CN101482617B - 基于非下采样轮廓波的合成孔径雷达图像去噪方法 - Google Patents
基于非下采样轮廓波的合成孔径雷达图像去噪方法 Download PDFInfo
- Publication number
- CN101482617B CN101482617B CN2009100209529A CN200910020952A CN101482617B CN 101482617 B CN101482617 B CN 101482617B CN 2009100209529 A CN2009100209529 A CN 2009100209529A CN 200910020952 A CN200910020952 A CN 200910020952A CN 101482617 B CN101482617 B CN 101482617B
- Authority
- CN
- China
- Prior art keywords
- frequency direction
- high frequency
- sar image
- sub
- denoising
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Abstract
本发明公开了一种基于非下采样轮廓波的合成孔径雷达图像去噪方法,主要解决现有合成孔径雷达图像去噪方法难以有效保持图像细节的问题,其步骤是:(1)输入SAR图像X,并对其进行L层非下采样轮廓波变换;(2)计算不同尺度各个高频方向子带的斑点噪声方差(3)利用高频方向子带系数Cl,i(a,b)的局部均值mean[Cl,i(a,b)],将其区分为信号或是噪声的变换系数;(4)对判定后的高频方向子带系数Cl,i(a,b)中的信号部分进行保留,得到去噪后的高频方向子带系数Cl,i *(a,b);(5)对低频子带和去噪后的高频方向子带系数Cl,i *(a,b),作非下采样轮廓波逆变换,得到去噪后的SAR图像X*。本发明在有效去除相干斑噪声同时能够有效保持图像的细节,去噪图像无抖动失真,可用于合成孔径雷达图像的预处理阶段。
Description
技术领域
本发明属于图像处理技术领域,涉及该技术在合成孔径雷达Synthetic Aperture Radar图像,即SAR图像去噪领域中的应用,具体地说是一种基于非下采样轮廓波的合成孔径雷达图像去噪方法。该方法可用于SAR图像的预处理阶段。
背景技术
合成孔径雷达可以全天时、全天候成像,且具有高空间分辨率和强穿透能力。SAR图像在军事和民用方面均获得了广泛的应用。然而,受其自身固有的相干斑噪声的影响,SAR图像不能有效地反映地物目标的散射特性,严重的影响了图像的质量,对图像的自动解译造成很大困难。SAR图像去噪是SAR图像处理和分析的关键步骤,也是后续图像分割与目标识别的基础。SAR图像去噪需要对同质区域有效滤波的同时,尽可能多得保持SAR图像的方向以及纹理等重要信息,以利于后续解译任务的顺利完成。
SAR图像去噪方法大体可以分为两类。一类是传统的基于空域的滤波方法,包括Lee滤波、Gamma Map滤波和维纳滤波等。这些基于空域的滤波方法,难以保持图像的细节特征,其去噪性能的好坏,很大程度依赖于所选滤波窗口的大小。
另一类是基于变换域的SAR图像去噪方法。由于小波变换具有良好的时频局部化特性,所以基于小波变换的去噪方法在SAR图像去噪领域中得到了广泛的应用。基于小波变换的SAR图像去噪方法分别在具有下采样分解机制和非下采样分解机制的两类小波变换域中展开。在小波变换族中,非下采样小波变换解决了下采样小波变换缺乏平移不变性的问题。实践证实了基于非下采样小波变换的去噪方法在综合性能上要优于基于下采样小波变换的去噪方法。而不论是在下采样还是在非下采样的小波变换域对SAR图像进行去噪,所得到的图像往往不能很好地保留原始SAR图像的细节特征,且小波分析在二维空间不是最优的函数表示方法,不能很好地刻画图像中具有线奇异的几何信息。现有的基于变换域的SAR图像去噪方法,多是将乘性斑点噪声简单通过对数变换转换为加性噪声来估计去噪的阈值,导致去噪不充分。
