SAR图像理解与解译研究进展

本文主要评述SAR图像理解与解译的研究现状，并指出了该领域的相关问题及今后的发展趋势．论文从SAR图像相干斑抑制、图像分割、特征提取、识别与分类等六个方面较深入地分析了SAR图像理解与解译关键技术的最新进展，指出了进一步研究的方向．

基于方向纹理信息的图像融合

鉴于Brushlet分解方向纹理信息的特性,提出一种基于方向纹理信息的图像融合新方法,给出一种基于加权局域能量的融合算子。该方法充分利用已知图像中的高维奇异性信息,有效地保持了各项异性的边缘信息和细节方向纹理信息。对普通图像、航拍图像和医学图像分别进行融合操作,并将融合结果与已知图像的熵和交叉熵作为客观评价指标,与相应小波融合方法进行了比较。仿真结果表明,本文方法融合结果与小波域相应方法比较有明显改善。

图像的多尺度几何分析:回顾和展望

多尺度几何分析旨在构建最优逼近意义下的高维函数表示方法 .本文以二维函数的非线性逼近为主线 ,分析了推动多尺度几何分析发展的深刻数学和生理学背景 ,综述了图像多尺度几何分析方法的最新进展及存在的问题 。

脊波理论:从脊波变换到Curvelet变换

本文旨较系统地评述继小波理论后,新近发展起来的具有变革意义的脊波理论的发展沿革、研究现状、应用前景和存在的问题。在信号处理、数据压缩、模式识别、统计估值等领域,获得对某些函数类的高的非线性逼近能力是至关重要的。由一维小波张成的二维小波虽然能有效表示含“点奇异”的二维函数,但对于含“线奇异”的二维函数,却不能获得最优的甚至哪怕是“近似最优”的非线性逼近阶。Candes提出的脊波变换巧妙地将二维函数中的“直线奇异”转化为“点奇异”,再用小波进行处理,能获得对含“直线奇异”的二维或高维函数最优的非线性逼近阶。正交脊波,则延续了脊波变换将“直线奇异”转化为“点奇异”进行处理的思想,并且构成一组L2(R2)上的标准正交基。单尺度脊波和Curvelet变换由脊波变换发展而来,分别利用了函数局部化和频带剖分的思想,将脊波理论发展到了一个更高的阶段,这两种变换都能“近似最优”的表示直线和曲线奇异,因而具有更好的应用前景。

基于Brushlet复特征的纹理分类

Brushlet是一种新的图像方向信息分析工具,其能量特征已被应用于纹理分割、分类以及去噪等领域。该文利用Brushlet变换为复函数这一特性,提取其能量及相位信息作为纹理分类特征。通过对Brodatz纹理图像库中均匀、非均匀以及全部图像进行分类实验,较之单一能量特征的分类方法,Brushlet复特征取得了更好的分类性能。

基于二维提升结构的SAR相干斑噪声抑制

针对SAR图像提出了一种新的二维提升变换斑点噪声抑制方法。这种方法利用提升结构构造的双正交小波所具有的良好的逼近和重构性能,以及平滑面区域的特性而实现。仿真时将阈值去噪环节加入变换中。仿真结果表明,本文提出的二维提升变换方法在充分抑制图像斑点噪声的同时,能很好地保持均匀区域内的辐射特性,图像中的边缘、细小特征和点目标,以及图像的纹理特征,克服了传统降噪方法的不足,具有较好的视觉效果。