CN114063074A - 一种基于小波阈值变换的sar图像溢油检测方法 - Google Patents
一种基于小波阈值变换的sar图像溢油检测方法 Download PDFInfo
- Publication number
- CN114063074A CN114063074A CN202111381966.0A CN202111381966A CN114063074A CN 114063074 A CN114063074 A CN 114063074A CN 202111381966 A CN202111381966 A CN 202111381966A CN 114063074 A CN114063074 A CN 114063074A
- Authority
- CN
- China
- Prior art keywords
- threshold
- wavelet
- sar image
- transformation
- oil spill
- 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.)
- Pending
Links
- 230000009466 transformation Effects 0.000 title claims abstract description 33
- 239000003305 oil spill Substances 0.000 title claims abstract description 24
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 21
- 230000011218 segmentation Effects 0.000 claims abstract description 10
- 230000000007 visual effect Effects 0.000 claims abstract description 5
- 238000012545 processing Methods 0.000 claims description 8
- 239000000654 additive Substances 0.000 claims description 4
- 230000000996 additive effect Effects 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 3
- 230000003044 adaptive effect Effects 0.000 claims 1
- 238000012544 monitoring process Methods 0.000 abstract description 4
- 238000001914 filtration Methods 0.000 description 7
- 239000003921 oil Substances 0.000 description 6
- 238000002474 experimental method Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 230000002146 bilateral effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 102000037983 regulatory factors Human genes 0.000 description 2
- 108091008025 regulatory factors Proteins 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000012075 bio-oil Substances 0.000 description 1
- 238000002144 chemical decomposition reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000010779 crude oil Substances 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000001704 evaporation Methods 0.000 description 1
- 230000008020 evaporation Effects 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 238000003706 image smoothing Methods 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/136—Segmentation; Edge detection involving thresholding
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20048—Transform domain processing
- G06T2207/20064—Wavelet transform [DWT]
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computer Networks & Wireless Communication (AREA)