近年来,人们提出新的多尺度几何分析工具,用来解决二维或是更高维奇异性。其中,轮廓波Contourlet变换因对二维图像的表示性能优异、实现快速方便而备受瞩目。非下采样轮廓波变换Nonsubsampled Contourlet Transform,NSCT是轮廓波变换的平移不变版本,拥有比轮廓波变换更加丰富的基函数集合,可以提供更好的频率选择性和正则性,有利于更好地捕捉图像中的细节信息。
发明内容
本发明的目的在于克服已有技术的不足,即无法在有效去除SAR图像相干斑的同时保持图像的细节,提出一种基于非下采样轮廓波的SAR图像去噪方法及装置,以提高现有的基于变换域的降斑方法的细节保持性能。
本发明的技术方案是:采用非下采样轮廓波作为对SAR图像变换的工具,并通过估计到的斑点噪声方差对变换系数进行判定,保留信号系数,抑制斑点噪声系数,实现SAR图像去噪,具体实现步骤如下:
(1)输入SAR图像X,并对其进行L层非下采样轮廓波变换,得到低频子带DL(a,b)和不同尺度上的高频方向子带{Cl,i(a,b),0≤l≤L-1,1≤i≤kl},Cl,i(a,b)表示SAR图像在尺度2-l上的第i个高频方向子带的系数,L为3~5;
(2)计算不同尺度各个高频方向子带的斑点噪声方差
其中,k在1~5之间取值,mean[Cl,i(a,b)]是以高频方向子带系数Cl,i(a,b)为中心的5×5大小的局部区域内系数的均值;
(4)对判定后的高频方向子带系数Cl,i(a,b)进行如下去噪操作:
得到去噪后的高频方向子带系数Cl,i *(a,b);
(5)对步骤(1)中得到的低频子带DL(a,b)和去噪后的高频方向子带系数Cl,i *(a,b),作非下采样轮廓波逆变换,得到去噪后的SAR图像X*。
其计算公式为:
其中,kl表示尺度2-l上的第kl个高频方向子带,Hu [i]表示第i级塔形滤波的非下采样拉普拉斯滤波器系数,Uv [j]表示第j级方向滤波的非下采样方向滤波器系数;
2)计算不同尺度各个高频方向子带的均值μX和方差
其计算公式为:
其中,GZ是输入SAR图像X的规范化标准差,且对于强度SAR图像有 对于幅度SAR图像有 R为已知输入SAR图像的视数,R≥1。
本发明提供的基于非下采样轮廓波的合成孔径雷达图像去噪的虚拟装置,包括:
变换装置,用于输入SAR图像X,并对其进行L层非下采样轮廓波变换,得到低频子带DL(a,b)和不同尺度上的高频方向子带{Cl,i(a,b),0≤l≤L-1,1≤i≤kl},Cl,i(a,b)表示SAR图像在尺度2-l上的第i个高频方向子带的系数,L为3~5;
判定装置,用于利用高频方向子带系数Cl,i(a,b)的局部均值mean[Cl,i(a,b)]和高频方向子带的斑点噪声方差将高频方向子带系数Cl,i(a,b)区分为信号或是噪声的变换系数,判定准则如下:
其中,k在1~5之间取值,mean[Cl,i(a,b)]是以高频方向子带系数Cl,i(a,b)为中心的5×5大小的局部区域内系数的均值;
去噪装置,用于对判定后的高频方向子带系数Cl,i(a,b)进行如下去噪操作:
得到去噪后的高频方向子带系数Cl,i *(a,b);
逆变换装置,用于对低频子带DL(a,b)和去噪后的高频方向子带系数Cl,i *(a,b),作非下采样轮廓波逆变换,得到去噪后的SAR图像X*。
上述的非下采样轮廓波的合成孔径雷达图像去噪虚拟装置中的计算装置,包括:
其中,kl表示尺度2-l上的第kl个高频方向子带,Hu [i]表示第i级塔形滤波的非下采样拉普拉斯滤波器系数,Uv [j]表示第j级方向滤波的非下采样方向滤波器系数;
其中,GZ是输入SAR图像X的规范化标准差,且对于强度SAR图像有 对于幅度SAR图像有 R为已知输入SAR图像的视数,R≥1。
本发明与现有技术相比具有以下优点:
1、本发明由于采用非下采样轮廓波变换,可以有效避免因变换工具缺乏平移不变性而在去噪图像中产生的抖动失真。
2、本发明可以针对SAR图像的斑点噪声在不同高频方向子带的统计特性,对SAR图像进行自适应地去噪。
3、仿真结果表明,本发明相对于现有的SAR图像去噪方法,在抑制斑点噪声的同时可以有效保持图像中的细节信息。
本发明的技术过程和效果可结合以下附图详细说明:
附图说明
图1是本发明的实现过程示意图;
图2是本发明的虚拟装置示意图;
图3是用本发明和已有方法对SAR图像im1去噪结果图;
图4是用本发明和已有方法对SAR图像im2去噪结果图。
具体实施方式
参照图1,本发明的具体步骤如下:
