一种噪声类型识别的遥感图像PDE去噪模型

遥感图像去噪是遥感图像进一步被分析和识别的前提与基础。传统的去噪模型由于对噪声不加识别的进行处理,从而往往达不到较好的去噪效果。文中利用小波变换能够对噪声类别进行识别的特性,以及P-M模型和ENI模型在处理高斯噪声和椒盐噪声时的优势和不足,提出了一种基于噪声类型的模型。该模型能够根据遥感图像噪声的类型而自动调整相应的参数,从而进行有针对性的去噪,在有效去除遥感图像噪声的同时,很好保持了图像的边缘和纹理细节信息。实验结果证实了本文方法的有效性和稳定性。     

一种图像椒盐噪声自适应滤除算法及研究

在已有极值中值的滤波算法的基础上,提出一种自适应滤波算法.该算法对于不同椒盐噪声密度采用不同滤波方法,在噪声密度较低时,采用同时考虑灰度差值和空间距离的自适应权重函数进行滤波,在噪声密度较大时,采用递归方式进行均值滤波.实验证明,该算法在滤除椒盐噪声能力、细节保护能力方面均有较大提高.     

一种用于去除图像椒盐噪声的滤波算法

由于图像在获取、传输等过程中会受到各种噪声的影响,而在大多数应用中,又需要清晰的、高质量的图像,所以图像去噪是图像预处理中一项重要任务.图像中所含的噪声有很多种,椒盐噪声是其中最常见的一种.针对图像中所含的椒盐噪声,提出了一种改进的滤波去噪算法.实验结果表明,与其他常见滤波方法相比,改进算法简单有效.     

一种滤除椒盐噪声的改进的中值滤波算法

根据数字图像中椒盐噪声像素的特点,提出了一种非常有效的椒盐噪声检测算法：两极门限检测法,并通过实验验证了该算法的有效性。在两极门限检测法基础上,本文进一步提出了一种改进的中值滤波算法,该算法能够有效地滤除数字图像中的高密度椒盐噪声,同时尽可能地保留图像细节。     

一种有效去除椒盐噪声的滤波算法

文章在已有极值中值滤波算法的基础上,提出一种改进的滤波算法.该算法对于不同密度的椒盐噪声采用了不同的滤波方法.在噪声密度较低时,采用有效信号的均值滤波;在噪声密度较大时,采用递归方式进行滤波.经过大量实验证明,该算法在滤除椒盐噪声能力和细节保护能力方面均有较大提高.     

GPU实现的椒盐噪声自适应中值滤波算法

提出了一种基于先检测、后滤波的椒盐噪声滤除GPU实现算法。该算法首先依据椒盐噪声的特征,将图像像素分为噪声和信号,然后对噪声像素作标准中值滤波,如果中值为信号,则用中值代替噪声像素灰度值;如果中值为噪声,则取中值邻域,如果中值邻域为信号,则用它代替噪声像素灰度值;否则扩大邻域窗口,重复算法。但随着图像规模的增大,在CPU上执行的时间显著增加。分析并利用图形处理器（GPU）的并行处理特征,并在GPU上实现了本文算法。实验结果表明所提出的算法较经典的自适应中值滤波算法有较好的去噪效果和边缘保护能力,并且随着图像规模的增大,算法执行时间较CPU可以提高最多3个数量级。     

基于信号分析的椒盐噪声滤波算法

椒盐噪声对图像造成或亮或暗的像素点,从视觉上影响图像的质量。采用基于信号分析的方法去除图像中的椒盐噪声,信号分析能准确判断出噪声与信号像素,该方法依据椒盐噪声模型准确区分信号与噪声,对信号像素给予保留,而对于噪声像素则有针对性地对其作中值滤波、扩大的中值滤波或均值滤波。实验结果表明,与线性加权、梯度倒数加权以及小波去噪算法相比,文中算法能有效降低图像中的椒盐噪声,对图像的边缘与细节保持较好,并且能得到较高的信噪比。     

基于相关度预测的椒盐噪声自适应滤除算法

在分析现有的细节保护滤波算法的基础上,提出了一种基于相关度预测的图像椒盐噪声自适应滤除算法。对于信号像素,保持灰度值不变。对于噪声嫌疑像素,利用对邻域灰度相关量化分析和定义的灰度相关函数作为信号邻域相关性的度量,并将该系数作为预测滤波算法的阈值进行判别。根据像素被判定为噪声或有效信号的概率,自行调整滤波强度,减少图像滤波处理中的细节损失。实验表明,该算法的噪声滤除能力、细节保护能力以及运算效率都可以得到满意的结果。     

一种新颖的去除SAR图像斑点噪声的各向异性扩散模型

在合成孔径雷达(synthetic aperture radar,SAR)图像中,受斑点噪声的影响,边缘、纹理、细小目标等细节信息容易被腐化。对于处理这一复杂问题,提出了一种新颖的各向异性扩散模型。该方法设法达到一种相互矛盾的目标:去除同质区域噪声的同时,保存弱的边缘,以及更有效的保持强的目标信息。并通过与其他两种方法同时作用于Lena的乘性噪声图像和一个真实的SAR图像来做比较,证明该方法的有效性。     

基于MATLAB中IPT函数的一种遥感图像配准方法

MATLAB的图像处理工具箱中有基于点特征图像配准的函数,首先对这些函数进行了详细介绍,并使用其完成了遥感图像的配准,之后提出了边缘检测的算法,与上述函数法进行结合,使特征点的提取难度降低,最后对该方法进行了分析,提出了下一步研究重点.     

