一种基于三维整数小波变换和小波支持向量回归的高光谱遥感图像压缩方法。首先采用三维整数小波变换把高光谱遥感图像分解成不同尺度的多个子带。然后对低频子带直接进行DPCM编码,而对高频子带则利用小波支持向量回归学习其小波系数之间的相关性,并采用小部分训练样本即支持向量来稀疏表示小波系数,以此达到压缩高频小波系数的目的。最后对支持向量及其相应的权重进行熵编码。文中给出了实验结果,并与基于3D SPIHT和JPEG2000的高光谱遥感图像压缩方法进行了比较,结果表明：所提出的方法在相同比特率下能够获得更高的峰值信噪比。     

基于支持向量机的无参考遥感图像质量评价方法

针对遥感图像主观评价方法的低效率以及常用客观评价方法无法充分考虑人眼对图像的感知特性的问题,文章提出了一种基于支持向量机的无参考遥感图像质量（quality）评价方法。首先建立遥感图像主观评价库,然后在不需要图像失真信息的基础上,利用支持向量机（SVM）将图像的失真类型分为三类,并对每类进行单项评价,再通过加权得到遥感图像的总评分,最后将本文方法、信噪比与信息熵的评价结果回归到主观评价空间并进行对比。实验证明,文章所提方法能客观地评价遥感图像的质量,且优于信噪比和信息熵两种质量评价方法,其结果与人眼视觉感受相符。     

基于改进的支持向量聚类的雷达信号分选

基于支持向量聚类,提出一种新的针对未知雷达辐射源信号分选的算法.该方法在原有支持向量的基础上,在聚类标识阶段通过用支持向量点代替原来的全部样本点来进行聚类分配,减少了关联矩阵的规模,从而有效节省了聚类分配的时间,提高了运行速度.同时结合合并同类聚类中心算法有效缓解了核函数的参数q对聚类结果的影响,使得聚类精度有了一定的...     

基于Contourlet与HIS变换的SAR与多光谱影像融合方法

为了提高SAR影像的解译水平,本文利用Contourlet变换在影像表述上能够弥补小波变换不能有效捕捉二维空间实体的特点,提出了一种基于Contourlet与HIS变换的SAR与多光谱影像融合方法。实验选取了一组TM 多光谱影像与ERS-2 SAR影像进行融合研究,并将融合结果与基于HIS变换、DWT结合HIS变换融合方法的融合结果进行视觉比较与统计分析。结果表明,无论是目视比较还是统计分析,本文方法都很好的将SAR影像的空间细节与多光谱影像的色彩信息集成到了一起,显著地提高了SAR影像的解译水平,相对于基于HIS、DWT+HIS变换的融合方法获得了更好质量的融合影像。     

基于NMF、ICA和复Contourlet变换的红外小目标检测

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,提出了一种基于非负矩阵分解(NMF)、独立分量分析(ICA)和复Contourlet变换的检测方法。首先通过非负矩阵分解和独立分量分析分别抑制原始图像的背景,得到不同的小目标残差图像;接着采用复Contourlet变换对残差图像进行去噪;再对上述去噪后的小目标残差图像求和,得到了预处理图像;最后提出基于模糊灰度熵阈值选取方法分割预处理图像,从而实现了复杂背景下的红外弱小目标检测。针对红外小目标图像进行了大量实验,并与基于新型Top-hat变换、基于快速独立分量分析的目标检测方法进行了比较,结果表明所提出的方法抗噪性强,具有更为优越的检测性能。     

基于NSST的PCNN-SR卫星遥感图像融合方法

针对卫星传感器成像的特点,提出了一种基于非下采样剪切波变换的脉冲耦合神经网络与稀疏表示相结合的卫星遥感图像融合方法。通过使用不同的融合规则对子带系数进行融合,得到信息更丰富的多光谱图像。为了验证该方法的有效性,实验过程使用了地球眼卫星数据和快鸟卫星数据,实验结果表明,该方法的实验结果无论从视觉效果还是客观评价指标上均优于对比方法得到的结果。     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。