步骤1,输入SAR图像X,并对其进行L层非下采样轮廓波变换。
非下采样轮廓波变换是一种新的具有平移不变性的多尺度、局域的、多方向的过完备图像表示方法。非下采样轮廓波变换的构造基于非下采样的塔形滤波器组和非下采样的方向滤波器组,两部分之间是相互独立的。对SAR图像X进行一层非下采样轮廓波变换,其过程为:
1)将SAR图像X输入非下采样的塔形滤波器组,得到SAR图像X的一层非下采样轮廓波变换的低频信号和带通信号;
2)将SAR图像X的带通信号输入非下采样的方向滤波器组,得到SAR图像X的一层非下采样轮廓波变换的高频方向子带,高频方向子带的数目可以是2的任意次幂;
3)将SAR图像X的非下采样轮廓波变换的低频信号作为新的输入原图像,重复上述步骤1)和2),得到SAR图像X进行L层非下采样轮廓波变换的低频子带DL(a,b)和各个尺度上的高频方向子带{Cl,i(a,b),0≤l≤L-1,1≤i≤kl},Cl,i(a,b)表示原图像X在尺度2-l上的第i个高频方向子带的系数,L为3~5;
其计算公式为:
其中,kl表示尺度2-l上的第kl个高频方向子带,Hu [i]表示第i级塔形滤波的非下采样拉普拉斯滤波器系数,Uv [j]表示第j级方向滤波的非下采样方向滤波器系数;
3)计算不同尺度各个高频方向子带的斑点噪声方差
其计算公式为:
其中,GZ是输入SAR图像X的规范化标准差,且对于强度SAR图像有 对于幅度SAR图像有 R为已知输入SAR图像的视数,R≥1;
其中,k在1~5之间取值,mean[Cl,i(a,b)]是以高频方向子带系数Cl,i(a,b)为中心的5×5大小的局部区域内系数的均值;
步骤4,对判定后的高频方向子带系数Cl,i(a,b)进行如下操作:
得到去噪后的高频方向子带系数Cl,i *(a,b);
步骤5,对步骤1中得到的SAR图像X的低频子带DL(a,b)和去噪后的高频方向子带系数Cl,i *(a,b),作非下采样轮廓波逆变换,得到去噪后的SAR图像X*。
非下采样轮廓波逆变换是利用非下采样轮廓波分解系数对图像进行重构的过程。对SAR图像X的低频子带和去噪后的高频方向子带系数{Cl,i *(a,b),0≤l≤L-1,1≤i≤kl},作非下采样轮廓波逆变换,其过程为:
1)依次对去噪后的高频方向子带{Cl,i *(a,b),0≤l≤L-1,1≤i≤kl}作非下采样方向滤波器组重构,得到第L,L-1,...,1层非下采样轮廓波分解的带通信号;
2)对低频子带和第L层的的带通信号作非下采样塔形滤波器组重构,得到第L-1层非下采样轮廓波分解的低通信号;
最终得到精确重构的去噪后SAR图像X*,即第0层非下采样轮廓波分解的低通信号。
参照图2,本发明的基于非下采样轮廓波的合成孔径雷达图像去噪虚拟装置,包括:
A.变换装置,用于输入SAR图像X,并对其进行L层非下采样轮廓波变换,得到低频子带DL(a,b)和不同尺度上的高频方向子带{Cl,i(a,b),0≤l≤L-1,1≤i≤kl},Cl,i(a,b)表示SAR图像在尺度2-l上的第i个高频方向子带的系数,L为3~5,然后将不同尺度上各个高频方向子带分别输入到计算装置和判定装置,同时将低频子带输入到逆变换装置;
其中,kl表示尺度2-l上的第kl个高频方向子带,Hu [i]表示第i级塔形滤波的非下采样拉普拉斯滤波器系数,Uv [j]表示第j级方向滤波的非下采样方向滤波器系数,将计算后的输入到斑点噪声方差计算子装置;
斑点噪声方差计算子装置,用于计算不同尺度各个高频方向子带的斑点噪声方差
C.判定装置,用于利用高频方向子带系数Cl,i(a,b)的局部均值mean[Cl,i(a,b)]和高频方向子带的斑点噪声方差,将高频方向子带系数Cl,i(a,b)区分为信号或是噪声的变换系数,判定准则如下:
其中,k在1~5之间取值,mean[Cl,i(a,b)]是以高频方向子带系数Cl,i(a,b)为中心的5×5大小的局部区域内系数的均值,将判定后的高频方向子带系数Cl,i(a,b)输入到去噪装置;
D.去噪装置,用于对判定后的高频方向子带系数Cl,i(a,b)进行如下去噪操作:
得到去噪后的高频方向子带系数Cl,i *(a,b),将去噪后的高频方向子带系数Cl,i *(a,b)输入到逆变换装置;
E.逆变换装置,用于对低频子带DL(a,b)和去噪后的高频方向子带系数Cl,i *(a,b),作非下采样轮廓波逆变换,得到去噪后的SAR图像X*,将去噪后的SAR图像X*输出。
