基于模糊和最小二乘的SAR图像线特征提取

针对合成孔径雷达(SAR, Synthetic Aperture Radar)图像的特点,提出一种线特征提取算法.该算法首先抑制相干斑噪声,然后对SAR图像进行模糊变换和增强,再基于假设的SAR图像灰度模型,用最小二乘法设计出低通和高通滤波器,最后检测出线特征散点,并进行连接,得到SAR图像的线特征图.实验证明本算法抗噪声干扰,边缘定位精度达到1个像素.     

基于小波变换的干涉SAR图像的降噪方法

根据干涉合成孔径雷达(SAR)图像的噪声来源和性质以及干涉合成孔径雷达信号处理的特点,选择了具有对称性和紧支性的双正交小波变换应用于干涉SAR图像的噪声抑制,提出了基于小波标架表示的干涉SAR相位图像的降噪算法.与传统的低通滤波器及中值滤波器处理的结果对比显示,利用小波变换方法处理干涉合成孔径雷达图像以提高干涉相位精度的方法是可行的,并且小波变换方法是基于观测数据的自适应算法.      

基于非下采样轮廓波变换的红外和SAR图像融合算法

针对现有红外和合成孔径雷达(Synthetic Aperture Radar,SAR)图像的融合算法融合质量差、边缘轮廓不清晰、效率低下、可视性差,目标检测效率低等问题,提出一种基于非下采样轮廓波变换的融合算法。首先采用非下采样轮廓波变换对预处理的红外和SAR图像进行分解,获得各自低频和带通方向图像,接着根据红外和SAR图像的特征选取其含重要目标信息的频带进行低频图像和带通方向图像融合。为了检验本文所提出算法性能的优越性,采用两组红外和SAR图像进行融合实验,与其他图像融合算法进行对比,并对融合图像进行目标检测,证明了该融合算法能有效提高多源图像目标检测率。     

小波模拟退火-软阈值SAR图像降噪算法

提出了一种新的SAR(Synthetic Aperture Radar)图像降噪方法,利用小波变换对空间位置信息保留的特性,依据小波变换后近似图像仍满足吉布斯分布,将模拟退火算法引入到小波域中,首先,根据SAR功率图像斑点的特性,对传统的同态变换方法做出了相应的修正,大大降低了处理结果的辐射偏差,提高了等效视数,然后在多分辨率理论和小波变换理论基础上,选用适合特定图像的最优小波基进行分解,最后对小波变换后的近似图像进行模拟退火处理,对各个细节图像有选择地进行软阈值处理.实验证明,此方法比传统的小波降斑取得了更好的平滑效果,比传统模拟退火大大减少了处理的时间,同时对图像的辐射精度的保持,斑点的抑制,以及边缘保持都有较满意的结果.      

小波分析理论及其在雷达信号处理中的应用

依据所处理信号类型的不同,对小波变换与短时傅立叶变换进行了比较,说明小波变换适用于非平稳信号和奇异信号的处理.简要介绍了连续小波变换、离散小波变换和小波包理论的基本内容,讨论了小波变换实际应用中的采样和快速算法等几个关键问题.结合矢量量化技术,给出了一种用小波变换对星载SAR(Synthetic Aperture Radar)原始数据进行压缩的方法,结果表明,与传统的方法相比,由该方法压缩后的原始数据生成的SAR图像具有更大的信噪比.同时对小波变换用于雷达目标识别和SAR图像分类的性能进行了初步分析.      

TDI-CCD遥感图像条带噪声的消除

针对TDI-CCD遥感图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特 点及小波变换对奇异点检测的优越性, 提出了一种快速傅里叶变换和小波变换 相结合的方法来确定条带噪声频率点所在的位置, 采用改进的陷波滤波器对条 带噪声的频率成分进行消除. 另外, 提出一种基于提升小波变换的改进阈值 函数法, 用以消除图像的条带噪声. 实验结果表明, 在消除条带噪声方面, 改 进的陷波法优于改进的阈值函数法, 而改进的阈值函数法优于硬阈值函数和软 阈值函数法. 利用改进的陷波法消除条带噪声后, 图像的质量得到提高, 其PSNR达到46.4181dB, NMSE减小到0.00007, 相对基于提升小波变换的 几种阈值函数法, PSNR提高了3～4dB, 而NMSE则减小了 0.00007～0.00011. 本文提出的方法能较好地消除遥感图像的条带噪声, 同时能够较好地保持原图像的特征, 具有可行性.      

基于去噪的SAR复图像SPIHT压缩算法

提出一种对合成孔径雷达(SAR,Synthetic Aperture Radar)复图像压缩的改进的分层树集合分割(SPIHT,Set Partitioning in Hierarchical Trees)算法,高效完成SAR复图像压缩,既有效地保留了SAR复图像的相位信息,又抑制了斑点噪声.首先根据SAR复图像的统计特征进行预处理,然后进行小波变换,对不同子带的小波变换系数采取不同的门限,进行软门限斑点噪声抑制,再经过SPIHT量化编码,得到压缩后的码流.仿真实验表明,在64倍高压缩比的情况下,通过对重建SAR复图像数据的相位误差、等效视数、平均空域相关系数等指标的测量,验证了该算法仍然具有很好的性能.      

