当前位置: > 论文范文 > 60000字论文范文基于小波变换的遥感图像去噪方法研究

60000字论文范文基于小波变换的遥感图像去噪方法研究

论文类型:论文范文
论文字数:60000字
论点:图像,遥感,变换
论文概述:

遥感图像在成像、传输过程中,图像受外界各种噪声以及传输设备的影响是不可能避免的,导致遥感图像通常会存在许多的缺点,遥感图像几乎都有分辨率较低,细节信息不足等缺陷

论文正文:

第一章导言

1.1遥感图像去噪和增强的意义
通过学者们对遥感技术的广泛研究和应用,遥感技术现已成为及时准确获取地理信息的重要方法之一。遥感图像通过高空成像设备获得目标图像。遥感图像必须通过计算机处理转换成数字图像。本文提到的所有遥感图像都是遥感数字图像。如今,遥感图像已成为获取地球表面信息的重要资源,并被广泛应用于越来越多的领域。然而,在获取遥感图像时,所获取的遥感图像总是含有各种噪声等缺点,这种不利影响是无法避免的,导致遥感图像的视觉效果、分辨率和亮度较差。我们通过各种设备获得的遥感图像灰度范围也相对较窄,遥感图像质量不高。因此,抑制遥感图像噪声、增强遥感图像、调整亮度不均匀或不足的遥感图像有效亮度的技术研究一直是遥感成像技术的重要内容。抑制遥感图像噪声,增强遥感图像,调整亮度不均匀性,可以提高遥感图像的质量,使我们想要的信息更加清晰,从而更有利于我们的分析和理解。

1.2图像去噪
1.2.1图像去噪方法
引入噪声是指影响图像接收设备或影响人类视觉系统对接收图像的分析或理解的所有因素。我们收到的遥感图像中有很多噪声。这些噪声主要分为三类:加性噪声、乘性噪声和量化噪声。
正是因为图像中包含的噪声是不同的,所以有很多方法去噪。最简单的方法是不经变换直接对图像去噪。这种去噪方法的基本思想是利用遥感图像局部邻域的统计信息来估计图像的灰度值,主要包括均值滤波、维纳滤波和In值滤波。图像在变换后也可以在变换域中去噪。用于将图像从空域变换到变换域的典型和常见的基本变换方法包括沃尔什-阿达马变换和傅立叶变换。尽管变换后的噪声图像的系数的特征分布是明显的。然而,在包含噪声的图像被变换之后,噪声主要集中在高频部分,并且图像的细节分量也集中在高频部分。用低通滤波器去除高频部分,然后用傅里叶逆变换得到滤波后的图像。同时,图像的高频细节丢失,导致重构图像的振铃和边缘模糊。小波变换和近年来发展起来的多尺度几何分析(MGA)在一定程度上克服了上述缺陷,因此许多不能在空域有效分析的信号在变换后可以得到有效分析。由于小波变换具有良好的时域和频域特性,它克服了傅立叶变换不能同时表现局部信号的时域和频域特性的缺点,成功解决了傅立叶变换无法解决的许多问题。因此,近年来小波在实践中得到了广泛的应用,[1]。
1.2.2小波去噪
小波分析是由傅立叶变换发展而来的,傅立叶变换是几种数学分析方法的组合。小波变换基于一些特殊的函数,将数据过程或数据序列转换成序列,从而发现其相似的频谱特征,实现数据处理。小波变换不仅能提供相对准确的时间方向,还能提供相对准确的频域定位。与傅里叶变换相比,小波变换继承和发展了短时傅里叶变换定位的思想,克服了傅里叶变换窗口大小不能随频率变化而变化的缺点。它可以提供随频率变换而变化的时频窗口,从而可以有效地从信号中提取有用的信息,并通过缩放和均衡运算对函数或信号进行多尺度分析,在信号处理中表现出比傅立叶变换更强大的功能。

1.3图像增强方法简介……11-16
1.3.1空中的图像增强方法介绍……12-13
1.3.2变换域图像增强方法……13-14 [/BR/] 1.3.3小波变换图像增强技术……14-16
第2章模糊集合论……16-24
2.1模糊集合论……16-24 [/BR/] 2.1.1模糊集的定义……16-17 [/BR/] 2.1.2分析……17-22
图像模糊增强算子的现有算法2.1.3模糊图像增强综述……22-24
第三章轮廓波变换和非下采样轮廓波变换……24-38
3.1多尺度几何分析(MGA)……24-25[/ Br/] 3.2轮廓波变换……25-33
3.2.1金字塔结构……27
3.2.2定向滤波器(DFB)……27-30
3.2.3多尺度和多方向分解:离散轮廓波变换........30-33
3.3非下采样轮廓波变换……33-38
3.3.1非下采样金字塔……34-35[/比尔/] 3.3.2非下采样定向滤波器组……35-36 [/BR/] 3.3.3非下采样轮廓波变换……36-38[/ Br/]第四章基于小波和NSCT的遥感图像自适应阈值去噪方法……38-45
4.1前言……38-39
4.2基于NSCT的遥感图像自适应阈值去噪方法……39-41
4.2.1阈值去噪……39-40[/比尔/] 4.2.2邻域信息的自适应阈值……40-41[/比尔/] 4.3……41-42
4.4实验结果和分析……42-44
4.5本章概述……44-45
第5章……45-53
基于NSCT域5.1的遥感图像模糊增强方法前言……45-46
5.2非下采样轮廓波变换和模糊增强算法……46-47
5.2.1模糊增强算法……46-47
5.3高频系数的处理方法……47-49[/溴/] 5.3.1高频系数阈值……47-48[/比尔/] 5.3.2选择阈值……48-49
5.4……49-50
5.5的实验结果和分析……50-52
5.6本章概述……52-53

摘要

遥感影像成像,在传输过程中,无法避免影像受到各种噪声和传输设备的影响。因此,遥感图像通常存在分辨率低、细节信息不足等缺陷。此外,遥感图像的整个灰度范围不能覆盖遥感传感器所达到的范围,这不利于遥感图像的进一步研究和分析。因此,遥感图像去噪和对比度增强是有效分析的关键步骤。传统图像去噪的最终目的是在去除图像信号中混合的噪声信号的同时,最大限度地保留图像的边缘和细节等有用信息。
传统遥感图像增强是指在不考虑图像质量下降的情况下,选择性地增强遥感图像中感兴趣或有用的特征信息,同时衰减二次信息。增强的遥感图像可以提高遥感图像的可读性。虽然改进的遥感图像不一定接近原始图像,但是它突出了图像的轮廓和边缘信息,并且还衰减了噪声。小波变换和轮廓波变换都是在频域增强图像的技术。随着小波变换理论的改进,利用小波良好的时域和频域特性,可以有效地去除图像噪声。小波变换是非线性去噪方法的鼻祖。
小波变换去噪是利用变换域中信号与噪声的不同相关性来区分不同的系数类别,从而达到噪声分离的目的,这种方法对一维信号具有更好的去噪效果。然而,对于二维信号(如图像信号),由于小波变换没有方向性,图像中平面和直线的奇异特性不能得到最好的表征,这导致小波变换在图像去噪中的应用不能取得很好的效果。