基于无人机遥感影像处理方法的可行性试验

近年来,随着我国经济的高速发展与城镇化进程的迅速推进,各地区、各部门对地形地物资料的现势性、精度、周期的需求越来越高。传统的数据获取手段越来越显现出其局限性,而无人飞行器遥感系统应运而生,为中小城市特别是城、镇、县、乡等地区的经济和文化建设提供了行之有效的手段。本文利用PixelGrid对试验区的无人机遥感影像数据进行了研究处理,进一步验证了无人机影像处理的流程和方法,处理成果表明：精度指标完全可以满足对应测量规范的要求,可用于后续的数字正射影像图生产。     

遥感影像分辨率与地图比例尺的关系及应用浅析

多种分辨率、多尺度等概念,是描述遥感影像、数字制图、数字摄影测量的重要技术指标,这些概念与地图学上表示的比例尺有一定的异同点。本文从这些概念的定义、分类及相互间的关系出发,结合黄河中游土地利用现状、水土保持措施分布情况的遥感监测影像分析资料,提出对影像空间分辨率应用的建议意见,对从事遥感制图工作者在遥感技术应用和数字制图方面有较好的参考作用。     

QuickBird遥感影像的融合及在土地利用调查中的应用研究

应用比值变换、IHS变换、主成分变换3种影像融合方法对QuickBird多光谱和全色遥感影像融合，并对融合结果进行评价．以增强处理的QuickBird影像为基础建立解译标志，进行人机交互式解译分类——土地利用类型的专题信息提取．并利用地理信息系统软件制作土地利用类型现状图．     

高分辨率遥感影像在林业应用中存在的问题与思考

高分辨率遥感影像的出现，给林业遥感带来前所未有的机遇,但是高分辨率遥感影像在林业领域中的应用面临诸多问题,如数据源的价格偏高、图像阴影无法去除、树种识别困难和森林蓄积量估测精度不高等,提出了建立主要树种的波谱数据库，采用基于多特征的面向对象的分类技术，提高高分辨率影像在林业中的应用水平等建议。     

《遥感图像解译》课程改革的实践与思考

随着遥感技术的飞速发展,遥感图像资源日益丰富,需要处理的数据量也呈现海量增长的趋势,迫切需要突破图像数据向有价值信息转化的瓶颈,遥感图像解译因而成为目前我国遥感学科建设的重要方向之一。我院《遥感图像解译》课程为面向电子信息类硕士研究生的专业选修课,在对这门课的教学实践与科研活动的基础上,从《遥感图像解译》课程的体系和内容的组织、教学方法与教学形式的应用、实践教学设计等环节,较为系统地论述了该课程的建设成果,并在实践中得到了良好的应用。     

基于改进总变分算法的遥感图像去噪方法研究

遥感图像在成像和传输过程中所受到的大量噪声干扰在很大程度上影响了图像的质量和使用.近年来,基于PDE（Partial Differential Equation）的图像去噪因其所具有的局部自适应特性、形式上的规范性和模型建立的灵活性而受到关注,而如何在有效的去除噪声的同时很好的保留图像的细节信息成为遥感图像滤波所追求的目标.本文首先对原有的总变分模型（TV模型）及其改进模型（M-模型）的基本原理及其所存在的不足进行了分析,在此基础上,提出一种基于标准梯度和边缘引导函数的全变分改进模型,该模型克服了传统TV模型容易产生＂阶梯效应＂,以及M-模型在去噪的同时会对图像过度平滑、容易丢失纹理细节信息的不足,在有效去除遥感图像噪声的同时,很好的保持了图像的边缘和纹理细节信息.实验结果验证了所提出模型的稳定性和有效性.     

基于多尺度小波的城市遥感图像纹理特征提取

遥感技术为人们提供了大量的图像数据,如何从中提取所需信息,是遥感图像处理技术研究的热点。基于多尺度小波变换,可提取城市图像的纹理特征。根据城市影像中地物特征和小波技术的特点,确定合适的窗口大小,采用逐一滑动窗口的方法,对每一窗口提取相应的小波统计特征;应用小波变换的多尺度特性,在不同尺度上提取出子图像特征,构造出纹理特征矢量,为遥感图像的分类提供纹理特征。     

基于像素和面向对象的高分辨率遥感影像分类方法比较

以QuickBird高分辨率遥感影像作为信息源,用ENVI对影像进行基于像素的分类和面向对象的分类,对分类结果进行目视和精度比较．结果表明,面向对象的分类方法可以有效提高高分辨率遥感影像分类精度．     

一类改进的PDE模型在图像去噪和分割中的应用

利用变分原理研究了图像能量泛函的极小值问题所对应的一类改进的偏微分（PDE）模型．通过对偏微分方程的研究,从形式上分析得到方程的解即结果图像,在去噪后与初始图像有较小的偏差,很好地保持了初始图像所具有的特征．实验结果验证了这种分析结果的正确性,并且得到在去噪时间相同的条件下,结果图像要比以往的模型较好．在分割处理上,结果图像也有较好的分割效果．