基于小波变换的多方位角SAR图像融合方法

针对目标散射特性空变效应以及多方位角图像信息冗余的问题,提出了一种基于小波变换和边缘检测的多方位角SAR图像融合方法。首先,将图像进行小波变换,完成低频信息和高频信息的分离,实现图像的多分辨表征及序贯图像多方位角信息的融合;然后,利用改进的Robinson算子增强图像的轮廓特征;最后,融合实验和定量评估结果证明了本文所提融合方法的有效性。     

基于小波变换的含噪图片的自适应边缘提取

对含有白噪声的图片的边缘提取进行了讨论。利用噪声图像小波系数的统计特征和小波变换的多尺度特性构造收缩因子 ,通过收缩因子对图片中的噪声和边缘区别对待。而且通过极大似然法估计小波系数概率模型中的三个参数 ,使算法达到自适应性。利用所讨论的理论对一幅含有噪声的图像进行边缘提取实验 ,结果令人满意     

用整数小波变换进行无失真SAR图像压缩

介绍了利用提升方案(lifting scheme)构造小波变换的3个主要优点,给出了几个整数到整数可逆小波变换对,讨论了SAR图像的特点,提出了一种利用整数到整数小波变换进行无失真SAR图像压缩的方法.该方法具有速度快、可进行同址运算和能进行分级传输等特点.比较了对ERS-1单视SAR图像和IEEE标准测试图的压缩结果,表明性能要略优于DPCM(Differential Pulse Code Modulation)方法,且只须对单视SAR图像作一级小波分解,分解级数增加会使压缩效果变差.     

基于分割途径的SAR单视图像斑点噪声抑制方法

在图像分割思想的基础上,结合合成孔径雷达(SAR)图像的区域特征,利用恒虚警率边沿检测技术将分割区域最大化,并在分割区域内根据SAR图像特性进行优化滤波,得到了一种基于图像分割的单视SAR图像降斑方法.其中,边沿检测和区域分割在多视图像中进行,保证了检测和分割的有效性.计算机仿真结果证明了该方法的优越性.      

基于的DTV图像去噪模型

针对纹理图像的去噪问题,通过分析全变分（TV）去噪模型与方向全变分（DTV）去噪模型,提出了一种具有鲁棒性的基于的DTV去噪模型。为了刻画图像中的不同结构特征,该模型中DTV正则项的指数p由图像的结构来确定在（0,2）中自适应地选取。由于该模型是含有可分性算子的非光滑优化问题,可用交替方向乘子法（ADMM）求解,并能保证算法的收敛性。数值实验结果表明:与其他经典模型相比,提出的模型取得了更高的峰值信噪比和结构相似度,在去除噪声的同时能有效保持图像的细节信息。      

光纤陀螺分形噪声的预白化滤波方法

光纤陀螺分形噪声往往具有长相关特性,导致陀螺输出信号慢漂移.为了滤除这类分形噪声,提出了一种分数阶预白化差分方法,通过该方法可以将分形噪声转化为高斯白噪声;利用小波变换,在小波变换域中采用Bayes软阈值去噪方法去除该白化噪声,从而形成了一种光纤陀螺分形噪声的预白化滤波方法.对VG949p型光纤陀螺实测数据处理结果表明,该方法能够有效地去除其中的分形噪声,抑制了陀螺低频漂移,同时也滤掉了其高频噪声项.      

一种新的基于PCNN的自适应强去噪方法

为了实现椒盐噪声的有效去除和图像细节及纹理的有效保留,提出了一种新的基于PCNN(Pulse Coupled Neural Network)的自适应滤波方法ADEN(Adapative Denosing method for Extreme Noise)-PCNN.该方法引入了像素受污染状态的甄别机制,只对被污染的像素进行降噪处理,保证了去噪的同时不损坏图像信息,实现了图像的细节和纹理的有效保留;为了确保图像质量,在面向图像降噪的PCNN神经网络阵列结构中引入了自组织机制,可以自动地估计噪声的强度信息并进行PCNN网络中神经元连接方式的自组织转换,此外引入了自适应机制,根据噪声强度的估计信息,自动进行滤波次数的优选,增强自适应能力.实验结果表明所提方法较常规方法和其他同类方法在去噪效果、保留图像细节方面展现出明显的优势.     

基于四元数理论的彩色图像脉冲噪声开关滤波

根据四元数单位变换理论定义了一种新的描述彩色图像像素点间差异的距离,该距离可以同时描述两个彩色像素点在强度和色度上的差异.利用该距离和图像边缘的结构性与方向性,构造了一种基于四元数的开关型彩色图像脉冲噪声滤波器.该滤波器对像素点进行4个方向上的噪声检测并仅对检测为噪声的像素点进行滤波.实验表明:该滤波器能够在去除彩色图像中的相关和非相关噪声的同时保护图像细节,同时具有比传统方法更快的执行速度.     

小管径超声波流量计去噪方法

超声波流量计中存在各种噪声,直接影响流量测量的精度。文章首先分析了小管径超声波流量计中噪声的来源,从实时性的角度出发,提出了一种直接对测量时间差进行去噪的方法,避免了对原始超声波信号进行采样、分析带来的实时性差的问题。针对随机噪声和声学噪声引起的时间差数据中的误差,以硬阈值小波滤波作为第一级滤波、中值加均值滤波为第二级滤波进行处理。通过流量测量实验,验证了去噪方法的有效性,结果表明,去噪后流量计的瞬时测量误差小于1%。