检索结果-内蒙古大学图书馆

北京交通大学学报 2012年第2期36卷 24-28页

作者：刘帅奇胡绍海肖扬北京交通大学现代信息科学与网络技术北京市重点实验室北京100044

在分析了SAR图像的噪声成因及其噪声模型的基础上,提出了一种适用于复轮廓波变换域的高斯比例混合模型的SAR图像去噪(CCT-GMS)算法.本文所提出的算法具有多方向多尺度移不变性,并且充分的利用了复轮廓波的时域和频域的特性,改善了图像... 详细信息

在分析了SAR图像的噪声成因及其噪声模型的基础上,提出了一种适用于复轮廓波变换域的高斯比例混合模型的SAR图像去噪(CCT-GMS)算法.本文所提出的算法具有多方向多尺度移不变性,并且充分的利用了复轮廓波的时域和频域的特性,改善了图像的视觉效果.实验结果表明:相比使用小波-轮廓波加上Cycle Spinning去噪,本文算法的峰值信噪比提高2 dB,相比使用BLS-GMS去噪,本文的算法抑制了人造纹理产生,视觉效果得到了明显的改善.

关键词：复轮廓波变换高斯比例混合模型轮廓波(Contourlet)变换去噪合成孔径雷达图像去噪

来源：评论

学校读者我要写书评

暂无评论

一种新的结合非下采样Contourlet与自适应全变差的图像去噪方法

引用

电子与信息学报 2010年第2期32卷 360-365页

作者：武晓玥郭宝龙李雷达西安电子科技大学智能控制与图像工程研究所西安710071

该文提出了一种新的结合非下采样Contourlet变换(NSCT)和自适应全变差模型的图像去噪方法。首先通过NSCT对含噪图像进行分解,根据高斯比例混合(GSM)模型建立图像模型;然后利用贝叶斯估计进行图像去噪,重构后得到初次去噪图像;最后,结合... 详细信息

该文提出了一种新的结合非下采样Contourlet变换(NSCT)和自适应全变差模型的图像去噪方法。首先通过NSCT对含噪图像进行分解,根据高斯比例混合(GSM)模型建立图像模型;然后利用贝叶斯估计进行图像去噪,重构后得到初次去噪图像;最后,结合自适应全变差模型对初次去噪图像进行重构滤波,得到最终的去噪图像。实验结果表明,该方法可以有效地消除图像中的Gibbs伪影及噪声,在去噪图像峰值信噪比(PSNR)和边缘保持性能上都优于已有的算法。

关键词：图像处理非下采样Contourlet变换自适应全变差高斯比例混合模型

来源：评论

学校读者我要写书评

暂无评论

一种新的基于非下采样Contourlet变换的图像去噪方法

引用

光电子．激光 2009年第5期20卷 657-661页

作者：武晓玥郭宝龙李雷达西安电子科技大学智能控制与图像工程研究所陕西西安710071

提出了一种新的结合非下采样Contourlet变换(NSCT)和高斯比例混合模型的图像去噪方法。采取的主要方法为:1)通过NSCT对图像进行分解;2)根据高斯比例混合模型建立图像模型;3)利用贝叶斯估计进行图像去噪。实验结果表明,相对于已有算法,... 详细信息

提出了一种新的结合非下采样Contourlet变换(NSCT)和高斯比例混合模型的图像去噪方法。采取的主要方法为:1)通过NSCT对图像进行分解;2)根据高斯比例混合模型建立图像模型;3)利用贝叶斯估计进行图像去噪。实验结果表明,相对于已有算法,本文方法降噪效果好,在去噪性能指标和边缘保持的主观视觉上都表现出优异的性能。

