基于Contourlet变换的子带自适应图像去噪

Contourlet变换是继小波变换之后的又一新变换。由于Contourlet变换的多尺度和多方向特性,能有效地捕获到自然图像中的轮廓,并对其进行稀疏表示.本文提出一种基于Contourlet变换子带自适应图像的新颖去噪算法。该算法核心是估计无噪期望信号的概率。即结合无噪子带系数的广义Laplacian模型和加性高斯白噪声的概率估计,分析每个子带信号概率为固定的情况。实验结果显示这种新的子带自适应图像去噪算法优于Bayesian wavelet shrinkage和ContourletHMT算法。     

基于波段背景清晰度的小波变换高光谱遥感图像融合

高光谱遥感图像具有大量的光谱波段,有助于地物的精细分类与识别。然而,随着波段的增加,数据冗余度也相应增加,使得图像融合计算量增大,过程繁杂。因此,提出了基于波段背景清晰度的小波加权平均高光谱图像融合方法:以J-M距离和最佳指数值为指标提取优选波段组合,以减少波段数据冗余,提高信息互补,使之有利于高光谱图像融合。该算法包含如下3个步骤:首先,利用J-M距离和最佳指数选择原则,从HSI高光谱遥感图像的115个波段中提取所需优选波段及优选波段组合。其次,采取单波段遥感图像背景清晰度处理的EM算法对所选波段进行遥感图像增强预处理。最后,采用小波加权平均的像素级融合优选波段遥感图像增强数据,使得融合图像质量更优。实验结果表明:本文方法提高了融合图像的标准差、信息量和清晰度,使地物空间细节能力增强,地物特征更加明显。