以下通过仿真实验验证本发明方法的有效性。
仿真条件:使用的原图均为256×256大小的真实SAR图像,图像中包含了多种场景,如农田、城镇和自然景物,具有丰富的边缘轮廓和细节信息。
仿真内容:①选择了传统的SAR图像Lee滤波方法与本发明的方法NSCT进行对比;②选择了图像处理领域里广泛使用的基于变换域的SAR图像去噪方法,即基于小波变换的图像去噪方法WT与本发明的方法NSCT进行对比;③选择了不具有平移不变性的轮廓波变换对SAR图像去噪的方法Contourlet与本发明的方法NSCT进行对比;④选择了非下采样小波变换NSWT的SAR图像去噪方法与本发明的方法NSCT进行对比。
实验中对图像均采用三层分解。小波变换和NSWT选择DB4小波基函数;Contourlet变换采用经典的“9-7”塔型分解和“pkva”方向滤波器组;NSCT变换选择“maxflat”非下采样塔型分解和“dmaxflat7”非下采样方向滤波器组。由粗尺度到细尺度,Contourlet变换和NSCT变换的高频方向子带数目分别为2、4、8。Lee滤波采用5×5的窗口。
本发明采用的评价指标为:
(1)SAR图像中通常采用等效视数ENL来评价去噪方法的平滑效果。ENL=μ2/σ2,这里μ和σ2分别是SAR图像同质区域的均值和方差,ENL值越大,噪声抑制效果越好。在实验中,选取SAR原图中方形框标示的同质区域作为测试数据计算等效视数。
(2)均值比用于衡量去噪图像对原始图像辐射特性的保持情况,均值比越接近1,表明辐射特性保持得越好。
(3)标准差反映的是图像中像素的灰度值与灰度平均之间的分散程度,通过抑制性滤波,相干斑噪声的强度减弱,图像的方差减小。
(4)为了考察SAR图像滤波后边缘保持效果的好坏,给出边缘保持指数ESI评价结果。ESI定义为:
这里,m表示检验象素的个数,DNλ1和DNλ2分别是沿着边缘交界处左右或上下相邻像素的灰度值,ESI越接近1,降斑方法的边缘保持性越好。在表1和表2的边缘保持指数评价的第一行和第二行,本发明分别给出了水平方向和垂直方向边缘保持情况的指标。
仿真结果:
(1)按照所述仿真内容对SAR图像im1仿真的几个图像度量指标如表1。
表1 SAR图像im1不同去噪方法实验结果比较
(2)按照所述仿真内容对SAR图像im2仿真的几个图像度量指标如表2。
表2 SAR图像im2不同去噪方法实验结果比较
从表1和表2对SAR图像im1和im2的实验数据可见,本发明提出的方法NSCT在等效视数,均值比和边缘保持指数上和其他去噪方法相比均具有优势,如表1中对于SAR图像im1的实验数据,原图像im1的等效视数为10.9885,采用本发明的方法NSCT得到的去噪图像的等效视数为127.9139,高于采用Lee滤波,基于小波变换的SAR图像去噪方法WT,基于轮廓波变换Contourlet,非下采样小波变换NSWT的去噪方法得到的去噪图像的等效视数,其分别为97.1956,73.5087,96.8548,101.6516;本发明对应的均值比结果为1.0000,说明去噪结果与原图辐射特性保持一致,而且本发明方法得到的边缘保持指数的水平方向和垂直方向的指标分别为0.3725和0.3530,都高出其他方法。五种方法结果的标准差都比原图有所下降,表示这些方法都达到了滤波的作用。
(3)用本发明和已有方法对SAR图像im1的去噪结果如图3。其中图3(a)为SAR图像im1;图3(b)为采用传统Lee滤波的去噪图像;图3(c)为基于小波变换的SAR图像去噪方法WT得到的去噪图像;图3(d)为采用轮廓波变换的图像去噪方法Contourlet得到的去噪图像;图3(e)为采用非下采样小波变换的SAR图像去噪方法NSWT得到的去噪图像;图3(f)为采用本发明的方法NSCT得到的去噪图像。
(4)用本发明和已有方法对SAR图像im2的去噪结果如图4。其中图4(a)为SAR图像im2;图4(b)为采用传统Lee滤波的去噪图像;图4(c)为基于小波变换的SAR图像去噪方法WT得到的去噪图像;图4(d)为采用轮廓波变换的图像去噪方法Contourlet得到的去噪图像;图4(e)为采用非下采样小波变换的SAR图像去噪方法NSWT得到的去噪图像;图4(f)为采用本发明的方法NSCT得到的去噪图像。