关键词：非下采样Contourlet变换(NSCT) 图像去噪贝叶斯估计高斯比例混合模型

来源：评论

学校读者我要写书评

暂无评论

采用GSM模型进行稀疏表示的SAR图像降斑算法

引用

信号处理 2017年第11期33卷 1457-1467页

作者：何碧容蔡倩孔莹莹周建江南京航空航天大学自动化学院江苏南京210016

针对SAR图像降斑过程中会产生过平滑现象及相干斑的滤除不彻底等问题,提出了稀疏结构符合高斯比例混合(Gaussian Scale Mixture,GSM)模型的SAR图像降斑算法。根据贝叶斯原理以及相干斑的统计特性推导该算法的数学模型,在块匹配过程中使... 详细信息

针对SAR图像降斑过程中会产生过平滑现象及相干斑的滤除不彻底等问题,提出了稀疏结构符合高斯比例混合(Gaussian Scale Mixture,GSM)模型的SAR图像降斑算法。根据贝叶斯原理以及相干斑的统计特性推导该算法的数学模型,在块匹配过程中使用概率而不是欧式距离进行权重衡量,根据图像块之间的结构相似度,可以有效区分同质区与异质区,并得到图像块的较优均值估计。使用PCA字典学习方法对每个图像块进行子字典训练,实现同步稀疏编码(Simultaneous Sparse Coding,SSC),数学模型的求解利用迭代正则化方法。分别使用合成场景SAR图像及真实场景SAR图像对算法进行验证,实验表明,相比于目前已提出的PPB算法、SAR-BM3D算法及FANS算法,该算法能有效提高等效视数,在滤除相干斑的同时很好地保留了图像的局部结构特性与纹理特征。

关键词：高斯比例混合模型同步稀疏编码 SAR图像降斑贝叶斯估计

来源：评论

学校读者我要写书评

暂无评论

图像无损压缩及去噪技术研究

图像无损压缩及去噪技术研究

引用

作者：武晓玥西安电子科技大学

学位级别：博士

目前,数字图像视频技术被广泛应用于通信、计算机、广播电视等领域,由于数字图像视频数据量巨大,对存储空间和传输信道提出了极高的要求,而且例如航天,医疗等领域对视频图像的质量要求无损或者近无损。因此,视频图像压缩编码技术的研究... 详细信息

