ES2321577B1 - Procedimientos para la deteccion automatica de estructuras puntuales y orientadas en entornos ruidosos mediante combinacion de las componentes resultantes de una descomposicion multibanda. - Google Patents
Procedimientos para la deteccion automatica de estructuras puntuales y orientadas en entornos ruidosos mediante combinacion de las componentes resultantes de una descomposicion multibanda. Download PDFInfo
- Publication number
- ES2321577B1 ES2321577B1 ES200900029A ES200900029A ES2321577B1 ES 2321577 B1 ES2321577 B1 ES 2321577B1 ES 200900029 A ES200900029 A ES 200900029A ES 200900029 A ES200900029 A ES 200900029A ES 2321577 B1 ES2321577 B1 ES 2321577B1
- Authority
- ES
- Spain
- Prior art keywords
- decomposition
- combination
- iteration
- automatic detection
- structures
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000000354 decomposition reaction Methods 0.000 title claims abstract description 37
- 238000001514 detection method Methods 0.000 title claims abstract description 36
- 238000000605 extraction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000001427 coherent effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000000877 morphologic effect Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000009931 harmful effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000002604 ultrasonography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01J—MEASUREMENT OF INTENSITY, VELOCITY, SPECTRAL CONTENT, POLARISATION, PHASE OR PULSE CHARACTERISTICS OF INFRARED, VISIBLE OR ULTRAVIOLET LIGHT; COLORIMETRY; RADIATION PYROMETRY
- G01J3/00—Spectrometry; Spectrophotometry; Monochromators; Measuring colours
- G01J3/28—Investigating the spectrum
- G01J3/2823—Imaging spectrometer
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G06T5/001—
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L27/00—Modulated-carrier systems
- H04L27/26—Systems using multi-frequency codes
- H04L27/2601—Multicarrier modulation systems
- H04L27/2602—Signal structure
- H04L27/2604—Multiresolution systems
Landscapes
- Physics & Mathematics (AREA)
- Spectroscopy & Molecular Physics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
Procedimientos para la detección automática de
estructuras puntuales y orientadas en entornos ruidosos mediante
combinación de las componentes resultantes de una descomposición
multibanda.
El objeto de la presente invención es un
procedimiento iterativo que resalta la presencia de estructuras
regulares en entornos ruidosos, mediante la combinación adecuada de
las componentes resultantes de cada iteración de una descomposición
multibanda de la señal analizada. El carácter iterativo del proceso
le proporciona una capacidad multiresolución, siendo válido para un
amplio margen de dimensiones de las estructuras a detectar. De esta
manera, en función del tipo de aplicación puede ajustarse el número
de iteraciones más adecuado. Por otra parte, la combinación puede
llevarse a cabo en una misma escala (combinación intraescalar) o
entre diferentes escalas (combinación interescalar). El principio
en el que se basa el procedimiento propuesto es fundamentalmente la
baja correlación espacial del ruido entre las diferentes bandas
frente a la alta correlación que presenta una estructura. Su
presencia se pone de relieve precisamente con la combinación de
componentes de la descomposición. Adicionalmente, en señales
multidimensionales, la descomposición multibanda puede ser
orientada, pudiéndose entonces extraer estructuras regulares
alargadas o contornos.
Description
Procedimientos para la detección automática de
estructuras puntuales y orientadas en entornos ruidosos mediante
combinación de las componentes resultantes de una descomposición
multibanda.
La presente invención se refiere a nuevos
procedimientos en procesado de señal que permiten resaltar la
presencia de estructuras en un entorno ruidoso. Se entiende por
entorno ruidoso como aquel en el que los valores de los píxeles no
guardan aparente relación entre ellos, presentando así una baja
correlación espacial. Estos valores impredecibles y, por
consiguiente incontrolables, se superponen a la señal útil,
contaminándola y dificultando su interpretación. La utilización de
estos procedimientos puede resultar particularmente interesante,
entre otros, de cara a la explotación de imágenes de radar en
aplicaciones de teledetección (detección automática de barcos y
vertidos en el mar a partir de imágenes satelitales, detección y
monitorización de infraestructuras, extracción de la línea de costa
y monitorización de su evolución temporal...) o en aplicaciones
médicas en el análisis de mamografías, radiografías o ecografías,
puesto que permite una extracción automática, simple y robusta de
estructuras puntuales, lineales o contornos en entornos
particularmente adversos.
Por una parte, en cuanto a la detección de
estructuras puntuales, el objeto de la presente invención consiste
en la combinación adecuada de las distintas componentes resultantes
de la aplicación de una descomposición multibanda en una escala
determinada. Esta combinación entre bandas de una misma escala se
denomina en lo siguiente combinación intraescalar, Fig. 1.
Por otra parte, en cuanto a la detección de
contornos o estructuras lineales, el objeto de la presente
invención consiste en la combinación adecuada de las componentes
paso-banda que comparten la misma orientación en
distintas escalas. Esta combinación entre bandas a distinta escala
se denomina en lo siguiente combinación interescalar, Fig. 2.
Adicionalmente, dichos procedimientos permiten,
al ser iterativos, la extracción de estructuras a distintas
escalas, esto es de distintas dimensiones. En función de la
estructura de interés, puede ajustarse el número de escalas que
intervienen en el algoritmo.
En cuanto a la detección de estructuras
puntuales, si a priori no se dispone de información sobre la
presencia y características del objeto a detectar de forma
automática, no pueden usarse métodos sofisticados de procesado de
imagen como redes neuronales o análisis morfológico, entre otros.
Por ello, el procedimiento habitual consiste esencialmente en la
utilización de técnicas denominadas de tasa constante de falsas
alarmas que pretenden la detección de elementos que, por su mayor
intensidad, destacan sobre un fondo homogéneo. Así, siguiendo un
determinado criterio (que asume homogeneidad de la imagen), se
calcula un umbral que se aplica posteriormente a la zona analizada.
La imagen resultante discrimina los píxeles cuya amplitud sea
superior o inferior al valor del umbral. Si el fondo es homogéneo y
existe un contraste suficiente entre éste y los elementos a
detectar, estas técnicas aplicadas convenientemente proporcionan
resultados válidos, pero si el fondo es heterogéneo o el contraste
insuficiente, sube la tasa de error y dejan de ser aplicables.
Opcionalmente, puede realizarse un filtrado previo al cálculo del
umbral. Si bien el efecto del filtro puede resultar beneficioso en
algunas ocasiones concretas, conlleva pérdida de resolución,
disminución del contraste y puede dar lugar a la aparición de
efectos nocivos asociados a la respuesta impulsional del
filtro.
En cuanto a la detección de estructuras lineales
o contornos, suelen usarse esencialmente filtros morfológicos poco
versátiles y de gran carga computacional. Otra opción de mayor
complejidad es el tratamiento de la imagen mediante el análisis de
texturas que consiste en la determinación de momentos estadísticos
hasta un orden determinado en una región localizada. No obstante,
la existencia de heterogeneidades altera este método y, si el
blanco a detectar consta de pocos píxeles, la segmentación mediante
la extracción de características estadísticas deja de ser fiable
pues carece de sentido.
[1] Mallat, S., A wavelet tour of signal
processing, Academic Press, 1999.
[2] Tello, M.;
López-Martínez, C.; Mallorqui, J. A
Novel Algorithm for Ship Detection in SAR Imagery Based on the
Wavelet Transform, IEEE Geoscience and Remote Sensing
Letters, IEEE Volume 2, Issue 2, April 2005
Page(s):201 - 205.
Al permitir una capacidad de enfoque ajustable,
las herramientas de procesado multibanda son las más adecuadas para
el tratamiento de procesos estocásticos no estacionarios y, por
consiguiente, para la interpretación automática de imágenes con
distintos tipos de heterogeneidades. Entre las distintas técnicas de
procesado multibanda, destaca, por su versatilidad, la transformada
wavelet que realiza sobre la escena analizada un filtrado
selectivo y simultáneo en tiempo y frecuencia. Así, la transformada
wavelet mide localmente el grado de irregularidad de una
señal a distintas escalas [1]. La transformada wavelet es un
caso particular de descomposición multibanda. Es fundamental
señalar que el razonamiento expuesto es válido para cualquier otro
tipo de descomposición mediante banco de filtros en la que se
consiga decorrelar el ruido. No obstante, para mayor claridad y
precisión en la exposición del procedimiento, se centrará la
explicación al caso particular de la transformada wavelet,
sin pérdida de generalidad.
En particular, la Overcomplete Wavelet
Transform de una imagen o transformada wavelet
redundante sin etapa de diezmado, denominada en lo siguiente OCWT,
se obtiene aplicando filtros en las direcciones horizontal y
vertical. A cada nivel, resultan tres imágenes: una aproximación
paso-bajo de la imagen original y dos componentes
paso-banda. Por una parte, una de estas componentes
paso-banda resalta la existencia de
discontinuidades verticales en la señal original y la otra
horizontales. Por otra parte, al volver a aplicar el mismo proceso
sobre la aproximación paso-bajo se obtiene una nueva
representación de la imagen original a una escala mayor, pero
conservándose en todo momento la resolución original.
Aunque este proceso decorrela en gran medida la
señal original, las tres componentes resultantes de una iteración
de la OCWT no están completamente incorreladas y presentan
dependencias locales (dependencias intraescalares) debidas a la
existencia de estructuras coherentes localizadas a través de su
contorno mediante máximos en el dominio transformado. Asimismo,
tampoco están completamente decorreladas las componentes
paso-banda que representan una misma orientación
pero a distinta escala (dependencias interescalares), exhibiendo
dependencias locales debido a la presencia de fronteras que pueden
llegar a ser muy substanciales y que se transmiten a través de las
escalas [2].
Partiendo de la observación de estas
correlaciones marginales intra e interescalares, se deducen los
procedimientos aquí propuestos.
Por una parte, al multiplicar las componentes
resultantes de una misma escala punto a punto, se resaltan las
dependencias localizadas (al coincidir constructivamente los
máximos de la frontera de las estructuras coherentes puntuales en
las diferentes componentes), en detrimento de las zonas homogéneas
y desestructuradas. Con esto, aumenta de forma muy considerable el
contraste entre las estructuras puntuales y el entorno ruidoso,
favoreciendo substancialmente las tasas de detección.
Por otra parte, de forma similar, al multiplicar
las componentes pasobanda que representan una misma orientación a
distinta escala, se resalta la presencia de fronteras en esta
dirección. Al combinar entonces las resultantes de las distintas
direcciones mediante una suma ponderada por ejemplo, se consigue
destacar la presencia de estructuras lineales y contornos,
manteniéndose en todo momento la resolución de la imagen
original.
Como proceso final, se procede a una detección,
tanto de estructuras puntuales o lineales, sobre la imagen
resultado de la combinación de las diferentes componentes de una
descomposición multibanda a una misma escala o a distintas
escalas.
Los procedimientos descritos son sencillos y de
bajo coste computacional. Debido a su capacidad de multiresolución,
pueden aplicarse eficazmente a escenarios de naturaleza muy diversa
y, esto, sin necesidad de reajuste previo de parámetros. Asimismo,
esta capacidad de multiresolución ofrece interesantes posibilidades
de gestión de las falsas alarmas por escalas. Con respecto a las
técnicas empleadas habitualmente de tasa constante de falsas
alarmas, al no depender los procedimientos propuestos
exclusivamente de las características de intensidad, proporcionan
una detección más robusta. Además, al ser procedimientos
redundantes, no son tan sensibles a parámetros como por ejemplo el
tamaño de la zona analizada. Por otra parte, al realizarse la
detección en un dominio transformado y no en el dominio original,
estos procedimientos no se ven afectados por la diversidad de los
escenarios de partida que puede alterar la eficacia de un esquema
de decisión por aplicación directa de umbral. De esta manera,
independientemente de la naturaleza de la distribución estadística
de la señal de partida, se llega siempre a una distribución
estadística del mismo tipo, lo que simplifica considerablemente la
toma de decisión automática. También puede ajustarse el orden de la
discontinuidad a destacar (intuitivamente, esto es que sea más o
menos abrupta) mediante el tipo de descomposición utilizado.
La figura 1 muestra un diagrama de bloques que
describe la combinación de bandas resultantes de una descomposición
multibanda a una misma escala (combinación intraescalar).
La figura 2 muestra un diagrama de bloques que
describe la combinación de bandas resultantes de una descomposición
multibanda de misma orientación a distinta escala (combinación
interescalar).
Con el fin de complementar la descripción
anterior, se presenta en este apartado una exposición detallada de
un modo de realización de la invención. En particular, se utilizará
el nuevo procedimiento propuesto para la detección de barcos en
imágenes de radar de apertura sintética (SAR) satelitales. La
detección automática de barcos en estas imágenes puede resultar
particularmente problemática debido a la presencia de un ruido
multiplicativo denominado speckle, de aspecto granulado y a
las numerosas heterogeneidades en la superficie del mar debidas a
fenómenos marinos complejos.
Para este ejemplo, se toma una imagen de
intensidad de radar y se recorre por una ventana. Por simplicidad
para la presentación de los resultados de este ejemplo, se tomará
una ventana cuadrada de 128 x 128 píxeles, no siendo estas
dimensiones restrictivas para el correcto funcionamiento del
procedimiento presentado. Esta imagen de partida representando una
escena con un barco en el centro en la que la detección automática
es particularmente complicada se denominará
x_{0}[m,n]. Para realizar la OCWT, pueden usarse
distintos tipos de filtro. Para este ejemplo, se eligen filtros de
la familia de las spline wavelets lineales, no siendo la
utilización de este tipo de filtro restrictiva para el correcto
funcionamiento del procedimiento presentado. De este modo, tanto el
filtro pasobajo h_{0}[n] como el filtro pasobanda
g[n] tienen sólo dos coeficientes no nulos:
Al aplicar estos filtros, se obtienen tres
componentes. La primera d^{1}_{1}[m,n] que resalta
las discontinuidades verticales resulta de aplicar el filtro
g[n] a la primera dimensión de la imagen inicial,
convolucionando cada fila por la respuesta impulsional del filtro.
Alternativamente, se puede trabajar en el dominio transformado de
Fourier, consistiendo entonces la operación en multiplicar las
transformadas de Fourier de cada fila y de g[n]:
Análogamente, la segunda
d^{2}_{1}[m,n] que resalta las discontinuidades
horizontales resulta de aplicar el filtro g[n] a la
segunda dimensión de la imagen inicial, convolucionando cada columna
por la respuesta impulsional del filtro. Alternativamente, se puede
trabajar en el dominio transformado de Fourier, consistiendo
entonces la operación en multiplicar las transformadas de Fourier
de cada columna y de g[n].
Por último, la tercera componente
x_{1}[m,n] resulta de aplicar el filtro pasobajo
h_{0}[n] en ambas dimensiones, esto es por filas y
por columnas, siendo indiferente el orden en que se efectúe esta
operación por la propiedad de separabilidad.
Una vez realizada la OCWT, el segundo paso es
efectuar el producto punto a punto de las tres componentes
obtenidas, siendo y_{1}[m,n] la imagen
resultante.
De esta forma, se ha completado la primera
iteración del procedimiento que puede iterarse siguiendo
exactamente los mismos pasos pero tomando de partida no
x_{0}[m,n] pero su versión filtrada pasobajo
x_{1}[m,n].
En este ejemplo, se realizan tres iteraciones y
se muestran las tres imágenes así obtenidas, denotadas por
y_{i}[m,n] siendo i el número de
iteración.
Claims (16)
1. Procedimiento para la detección automática de
estructuras puntuales en entornos ruidosos mediante combinación de
las componentes resultantes de una descomposición multibanda
caracterizado por los siguientes pasos:
- a.
- Aplicación de una iteración de una descomposición multibanda de la imagen original.
- b.
- Combinación intraescalar de las componentes frecuenciales resultantes del paso anterior.
- c.
- Detección de estructuras puntuales en la imagen resultado de la combinación anterior.
- d.
- Si procede, iteración de los tres pasos anteriores, volviendo a aplicar la descomposición multibanda a la componente paso bajo ya obtenida en la iteración previa de la descomposición.
2. Según reivindicación 1, procedimiento para la
detección automática de estructuras puntuales en entornos ruidosos
caracterizado por el hecho que la combinación intraescalar
de las componentes frecuenciales especificada en el apartado b se
realiza mediante la suma de los coeficientes de las bandas
frecuenciales resultantes de cada iteración de la descomposición
multibanda.
3. Según reivindicación 1, procedimiento para la
detección automática de estructuras puntuales en entornos ruidosos
caracterizado por el hecho que la combinación intraescalar
de las componentes frecuenciales especificada en el apartado b se
realiza mediante el producto espacial de los coeficientes de las
bandas frecuenciales resultantes de cada iteración de la
descomposición multibanda.
4. Según reivindicación 1, procedimiento para la
detección automática de estructuras puntuales en entornos ruidosos
caracterizado por el hecho que la combinación intraescalar
de las componentes frecuenciales especificada en el apartado b se
realiza mediante la correlación de los coeficientes de las bandas
frecuenciales resultantes de cada iteración de la descomposición
multibanda.
5. Según reivindicación 1, procedimiento para la
detección automática de estructuras puntuales en entornos ruidosos
caracterizado por el hecho que la descomposición multibanda
se realiza mediante una descomposición wavelet, tanto en su
versión diezmada como sin diezmar.
6. Según reivindicación 5, procedimiento para la
detección automática de estructuras puntuales en entornos ruidosos
caracterizado por el hecho que la combinación intraescalar
de las componentes frecuenciales especificada en el apartado b se
realiza mediante la suma de los coeficientes de las bandas
frecuenciales resultantes de cada iteración de la descomposición
wavelet, tanto en su versión diezmada como sin diezmar.
7. Según reivindicación 5, procedimiento para la
detección automática de estructuras puntuales en entornos ruidosos
caracterizado por el hecho que la combinación intraescalar
de las componentes frecuenciales especificada en el apartado b se
realiza mediante el producto espacial de los coeficientes de las
bandas frecuenciales resultantes de cada iteración de la
descomposición wavelet, tanto en su versión diezmada como
sin diezmar.
8. Según reivindicación 5, procedimiento para la
detección automática de estructuras puntuales en entornos ruidosos
caracterizado por el hecho que la combinación intraescalar
de las componentes frecuenciales especificada en el apartado b se
realiza mediante la correlación de los coeficientes de las bandas
frecuenciales resultantes de cada iteración de la descomposición
wavelet, tanto en su versión diezmada como sin diezmar.
9. Procedimiento para la detección automática de
estructuras orientadas en entornos ruidosos en una señal
multidimensional mediante combinación de las componentes
resultantes de una descomposición multibanda caracterizado
por los siguientes pasos:
- a.
- Aplicación sucesiva, un número determinado de iteraciones, de una descomposición multibanda de la imagen original sobre la imagen paso banda resultante de cada iteración del proceso de descomposición.
- b.
- Combinación interescalar de las componentes frecuenciales paso banda resultantes de las distintas iteraciones de la aplicación de la descomposición multibanda.
- c.
- Detección de estructuras orientadas en la imagen resultado de la anterior combinación.
10. Según reivindicación 9, procedimiento para
la detección automática de estructuras orientadas en entornos
ruidosos caracterizado por el hecho que la combinación
interescalar de las componentes frecuenciales especificada en el
apartado b se realiza mediante la suma de los coeficientes de las
bandas frecuenciales resultantes de cada iteración de la
descomposición multibanda.
11. Según reivindicación 9, procedimiento para
la detección automática de estructuras orientadas en entornos
ruidosos caracterizado por el hecho que la combinación
interescalar de las componentes frecuenciales especificada en el
apartado b se realiza mediante el producto espacial de los
coeficientes de las bandas frecuenciales resultantes de cada
iteración de la descomposición multibanda.
12. Según reivindicación 9, procedimiento para
la detección automática de estructuras orientadas en entornos
ruidosos caracterizado por el hecho que la combinación
interescalar de las componentes frecuenciales especificada en el
apartado b se realiza mediante la correlación de los coeficientes de
las bandas frecuenciales resultantes de cada iteración de la
descomposición multibanda.
13. Según reivindicación 9, procedimiento para
la detección automática de estructuras orientadas en entornos
ruidosos caracterizado por el hecho que descomposición
multibanda se realiza mediante una descomposición wavelet,
tanto en su versión diezmada como sin diezmar.
14. Según reivindicación 13, procedimiento para
la detección automática de estructuras orientadas en entornos
ruidosos caracterizado por el hecho que la combinación
interescalar de las componentes frecuenciales especificada en el
apartado b se realiza mediante la suma de los coeficientes de las
bandas frecuenciales resultantes de cada iteración de la
descomposición wavelet, tanto en su versión diezmada como
sin diezmar.
15. Según reivindicación 13, procedimiento para
la detección automática de estructuras orientadas en entornos
ruidosos caracterizado por el hecho que la combinación
interescalar de las componentes frecuenciales especificada en el
apartado b se realiza mediante el producto espacial de los
coeficientes de las bandas frecuenciales resultantes de cada
iteración de la descomposición wavelet, tanto en su versión
diezmada como sin diezmar.
16. Según reivindicación 13, procedimiento para
la detección automática de estructuras orientadas en entornos
ruidosos caracterizado por el hecho que la combinación
interescalar de las componentes frecuenciales especificada en el
apartado b se realiza mediante la correlación de los coeficientes de
las bandas frecuenciales resultantes de cada iteración de la
descomposición wavelet, tanto en su versión diezmada como
sin diezmar.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES200900029A ES2321577B1 (es) | 2008-12-23 | 2008-12-23 | Procedimientos para la deteccion automatica de estructuras puntuales y orientadas en entornos ruidosos mediante combinacion de las componentes resultantes de una descomposicion multibanda. |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
ES200900029A ES2321577B1 (es) | 2008-12-23 | 2008-12-23 | Procedimientos para la deteccion automatica de estructuras puntuales y orientadas en entornos ruidosos mediante combinacion de las componentes resultantes de una descomposicion multibanda. |
Publications (2)
Publication Number | Publication Date |
---|---|
ES2321577A1 ES2321577A1 (es) | 2009-06-08 |
ES2321577B1 true ES2321577B1 (es) | 2010-07-07 |
Family
ID=40732124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
ES200900029A Active ES2321577B1 (es) | 2008-12-23 | 2008-12-23 | Procedimientos para la deteccion automatica de estructuras puntuales y orientadas en entornos ruidosos mediante combinacion de las componentes resultantes de una descomposicion multibanda. |
Country Status (1)
Country | Link |
---|---|
ES (1) | ES2321577B1 (es) |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4797923A (en) * | 1985-11-29 | 1989-01-10 | Clarke William L | Super resolving partial wave analyzer-transceiver |
JP2002158857A (ja) * | 2000-11-20 | 2002-05-31 | Fuji Photo Film Co Ltd | マルチバンド画像処理方法及び装置と該画像処理方法を実行するためのプログラムを記録した記録媒体 |
US20050018750A1 (en) * | 2003-03-03 | 2005-01-27 | Foerster Jeffrey R. | Ultra-wideband transceiver architecture and associated methods |
DE102007013570A1 (de) * | 2007-03-21 | 2008-09-25 | Siemens Ag | Verfahren zur Rauschverminderung in digitalen Bildern mit lokal unterschiedlichem und gerichtetem Rauschen |
-
2008
- 2008-12-23 ES ES200900029A patent/ES2321577B1/es active Active
Also Published As
Publication number | Publication date |
---|---|
ES2321577A1 (es) | 2009-06-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Byun et al. | An area-based image fusion scheme for the integration of SAR and optical satellite imagery | |
Bhadauria et al. | Medical image denoising using adaptive fusion of curvelet transform and total variation | |
Shreyamsha Kumar | Multifocus and multispectral image fusion based on pixel significance using discrete cosine harmonic wavelet transform | |
Corner et al. | Noise estimation in remote sensing imagery using data masking | |
Chai et al. | Multifocus image fusion based on features contrast of multiscale products in nonsubsampled contourlet transform domain | |
Yang et al. | Fusion of infrared polarization and intensity images using support value transform and fuzzy combination rules | |
Anandhi et al. | An algorithm for multi-sensor image fusion using maximum a posteriori and nonsubsampled contourlet transform | |
AU2011303657B8 (en) | Processing sar imagery | |
Saxena et al. | A review on speckle noise filtering techniques for SAR images | |
Penna et al. | (Non-) homomorphic approaches to denoise intensity SAR images with non-local means and stochastic distances | |
Qian et al. | Image fusion method based on structure-based saliency map and FDST-PCNN framework | |
ES2321577B1 (es) | Procedimientos para la deteccion automatica de estructuras puntuales y orientadas en entornos ruidosos mediante combinacion de las componentes resultantes de una descomposicion multibanda. | |
Li et al. | Bionic vision-based synthetic aperture radar image edge detection method in non-subsampled contourlet transform domain | |
Yahia et al. | Infinite number of looks prediction in SAR filtering by linear regression | |
Devapal et al. | Comprehensive survey on SAR image despeckling techniques | |
Yahia et al. | SAR speckle denoising using iterative filter | |
Danso et al. | Denoising terahertz image using non-linear filters | |
Prudyus et al. | Sub-pixel based forming of high-resolution images | |
Su-xia et al. | Image fusion method based on NSCT and robustness analysis | |
Yue et al. | SAR image denoising in nonsubsampled contourlet transform domain based on maximum a posteriori and non-local constraint | |
Santoso et al. | A fuzzy approach for speckle noise reduction in SAR images | |
Zhao et al. | SAR image denoising based on wavelet-fractal analysis | |
MahdianPari et al. | Speckle reduction and restoration of synthetic aperture radar data with an adoptive markov random field model | |
Wielgus et al. | Non-local fringe image filtration: a new interferometric data filtration paradigm? | |
Qihua et al. | A destriping method combining strong filter with weak filter based on image divided and adapative strip noise detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
EC2A | Search report published |
Date of ref document: 20090608 Kind code of ref document: A1 |
|
FG2A | Definitive protection |
Ref document number: 2321577B1 Country of ref document: ES |