- Quality & Reliability (AREA)
- Electromagnetism (AREA)
- Image Analysis (AREA)
Abstract
本发明公开了一种基于小波阈值变换的SAR图像溢油检测方法。首先对SAR图像进行对数算子变换，然后进行锐化处理，再进行尺度为3的小波分解，得到不同频率子带的小波系数，计算每一层子带对应的阈值，用阈值函数对各层子带的小波系数进行阈值处理，再通过二维离散小波逆变换，依次重建SAR图像，最后对重建的SAR图像进行分割，与目视解译结果进行逐像元精确判定，计算溢油检测精度。本发明的SAR由于其全天时、全天候等特点，是一种有效的海洋溢油监测手段。本发明对小波阈值变换中的阈值估计方法和阈值函数进行改进，提高SAR图像的分割精度，在SAR图像溢油检测中具有很好的应用前景。
Description
技术领域
本发明属于合成孔径雷达溢油图像检测技术领域，具体地说，是涉及一种基于小波阈值变换的SAR图像溢油检测方法。
背景技术
溢油事故多发生在不良天气条件下,受到自然风,浪、流等条件的影响,溢油会迅速发生扩散、渗透、蒸发等现象,传感器探测到的电磁信号也会受到影响,因此利用可见光与红外传感器、紫外传感器等遥感监测手段无法完成全方位的监测,合成孔径雷达(SAR)技术由于其全天时、全天候等特点,现已被证明是一种有效的海洋溢油监测手段。
利用有效提取算法对溢油SAR图像实现快速、精确地溢油信息提取,对油污检测等处理有着重大意义。目前，在去噪上有许多方法，如基于小波变换的方法，非局部均值算法，稀疏编码收缩，贝叶斯方法，主成分分析，压缩感知理论，双边滤波等。这些技术可以进行图像平滑，去噪并且能够在一定程度上保持有用的细节和边缘特性。然而，这些方法在图像质量或计算效率方面都有一定的限制性。比如非局部均值法，它在进行相似灰度的全局搜索时需要比较高的计算成本；双边滤波法易于实现，也有较好的边缘保持特性，但是不适用对高频中包含复杂信息的图像去噪。
由于小波变换系数的稀疏性和尺度分解特性,它吸引了许多的研究者对小波域进行研究。小波域的这些特性，为信号表示提供了灵活性，代表信号主要的能量由几个大的系数来表示，剩余的能量则由许多小的系数来表示。又因为大部分的噪声功率出现在小的系数上，因此，可以按照一定的规则修改这些系数来实现图像去噪。小波阈值去噪包含两个关键问题:阈值函数和阈值的选取。对小波系数的这个修改规则便是阈值函数，阈值便是阈值函数在修改小波系数的门限值，它定义了哪些小波系数需要进行怎样的处理。想要获得较好的小波阈值去噪效果，就要设计最优的阈值函数和阈值。
SAR图像去噪经历了从空域滤波到频域滤波的发展,期间又出现了各向异性去噪算法、块匹配去噪算法以及混合型去噪算法等不同种类的算法。经过对其中典型去噪算法的研究分析发现，这些算法主要存在以下缺点:
(1)空域滤波算法通常容易损坏图像细节信息，去噪结果较差。频域滤波较空域滤波有了很大进步，但是去噪后的图像整体较为模糊，不能很好的兼顾去噪与保边。
(2)使用频域去噪算法或者一些混合型去噪算法得到的去噪结果会产生伪吉布斯现象，导致去噪后的图像有人造纹理产生或者局部失真。由于传统的小波阈值变换在SAR图像去噪中的表现不理想，导致最终的分割精度最高只能达到85％左右。
发明内容
本发明的目的是为了解决上述技术问题，提供一种基于小波阈值变换的SAR图像溢油检测方法。
本发明的方法采用新的阈值估计方法和阈值函数代替传统的通用阈值和硬、软阈值函数，大大消除了乘性噪声和最大可能的保留了原始图片的边缘细节，提高了检测的精度。
为达到上述目的，本发明提供如下技术方案予以实现：
基于小波阈值变换的SAR图像溢油检测方法，包括如下步骤：
步骤1：将SAR图像上具有乘性特性的斑点噪声，首先通过对数算子变换把乘性噪声转变为加性噪声，然后对变换后的SAR图像进行锐化处理；
步骤2：对步骤1处理过的SAR图像进行二维离散小波变换，把SAR图像进行尺度为3的小波分解，将SAR图像分解为不同频率的子带，得到各子带离散化的小波系数；
步骤3：设置一个阈值λ，分别对每一层的子带进行处理，计算出每一层子带对应的阈值λj；
步骤4：用阈值函数对各层子带的离散化的小波系数进行阈值处理，把大于步骤3设置的阈值的小波系数保留或者收缩，把小于这个阈值的小波系数并不是一味的剔除，也做一定的保留和收缩；
步骤5：通过二维离散小波逆变换，按照分解的先后顺序，依次恢复出最后重建的SAR图像；
步骤6：对重建的SAR图像进行分割，通过与专家目视解译结果进行逐像元精确判定，算出分割的精度。
本发明进一步改进，步骤1还包括对SAR图像对数变换后出现边缘模糊的现象采用USM锐化增强算法，为了控制好锐化的参数，所述锐化的数量为200％，半径为1.2，阈值为3。
本发明进一步改进，步骤2采用小波基对SAR图像进行小波分解时，考虑到所选的小波基要满足正交性，对称性，正则性，紧支性，消失矩等原则，选取的小波基为db5。
本发明进一步改进，步骤3设置的阈值λ为分层自适应阈值，所述阈值的估计公式如下：
式中：σ表示噪声图像的标准差，N为小波变换后信号的长度，j代表分解尺度，j等于1时为通用阈值；小波分解时，随着尺度j的增加，图像信号幅值和噪声幅值呈相反方向变化,阈值λj会相应的变小。
本发明进一步改进，步骤4采用的阈值函数加入调节因子，具有双向收缩性，在阈值处连续可导，所述阈值函数如下：