参照图3和图4可见,Lee滤波可以对斑点噪声进行很好的平滑,但是模糊了区域的边界,丢失了一些细节信息。基于小波的方法和基于Contourlet的方法由于采用的是非平移不变的信号表示,所以易在边缘附近产生抖动,使得一些细小的边缘无法得到保持。基于NSWT的去噪结果整体清晰度较高。相比于以上几种算法,本发明的基于非下采样轮廓波的SAR图像去斑方法NSCT在提高了同质区域平滑性的同时,很好地保持了边缘、点目标和线目标,增强了图像的可解释性。
本发明相比于现有的SAR图像去噪方法,不管从客观参数的评价上,还是从图像的视觉质量上来看都具有优越性,可以有效避免某些变换因缺乏平移不变性而产生的图像失真,在相干斑抑制的同时,可以很好地保持SAR图像的细节信息,是一种可行有效的SAR图像去噪方法。
Claims (2)
1.一种基于非下采样轮廓波的合成孔径雷达图像去噪方法,包括如下步骤:
(1)输入SAR图像X,并对其进行L层非下采样轮廓波变换,得到低频子带DL(a,b)和不同尺度上的高频方向子带{Cl,i(a,b),0≤l≤L-1,1≤i ≤kl},kl表示图像在尺度2-l上的高频方向子带的数目,Cl,i(a,b)表示SAR图像在尺度2-l上的第i个高频方向子带的系数,L为3~5;
2b)计算不同尺度各个高频方向子带的均值μX和方差
2c)计算不同尺度各个高频方向子带的斑点噪声方差
其中,k在1~5之间取值,mean[Cl,i(a,b)]是以高频方向子带系数Cl,i(a,b)为中心的5×5大小的局部区域内系数的均值;
(4)对判定后的高频方向子带系数Cl,i(a,b)进行如下去噪操作:
得到去噪后的高频方向子带系数
2.一种基于非下采样轮廓波的合成孔径雷达图像去噪虚拟装置,包括:
变换装置,用于输入SAR图像X,并对其进行L层非下采样轮廓波变换,得到低频子带DL(a,b)和不同尺度上的高频方向子带{Cl,i(a,b),0≤l≤L-1,1≤i≤kl},Cl,i(a,b)表示SAR图像在尺度2-l上的第i个高频方向子带的系数,L为3~5,kl表示图像在尺度2-l上的高频方向子带的数目;
判定装置,用于利用高频方向子带系数Cl,i(a,b)的局部均值mean[Cl,i(a,b)]和高频方向子带的斑点噪声方差 将高频方向子带系数Cl,i(a,b)区分为信号或是噪声的变换系数,判定准则如下:
其中,k在1~5之间取值,mean[Cl,i(a,b)]是以高频方向子带系数Cl,i(a,b)为中心的5×5大小的局部区域内系数的均值;
去噪装置,用于对判定后的高频方向子带系数Cl,i(a,b)进行如下去噪操作:
所述的计算装置,进一步包括:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100209529A CN101482617B (zh) | 2009-01-16 | 2009-01-16 | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2009100209529A CN101482617B (zh) | 2009-01-16 | 2009-01-16 | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101482617A CN101482617A (zh) | 2009-07-15 |
CN101482617B true CN101482617B (zh) | 2011-06-01 |
Family
ID=40879818
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2009100209529A Active CN101482617B (zh) | 2009-01-16 | 2009-01-16 | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101482617B (zh) |
Families Citing this family (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101901476A (zh) * | 2010-07-12 | 2010-12-01 | 西安电子科技大学 | 基于NSCT域边缘检测和Bishrink模型的SAR图像去噪方法 |
CN102201116B (zh) * | 2011-04-27 | 2013-02-27 | 西安电子科技大学 | 结合方向聚集性的sar图像相干斑抑制方法 |
CN102323989B (zh) * | 2011-09-16 | 2013-09-25 | 西安电子科技大学 | 基于奇异值分解非局部均值的极化sar数据相干斑抑制方法 |
CN102509268B (zh) * | 2011-11-09 | 2013-11-20 | 北方民族大学 | 基于免疫克隆选择的非下采样轮廓波域图像去噪方法 |
CN102693530B (zh) * | 2012-06-13 | 2014-11-12 | 西安电子科技大学 | 基于目标提取和srad算法的sar图像去斑方法 |
CN102903087B (zh) * | 2012-10-25 | 2015-09-30 | 西安电子科技大学 | 基于gpu编程的sar图像去噪方法 |
CN103077508B (zh) * | 2013-01-25 | 2015-06-03 | 西安电子科技大学 | 基于变换域非局部和最小均方误差的sar图像去噪方法 |
CN103839240A (zh) * | 2014-03-06 | 2014-06-04 | 西安电子科技大学 | 基于概率模型和nsdt的sar图像去斑方法 |
CN104574308A (zh) * | 2014-12-30 | 2015-04-29 | 北京工业大学 | 一种基于采样矩阵方向优化的sar图像去噪方法 |
CN106569274B (zh) * | 2015-10-10 | 2019-01-08 | 中国石油化工股份有限公司 | 去除地震信号中的随机噪声的方法和装置 |
CN105809198B (zh) * | 2016-03-10 | 2019-01-08 | 西安电子科技大学 | 基于深度置信网络的sar图像目标识别方法 |
CN107154054B (zh) * | 2017-05-22 | 2020-12-08 | 西安电子科技大学 | 基于深度置信网络的极化sar影像变化检测方法 |
CN107358205A (zh) * | 2017-07-13 | 2017-11-17 | 西安电子科技大学 | 一种基于nsct dbn的极化sar影像变化检测方法 |
CN107944470A (zh) * | 2017-11-03 | 2018-04-20 | 西安电子科技大学 | 基于轮廓波fcn‑crf的sar图像分类方法 |
CN107944353B (zh) * | 2017-11-10 | 2019-12-24 | 西安电子科技大学 | 基于轮廓波bspp网络的sar图像变化检测方法 |
CN109829899B (zh) * | 2019-01-18 | 2020-08-07 | 创新奇智(广州)科技有限公司 | 一种针对钢卷端面缺陷检测的背景抑制算法 |
CN113808042B (zh) * | 2021-09-16 | 2024-04-05 | 沈阳工业大学 | 一种基于小波变换和生成对抗网络的sar图像去噪方法 |
CN114509061A (zh) * | 2021-12-30 | 2022-05-17 | 重庆特斯联智慧科技股份有限公司 | 一种基于障碍物属性的机器人行进路径确定方法和系统 |
-
2009
- 2009-01-16 CN CN2009100209529A patent/CN101482617B/zh active Active
Non-Patent Citations (5)
Title |
---|
Arthur L.Cunha等.The Nonsubsampled Contourlet Transform: Theory, Design, and Applications.《IEEE TRANSACTIONS ON IMAGE PROCESSING》.2005, * |
Arthur L.da Cunha等.NONSUBSAMPLED CONTOURLET TRANSFORM: FILTER DESIGN AND APPLICATIONS IN DENOISING.《IEEE InTERNATIONAL Conference on Image Processing》.2005, * |
Jean-Luc Starck等.The Curvelet Transform for Image Denoising.《IEEE TRANSACTIONS ON IMAGE PROCESSING》.2000, * |
Jianping Zhou等.NONSUBSAMPLED CONTOURLET TRANSFORM: CONSTRUCTION AND APPLICATION IN ENHANCEMENT.《IEEE International Conference on Image Processing》.2005, * |
郭旭静等.基于尺度间相关的非下采样Contourlet图像降噪算法.《光电子 激光》.2007,第18卷(第9期), * |
Also Published As
Publication number | Publication date |
---|---|
CN101482617A (zh) | 2009-07-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101482617B (zh) | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 | |
CN101303764B (zh) | 基于非下采样轮廓波的多传感器图像自适应融合方法 | |
CN103077508B (zh) | 基于变换域非局部和最小均方误差的sar图像去噪方法 | |
CN103093441B (zh) | 基于变换域的非局部均值和双变量模型的图像去噪方法 | |
CN103854264B (zh) | 一种基于改进型阈值函数的小波变换图像去噪方法 | |
CN103295204B (zh) | 一种基于非下采样轮廓波变换的图像自适应增强方法 | |
CN104657948B (zh) | 一种用于海洋探测的激光水下成像图像去噪和增强方法 | |
CN102509263B (zh) | 基于sar图像局部统计特性的k-svd相干斑抑制方法 | |
CN102509269B (zh) | 一种结合曲线波的基于图像子块相似性的图像去噪方法 | |
CN101847257A (zh) | 基于非局部均值与多级定向图像的图像降噪方法 | |
CN101739671A (zh) | 一种含噪图像的降噪处理方法及系统 | |
CN109919870A (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
CN102930512A (zh) | 基于HSV色彩空间结合Retinex的水下图像增强方法 | |
CN102496153A (zh) | 基于小波域中字典学习的sar图像相干斑抑制方法 | |
CN101685158B (zh) | 基于隐马尔科夫树模型的sar图像去噪方法 | |
CN101483777B (zh) | 基于自适应多尺度Bandelet包的SAR图像去噪压缩方法 | |
CN101566688B (zh) | 基于邻域方向性信息的sar图像降斑方法 | |
CN103020922A (zh) | 基于pca变换的sar图像相干斑抑制方法 | |
CN102945548A (zh) | 一种基于方向金字塔滤波的图像处理方法及装置 | |
CN101980286A (zh) | 结合双树复小波与双变量模型的sar图像降斑方法 | |
CN101719268A (zh) | 基于改进Directionlet域的广义高斯模型图像去噪方法 | |
CN103077507A (zh) | 基于Beta算法的多尺度SAR图像降噪方法 | |
CN103426145A (zh) | 一种基于多分辨分析的合成孔径声纳相干斑噪声抑制方法 | |
CN102289800B (zh) | 基于Treelet的Contourlet域图像去噪方法 | |
CN104182944A (zh) | 基于曲波与小波变换相串联的光学图像去噪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |