基于NSWT模极大值的PSF估计

大气湍流扰动严重影响了空间目标的观测、成像和识别。在目标图像的重建过程中,对成像系统和大气条件先验知识的缺乏使PSF(Point Spread Function)的估计成为解决病态问题的重要内容。在NSWT(Non-Subsampled Wavelet Transform)和Fried参数的理论基础上,根据不同尺度下小波变换模极大值和高斯点扩散函数方差的关系,结合Fried参数提出一种新的估计方法,即基于非抽取小波变换模极大值的PSF估计算法。实验结果证明,该估计算法是确实可行的,重建的PSF能够有效地改善因受大气湍流影响的图像解卷积的效果。

改进的Shearlet变换耦合频率特征的图像融合算法

目的解决当前图像融合算法大都直接在图像的像素灰度空间上进行融合,导致融合图像存在视觉效果差及算法鲁棒性不强等问题。方法文中提出改进的Shearlet变换耦合频率特征的多聚焦图像融合算法。将Shearlet变换(ST)和非下采样小波变换(NSWT)进行融合,形成改进的Shearlet变换(ST-NSWT)对源图像分解,获取图像的低、高频子带系数;构建区域能量模型,对源图像之间的低频子带系数进行相关性度量,完成低频子带的融合;对高频子带的频率特征进行分析,建立方差模型、平均梯度模型、空间频率模型,分别对源图像的灰度相关性、清晰度相关性及活跃度相关性进行测量,完成高频子带的融合,最后通过ST-NSWT逆变换,输出融合图像。结果与当前多聚焦图像融合算法相比,文中算法融合的图像能较好地保留更多的细节及边缘信息,使融合图像具备更佳的视觉效果。结论所提算法具有更好的融合质量,可用于遥感探测与包装印刷检测等领域。

基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。

非下采样小波域的四阶偏微分SAR图像去噪

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像受相干斑噪声的干扰会严重影响后续图像处理与分析的问题,提出了一种非下采样小波变换(NonSubsampled Wavelet Transform,NSWT)与四阶偏微分方程相结合的SAR图像去噪算法。首先利用NSWT将SAR图像分解为不同尺度、不同分辨率的高低频分量,然后利用四阶偏微分方程变换消除高频噪声,利用小波软阈值消除低频噪声,在去噪的同时能有效保留图像的边缘与细节,最后再利用NSWT逆变换进行重构。实验表明,该算法可以有效消除SAR图像的斑点噪声。