目前,数字图像视频技术被广泛应用于通信、计算机、广播电视等领域,由于数字图像视频数据量巨大,对存储空间和传输信道提出了极高的要求,而且例如航天,医疗等领域对视频图像的质量要求无损或者近无损。因此,视频图像压缩编码技术的研究在当前环境下在显得越来越重要,其发挥的作用越来越显著,而且已成为影响多个引人瞩目的高科技领域发展的重要因素。为此,研究与开发快速、实用的视频图像无损压缩技术已成为一项十分迫切和重要的课题。图像在获取和传输过程中很容易受到各种因素的干扰,使得采集到的图像包含噪声。为了对后续图像进行各种图像处理,有必要对图像进行去噪处理。而噪声的去除是图像分析和计算机视觉中最基本而又非常重要的技术,它已经成为图像处理中十分重要的步骤。因此,为抑制噪声,提高图像质量,便于进一步处理,研究快速、有效的去噪方法仍然是目前的一个研究热点。本文主要以图像无损压缩与去噪技术为主线,针对图像无损压缩与去噪中的关键技术和应用进行了深入地研究,提出了多种性能更好的处理算法并给出了一种嵌入式硬件设计。本文的主要工作及贡献简述如下: 1.深入研究了图像与视频无损压缩的基本原理与研究现状,对主要标准和压缩算法做了分析和总结。以无损压缩系统为框架,对视频图像压缩系统的发展及应用进行了概述,对比了主流的系统设计方法,指出了各自的优缺点。其后对图像去噪技术的发展,研究现状以及经典算法做了分析,总结和概括。2.针对SPIHT算法在图像无损压缩中计算复杂度高及对低位平面编码效率较低的现状,提出一种结合整数小波变换与改进的SPIHT无损图像压缩算法SSPIHT。利用整数小波分解后的系数分布情况,调整相应的SPIHT编码结构。结果表明,当测试不同类型的图像,所提出的方法取得的平均比特率较其他方法有所降低,编码时间有明显减小,而且该算法在较低的存储空间下可获得较好的压缩性能,易于硬件的实现。3.针对视频无损压缩编码算法中的自适应模型预测精度问题,提出了一种新的自适应无损视频压缩算法AMLVC,给出一种新的自适应预测模型设计。该算法利用时间,空间和频域的冗余信息通过后向自适应模型对视频进行无损压缩,同时减少了边界信息的传递。算法使用自适应预测模式选择器来取代额外比特预测模式,较好的控制了计算复杂度。同已有算法相比,该算法对视频序列表现出优秀的压缩性能,压缩效率明显提升。 4.针对小波稀疏性能不理想的问题,提出了一种非下采样Contourlet变换(NSCT)结合高斯比例混合模型的图像降噪算法。算法基于NSCT变换,建立高斯比例混合图像模型(GSM),根据贝叶斯估计得到去噪模型。另外结合NSCT变换改进了基于SURE准则的图像去噪算法。算法根据SURE准则建立对MSE的估计,利用线性阈值对图像分解后不同尺度、不同方向的轮廓细节自适应调节实现图像去噪。 5.为解决图像重构中产生的Gibbs伪影问题,提出一种结合非下采样塔式滤波器和全变差模型的图像去噪算法。金字塔滤波器把阈值去噪后的图像分解为低频和高频子带,利用全变差模型对分解图像分别建立去噪模型,得到重构图像。其后再次结合全变差模型得到细节补偿图像,叠加后得到最终去噪图像。另提出一种结合NSCT和自适应局部全变差模型的图像去噪算法NSCT-DTV,利用自适应局部全变差模型对处理后的图像结果进行滤波,有效地去除图像中的噪声,保留图像细节。实验结果表明,以上方法均能有效去除图像中的噪声和Gibbs伪影,保留图像细节,获得更好的视觉效果和更高的PSNR值。 6.针对目前对无损压缩领域中嵌入式系统的广泛需求,本文分别设计实现了一种通用型嵌入式图像无损压缩系统和一种应用于空间的图像无损压缩系统。通用型系统首先结合相关无损压缩算法,以TMS320DM642为核心处理器,可实现多种无损压缩算法,可应用于工业等多种领域。另外结合CCSDS技术,以FPGA(STRIX-II)为核心处理器,实现了可应用于空间图像无损压缩的图像处理系统。系统的主要特点有:嵌入式设计,硬件实时压缩,体积小,功耗低,可广泛应用于卫星遥感,飞行航拍等领域。

关键词：无损压缩 SPIHT编码自适应模板图像去噪 NSCT 高斯比例混合模型偏微分方程 CCSDS

来源：评论

学校读者我要写书评

暂无评论

基于非局部自相似的Shearlet自适应收缩图像去噪

引用

计算机应用 2015年第1期35卷 235-238页

作者：许志良邓承志深圳市可视媒体处理与传输重点实验室(深圳信息职业技术学院) 广东深圳518172 深圳信息职业技术学院软件学院广东深圳518172 南昌工程学院信息工程学院南昌330099

针对Shearlet收缩去噪引入的Gibbs伪影和"裂痕"现象,提出一种结合非局部自相似的Shearlet自适应收缩图像去噪方法。首先,对噪声图像进行多方向多尺度的Shearlet分解;然后,基于高斯比例混合(GSM)模型的Shearlet系数分布建模,... 详细信息

针对Shearlet收缩去噪引入的Gibbs伪影和"裂痕"现象,提出一种结合非局部自相似的Shearlet自适应收缩图像去噪方法。首先,对噪声图像进行多方向多尺度的Shearlet分解;然后,基于高斯比例混合(GSM)模型的Shearlet系数分布建模,利用贝叶斯最小二乘估计对Shearlet系数进行自适应收缩去噪,重构得到初始去噪图像;最后,利用非局域自相似模型对初始去噪图像进行滤波处理,得到最终的去噪图像。实验结果表明,所提方法在更好地保留边缘特征的同时,有效地去除噪声和收缩去噪引入的Gibbs伪影,该方法获得的峰值信噪比(PSNR)和结构自相似指标(SSIM)比基于非抽样剪切波变换(NSST)的硬阈值去噪方法提高1.41 d B和0.08;比非抽样Shearlet域GSM模型去噪方法提高1.04 d B和0.045;比基于三变量模型的剪切波去噪方法提高0.64 d B和0.025。

关键词：图像去噪 Shearlet变换非局部自相似高斯比例混合模型贝叶斯最小二乘

来源：评论

学校读者我要写书评

暂无评论

面向同场景光学图像特征逼近的SAR图像预处理技术

面向同场景光学图像特征逼近的SAR图像预处理技术

引用

作者：何碧容南京航空航天大学

学位级别：硕士

随着我国星载SAR卫星的成功发射,星载SAR图像的数据资源越来越丰富,SAR图像可以全天时全天候获取,有效弥补了星载光学图像获取受白昼交替和大气气象条件影响的缺陷。但SAR图像的解译比光学图像复杂,对于人眼而言,SAR图像的直观性不如光... 详细信息

随着我国星载SAR卫星的成功发射,星载SAR图像的数据资源越来越丰富,SAR图像可以全天时全天候获取,有效弥补了星载光学图像获取受白昼交替和大气气象条件影响的缺陷。但SAR图像的解译比光学图像复杂,对于人眼而言,SAR图像的直观性不如光学图像。所以迫切需要将SAR图像向光学图像转换或逼近。而SAR的特殊成像原理会导致SAR图像相干斑噪声严重、图像动态范围较高、几何畸变等。本文针对SAR图像预处理技术,对基于稀疏表示和变换域的SAR图像相干斑抑制、高动态范围SAR图像增强技术、与同场景光学图像特征逼近等问题展开研究。主要研究内容与成果如下:(1)基于高斯比例混合模型,根据贝叶斯原理以及相干斑的统计特性进行数学建模,推导出适用于SAR图像降斑的稀疏表示模型。在块匹配过程中使用概率分布计算图像块之间的结构相似度,有效区分出了同质区与异质区,并得到了图像块的较优均值估计。使用迭代正则化方法对数学模型进行了求解,所得最优解即为去噪后的图像。实验结果表明,该算法在滤除相干斑的同时很好地保留了图像的局部结构特性与纹理特征。(2)提出了在NSCT域内结合自适应收敛与稀疏表示进行滤波的算法。研究了相干斑噪声在高频子带的统计特性,由此将高频子带相干斑抑制过程转化为恢复子带稀疏度的问题。使用先验比及后验比对高频子带进行掩码估计并实现自适应收敛,滤除部分相干斑,以此减小在利用高斯比例混合模型对高频子带进行稀疏表示的过程中噪声对字典训练的影响。实验结果表明,所提算法在降斑性能良好的同时具有较优的边缘及细节保持能力。(3)针对高动态范围SAR图像,使用对比度-色调映射优化方法实现图像增强。将色调连续这一约束条件加入到对比度增益模型中,当对比度增益最大化时避免了色调失真,算法简单有效。实验结果表明,该方法对于背景信息较暗、目标较亮的高动态范围SAR图像有很好的增强效果,较好地提高了图像对比度。(4)研究了基于ENVI平台的SAR数据处理方法。在ENVI平台上使用SARscape软件对SLC型SAR数据进行了多视、滤波、地理编码与标定等预处理,并使用基于图像结构信息的相似度测量指标对处理后的SAR图像与同场景光学图像进行相似度评估。实验结果表明,处理后的SAR图像与同场景光学图像相似度提高。

关键词： SAR图像相干斑抑制稀疏表示高斯比例混合模型图像增强对比度-色调映射优化相似度评估

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：