其中m和k是调节因子，m∈[0，1]，k是正整数。本发明提出的阈值函数在λ点是连续的和可控的。本发明提出的阈值函数中的参数m和k是调整因素；当k≥|λ|和m→0时，函数有硬阈值，而当0＜k＜|λ|和m→1时，函数无限接近软阈值；在函数中，m调整小波系数的变化，k调整阈值函数在|wj，k≤λ|中的平滑度。
本发明进一步改进，步骤6所述的对重建的SAR图像进行分割的具体方法是：对背景和目标的类间方差加以权重系数，将目标像素点占整幅图像的比例和背景像素点占整幅图像的比例作为权重引入到目标方程式中。
本发明进一步改进，步骤6所述的加权最大类间方差法公式如下：
u(t)2＝ωω0(t)u0(t)2+ω2ω1(t)u1(t)2 (3)
T＝Argmax0＜L≤L-1(u(t)2) (4)
式中：ω和ω2分别为目标像素和背景像素比例，且ω＝ω0(t)，ω2＝ω1(t)；u0(t)和u1(t)分别为目标均值和背景均值。
本发明的有益效果：
本发明提出的阈值估计方法和阈值函数被运用到小波阈值变换以后，在做到图像平滑的基础上，图像的细节也得到了很好的保留。通过本发明提出的加权最大类间方差法对预处理过的图像进行阈值分割，大大提高了小波阈值变换对SAR溢油信息提取的精度。在MSE和PSNR评价指标上的表现优于传统的小波阈值变换，最终的分割精度高达95％左右。
附图说明
图1为本发明的方法流程图；
图2为本发明的阈值函数与传统阈值函数的比较示意图；
图3为原始SAR图像；
图4为本发明对SAR图像溢油检测处理结果；
图5为传统小波阈值变换对SAR图像溢油检测处理结果。
具体实施方式
为了加深对本发明的理解，下面将结合实施例对本发明做进一步详细描述，该实施例仅用于解释本发明，并不对本发明的保护范围构成限定。
实施例：如图1所示，本发明的一种基于小波阈值变换的SAR图像溢油检测方法，包括如下步骤：
步骤1：将SAR图像上具有乘性特性的斑点噪声，首先通过对数算子变换把乘性噪声转变为加性噪声，然后对变换后的SAR图像进行锐化处理。具体实施方法如下。
将SAR图像进行对数变换，把乘性噪声变为加性噪声，便于后面去除。对数算子变换公式为：
u0(x，y)＝u(x，y)q(x，y) (1)
logu0(x，y)＝logu(x，y)+logq(x，y) (2)
式中：u0(x，y)为观察的图像，u(x，y)为原始图像，q(x，y)为噪声，噪声q(x，y)的分布式未知的。
针对SAR图像对数变换后出现边缘模糊的现象，采用USM锐化增强算法，为了控制好锐化的参数，所述USM锐化的数量为200％，半径为1.2，阈值为3。
步骤2：对步骤1处理过的SAR图像进行二维离散小波变换，把SAR图像进行尺度为3的小波分解，将SAR图像分解为不同频率的子带，得到各子带离散化的小波系数。具体实施方法如下。
(1)考虑到所选的小波基要满足正交性，对称性，正则性，紧支性，消失矩等原则，选取db5作为小波基。
(2)通过二维离散小波变换(DWT)，经过第一次尺度分解，将SAR图像分解为4个频率不同的子带，分别用LL1，LH1，HL1，HH1表示。其中LL1为低频子带，LH1，HL1，HH1为高频子带，HH1子带频率最高，所含的噪声也最多，LL1子带对应这图像的细节，LL1子带可以进一步的递归分解。
(3)经过第二次尺度分解，只对低频子带LL1分解，又可以分解为4个子带，分别用LL2，LH2，HL2，HH2表示。
(4)以此类推，经过第三次尺度分解同样可以得到4个频率不同的子带，分别用LL3，LH3，HL3，HH3表示。
离散二维小波变换的公式如下：
式中：a0为离散尺度，τ0和τ1为离散的位移步长，j为分解的尺度。
步骤3：设置一个阈值λ，分别对每一层的子带进行处理，计算出每一层子带对应的阈值λj。具体实施方法如下。
通过阈值的估计公式计算出每一层的阈值λj，具体阈值的估计公式如下：
设置的阈值λj为分层自适应阈值，式中：σ表示噪声图像的标准差，N为小波变换后信号的长度，j代表分解尺度，j等于1时为通用阈值；小波分解时，随着尺度j的增加，图像信号幅值和噪声幅值呈相反方向变化，阈值λj会相应的变小。
步骤4：用阈值函数对各层子带的离散化的小波系数进行阈值处理，把大于步骤3设置的阈值的小波系数保留或者收缩，把小于这个阈值的小波系数并不是一味的剔除，也做一定的保留和收缩。具体实施方法如下。
通过阈值函数的处理，保留且收缩小波分解后的每一层小波系数，具体阈值函数公式如下：
式中：m和k是调节因子，m∈[0，1]，k是正整数。本发明提出的阈值函数在λ点是连续的和可控的。本发明提出的阈值函数中的参数m和k是调整因素；当k≥|λ|和m→0时，函数有硬阈值，而当0＜k＜|λ|和m→1时，函数无限接近软阈值；在函数中，m调整小波系数的变化，k调整阈值函数在|wj，k≤λ|中的平滑度。
步骤5：通过二维离散小波逆变换，按照分解的先后顺序，依次恢复出最后重建的SAR图像。
本实施例中，步骤5具体实施方法如下。
(1)先对LL3，LH3，HL3，HH3进行重构，得到重构的新的低频子带LL2。
(2)再对LL2，LH2，HL2，HH2进行重构，得到重构的新的低频子带LL1。
(3)最后对LL1，LH1，HL1，HH1进行重构，得到最后的重建的图像。
步骤6：对重建的SAR图像进行分割，通过与专家目视解译结果进行逐像元精确判定，算出分割的精度。具体实施方法如下。
将目标像素点占整幅图像的比例和背景像素点占整幅图像的比例作为权重引入到最大类间方差法目标方程式中，用加权最大类间方差法对去噪后的SAR图像进行阈值分割。所述的加权最大类间方差法公式如下：
u(t)2＝ωω0(t)u0(t)2+ω2ω1(t)u1(t)2 (6)
T＝Argmax0＜L≤L-1(u(t)2)
(7)
式中：ω和ω2分别为目标像素和背景像素比例，且ω＝ω0(t)，ω2＝ω1(t)；u0(t)和u1(t)分别为目标均值和背景均值。
对最后的重建图像进行分割，分割结果如图4和图5所示。通过与专家目视解译结果进行逐像元精确判定，算出分割的精度。
下面结合实验对本发明效果作进一步描述：
实验采用挪威海洋清洁协会经营公司(NOFO)于2011年6月6日至9日在欧洲北海地区进行的一次海上溢油实验数据(图3)，实验中分别泼洒了三种物质，即原油、乳化油和生物油，时间间隔约12小时。实验最后出于保护海洋生态环境的目的，采取化学分解的手段对实验中泼洒的物质进行分解和回收。
表一图像去噪性能评价
由表一可以明显看出本文提出的阈值函数和阈值计算方法对SAR图像的去噪效果明显。
表二溢油图像的检测精度
由表二可以明显看出本发明提出的阈值函数和阈值计算方法对SAR图像溢油检测精度有了明显的提高，在溢油检测中有很好的应用前景。
以上所述的仅是本发明的实施例，方案中公知的具体结构及特性等常识在此未作过多描述。对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何标记视为限制所涉及的权利要求。
Claims (7)
1.一种基于小波阈值变换的SAR图像溢油检测方法，其特征在于，包括如下步骤：
步骤1：将SAR图像上具有乘性特性的斑点噪声，首先通过对数算子变换把乘性噪声转变为加性噪声，然后对变换后的SAR图像进行锐化处理；
步骤2：对步骤1处理过的SAR图像进行二维离散小波变换，把SAR图像进行尺度为3的小波分解，分解为不同频率的子带，得到各子带离散化的小波系数；
步骤3：设置一个阈值λ，分别对每一层的子带进行处理，计算出每一层子带对应的阈值λj；
步骤4：用阈值函数对各层子带的离散化的小波系数进行阈值处理，把大于步骤3设置的阈值的小波系数保留或者收缩，把小于这个阈值的小波系数也做一定的保留和收缩；
步骤5：通过二维离散小波逆变换，按照分解的先后顺序，依次恢复出最后重建的SAR图像；
步骤6：对重建的SAR图像进行分割，通过与专家目视解译结果进行逐像元精确判定，算出分割的精度。
2.根据权利要求1所述的一种基于小波阈值变换的SAR图像溢油检测方法，其特征在于，步骤1还包括对SAR图像对数变换后出现边缘模糊的现象采用USM锐化增强算法，锐化参数中数量设置为200％，半径设置为1.2，阈值设置为3。
3.根据权利要求1所述的基于小波阈值变换的SAR图像溢油检测方法，其特征在于，步骤2采用小波基对处理过的SAR图像进行小波分解时，选取的小波基为db5。
4.根据权利要求1所述的基于小波阈值变换的SAR图像溢油检测方法，其特征在于，步骤3设置的阈值λ为分层自适应阈值，所述阈值的估计公式如下：
式中：σ表示噪声图像的标准差，N为小波变换后信号的长度，j代表分解尺度，j等于1时为通用阈值；小波分解时，随着尺度j的增加，图像信号幅值和噪声幅值呈相反方向变化,阈值λj会相应的变小。
5.根据权利要求1所述的基于小波阈值变换的SAR图像溢油检测方法，其特征在于，步骤4提出的阈值函数加入了调节因子，具有双向收缩性，在阈值处连续可导，所述阈值函数如下：
其中m和k是调节因子，m∈[0，1]，k是正整数。
6.根据权利要求1所述的基于小波阈值变换的SAR图像溢油检测方法，其特征在于，步骤6对重建的SAR图像进行分割的具体方法是：对背景和目标的类间方差加以权重系数，将目标像素点占整幅图像的比例和背景像素点占整幅图像的比例作为权重引入到最大类间方差法目标方程式中。
7.根据权利要求1所述的基于小波阈值变换的SAR图像溢油检测方法，其特征在于，所述的加权最大类间方差法公式如下：
u(t)2＝ωω0(t)u0(t)2+ω2ω1(t)u1(t)2 (3)
T＝Argmax0＜L≤L-1(u(t)2) (4)
式中：ω和ω2分别为目标像素和背景像素比例，且ω＝ω0(t)，ω2＝ω1(t)；u0(t)和u1(t)分别为目标均值和背景均值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111381966.0A CN114063074A (zh) | 2021-11-22 | 2021-11-22 | 一种基于小波阈值变换的sar图像溢油检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111381966.0A CN114063074A (zh) | 2021-11-22 | 2021-11-22 | 一种基于小波阈值变换的sar图像溢油检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114063074A true CN114063074A (zh) | 2022-02-18 |
Family
ID=80278709
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111381966.0A Pending CN114063074A (zh) | 2021-11-22 | 2021-11-22 | 一种基于小波阈值变换的sar图像溢油检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114063074A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115049678A (zh) * | 2022-08-17 | 2022-09-13 | 南昌工程学院 | 基于夜间紫外成像技术的输电线电晕放电图像分割方法 |
| CN117115175A (zh) * | 2023-10-25 | 2023-11-24 | 天津东泉石油技术开发有限公司 | 一种溢油在线监测预警方法与系统 |
-
2021
- 2021-11-22 CN CN202111381966.0A patent/CN114063074A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115049678A (zh) * | 2022-08-17 | 2022-09-13 | 南昌工程学院 | 基于夜间紫外成像技术的输电线电晕放电图像分割方法 |
| CN117115175A (zh) * | 2023-10-25 | 2023-11-24 | 天津东泉石油技术开发有限公司 | 一种溢油在线监测预警方法与系统 |
| CN117115175B (zh) * | 2023-10-25 | 2024-01-09 | 天津东泉石油技术开发有限公司 | 一种溢油在线监测预警方法与系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Wang et al. | Dehazing for images with large sky region | |
| CN109685728B (zh) | 基于局部时频域变换的数字图像处理方法 | |
| CN101950414B (zh) | 自然图像非局部均值去噪方法 | |
| Liu et al. | Bayesian Shearlet shrinkage for SAR image de-noising via sparse representation | |
| 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 | |
| CN114063074A (zh) | 一种基于小波阈值变换的sar图像溢油检测方法 | |
| 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 | |
| CN101847257A (zh) | 基于非局部均值与多级定向图像的图像降噪方法 | |
| CN107610074B (zh) | 一种提高遥感图像质量的方法 | |
| CN103413279A (zh) | 基于ad-nsct算法的sar图像去噪方法 | |
| CN1545062A (zh) | 综合边缘和纹理信息的金字塔图像融合方法 | |
| CN107301631B (zh) | 一种基于非凸加权稀疏约束的sar图像降斑方法 | |
| CN108428221A (zh) | 一种基于shearlet变换的邻域双变量阈值去噪方法 | |
| CN103077507A (zh) | 基于Beta算法的多尺度SAR图像降噪方法 | |
| Li et al. | Review on Grey Relation Applied in Image Sparse Representation. | |
| Ying et al. | Learning wavelet coefficients for face super-resolution | |
| CN111461999B (zh) | 一种基于超像素相似性测量的sar图像相干斑抑制方法 | |
| Bi et al. | A denoising algorithm for quantum remote sensing image data [J] | |
| Li et al. | A novel remote sensing image enhancement method using unsharp masking in nsst domain | |
| Lu et al. | Smoothing denoising method of spatial filtering image based on Contourlet transform | |
| CN110084839B (zh) | 一种用于天文图像配准的方法 | |
| Shaohai et al. | SAR image de-noising based on non-local similar block matching in NSST domain | |
| Rani et al. | ELM-Based Shape Adaptive DCT Compression technique for underwater image compression | |
| Zhang et al. | Contrast study of side scan sonar image enhancement methods | |
| Liu et al. | SAR Image De-Noising based on GNL-Means with Optimized Pixel-Wise Weighting in Non-Subsample Shearlet Domain. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |