当前位置: > 论文范文 > 50000字论文范文基于WPSO和NSCT的遥感图像去噪算法研究

50000字论文范文基于WPSO和NSCT的遥感图像去噪算法研究

论文类型:论文范文
论文字数:50000字
论点:遥感,图像,变换
论文概述:

在遥感图像的获得和运送时,可能被随机噪声所扰乱,使得遥感图像的失真,让实际得到的图像质量下降,严重影响遥感图像的描述和解析。

论文正文:

第一章导言

1.1遥感图像噪声滤波的背景
随着空间、遥感和通信的快速全面发展,我们获得了越来越广泛的空。遥感是通过普鲁特知道的。第一台能够处理遥感图像的大型计算机是在20世纪60年代发明的,然后在全国各地得到了充分利用。20世纪90年代以后,随着计算机技术的快速发展、图像处理系统的成熟和地球观测技术的不断进步,遥感数字图像处理技术得到了快速发展。遥感图像处理是一种新型实用的检测技术,发展迅速,给人类带来巨大的利益。以下是主要应用领域简介:
(1)农林:作物类型的区分、土地资源和土壤肥力的检测、森林和草原资源的清查、病虫害的动态监测[等。;
(2)地质和矿产资源:遥感数据分析、地质条件了解、成矿条件地质分析、陆地卫星图像分析等。
(3)水文和海洋方面:水资源调查、冰雪海洋研究、检查大河源头特性等。;
(4)环境保护:检测大气分布,分析和评价环境和感染概率等。;
(5)测绘:侧视雷达扫描图像、编辑等。;
(6)地理学:对整体和部分、过程和模型等的研究。在遥感图像采集和传输过程中,会受到传感器、大气等因素的影响而产生噪声,导致边缘纹理细节模糊,图像质量下降。去噪的基本思想是利用遥感图像信号和噪声信号之间不同能量的状态分布差异,充分滤除遥感图像产生的噪声。图像去噪算法通常是用于空和变换域中的遥感图像的去噪算法。空域间去噪方法直接对图像进行处理,早期经典算法包括噪声阈值、加权平均和维纳滤波。变换域中经典的图像去噪算法包括傅立叶变换、重叠变换、小波变换和多尺度变换。
进入21世纪,在遥感图像的应用和处理方面,通过我国的大力推广和遥感图像的技术创新,形成了遥感图像的蓬勃发展。

1.2国内外遥感图像去噪进展
1.2.1国内遥感图像去噪进展
小波变换源于傅立叶变换,用于研究非平稳信号。1998年,学者们提出了一种新的信号稀疏表示方法,即多尺度几何分析(Multi scale GeometricAnalysis),能够清晰地获取遥感图像的细节和轮廓。遥感图像去噪多尺度几何分析的理论基础是:单尺度变换图像、联合多尺度变换图像和基于边缘保护的多尺度变换。根据遥感图像的结构因素,更好地描述遥感图像有三个特点:
(1)遥感图像精细(粗)分辨率的连续逼近,即多分辨率;
(2)本地基函数位于空(频率)域,即本地性;
(3)基函数不限于小波的三个方向,即方向性。2002年,马丁·维特利(Martin Vetterli)和曼努埃尔·多(M.N.Do)提出了一种新的、更有效的多分辨率、时频和方向各向异性遥感图像轮廓波变换描述方法。轮廓波变换使代表图像边缘的系数能量更加集中,在遥感图像处理中非常流行。2005年,阿瑟·库尼亚和曼努埃尔·多给出了一种非下采样轮廓波变换(NSCT)[,并将其应用于图像去噪领域。2008年,于梅和尹冰提出了一种基于边缘检测轮廓波变换的图像去噪算法。为了有效地去噪和恢复相对完整的遥感图像,该方法首先提取遥感图像的纹理等特征,然后在轮廓波域对遥感图像的(非)边缘部分使用不同的阈值,并使用软阈值进行优化去噪。实验的最终结果表明,该方法能够保护遥感图像的细节,取得较好的去噪效果。[/BR/]2009年,边策、钟华、焦立成等人提出了一种基于二元结构模型和非下采样轮廓波变换的遥感图像去噪新算法(NSCT)。该方法根据二元结构模型理论,利用非下采样轮廓波变换(NSCT)的优良特性和遥感图像系数的尺度关系,通过非下采样轮廓波变换估计噪声。实验的最终结果表明,峰值信噪比和图像复原效果有了很大提高,细节等遥感图像特征得到了很好的保留。

1.3……13-20
1.4……20-22
1.4.1本文的具体内容……20-21
1.4.2本文的理论结构……21-22
第二章遥感图像去噪方法的理论研究……22-36
2.1加权粒子群优化(WPSO)……22-23
2.2自由分布式错误发现率的理论概念……23-25
2.3遥感图像去噪的基本理论方法……25-28
2.4轮廓波变换的基本原理……28-30
2.5非下采样轮廓波变换(NSCT)……30-33
2.6遥感图像去噪阈值选择及质量评价;……33-34
2.7……34-36
第三章基于WPSO和NSCT的遥感图像去噪方法……36-41[/比尔/] 3.1算法含义……36-37
3.2过程算法……37[/比尔/] 3.3实验结果和分析……37-40
3.4结论……40-41
第四章基于罗斯福和NSCT的遥感图像去噪算法.......41-45
4.1算法含义……41-42
4.2本章的流程算法……42
4.3实验结果和分析……42-44
4.4结论……44-45

摘要

在获取和运输遥感图像时,可能会受到随机噪声的干扰,这会扭曲遥感图像,降低实际获取图像的质量,并严重影响遥感图像的描述和分析。因此,必须首先对遥感图像进行去噪处理,在去除遥感图像中包含的纹理信息和噪声信号时达到平衡状态。遥感图像去噪是为了得到更清晰的图像和图像的原始本质特征。
2002年,M.N.Do和马丁·维特利(Martin Vetterli)提出了一种多方向、多分辨率和时频轮廓波变换的二维遥感图像描述新方法。轮廓波变换能够准确获得图像的连续二次分割曲线,使得代表图像边缘的系数能量更加集中,在图像去噪领域得到广泛应用。为了进行轮廓波变换,需要对遥感图像进行多尺度变换,得到不同尺度边缘上的奇异点,然后将同一尺度上的近距离奇异点组合成线段结构,得到方向局部变换。但是,由于下采样过程的存在,轮廓波变换缺乏平移不变性,图像会产生伪吉布斯失真,影响去噪效果。
2005年,为了弥补轮廓波变换中采样造成的缺陷,库尼亚和曼努埃尔·多等人提出了一种非二次采样轮廓波变换(NSCT)。首先,对含噪声图像进行非下采样轮廓波变换,得到变换系数。然后,根据变换系数的能量自适应地调整去噪阈值。最后,通过逆变换得到去噪后的图像,该图像具有冗余性。非下采样轮廓波变换的平移不变性、方向和尺度特性能够更好地采集频率并具有规律性。滤波器的上采样已经实现,并在遥感图像的应用和处理中得到了很好的发展。