纹理SAR图像的多分辨率分析和分类(英文)

应用小波变换研究纹理合成孔径雷达（ＳＡＲ）图像的多分辨率分析和分类，首先应用树状结构的小波变换算法对一幅纹理ＳＡＲ图像进行多分辨率分解，并对图像中的不同纹理类型进行定量分析，然后将金字塔结构的小波变换算法应用到图像的多分辨率分类，所得结果证明了小波变换在纹理ＳＡＲ图像分类中的优越性。     

SAR图像的分维特征提取

通过对合成孔径雷达（ＳＡＲ）图像的目标统计特性的分析，从理论上证明了ＳＡＲ图像的分维现象的存在性，提出了一种ＳＡＲ图像分维特征提取算法；最后，利用分维特征对分辨力为３ｍ×３ｍ机载Ｘ—ＳＡＲ成像数据进行了分割处理。     

基于Haar小波变换的无失真图像压缩

提出了一种利用Ｈａａｒ小波进行图像无失真压缩的算法。对线性预测后的图像进行Ｈａａｒ小波分解，将各子带小波系数根据大小分解成两部分，其位置信息分别通过自适应算术编码进行了有效的压缩。试验结果表明，该算法实现简单，达到了很好的压缩效果。     

一种基于区域分集的SAR相干斑抑制算法

合成孔径雷达（ＳＡＲ）因为相干成像原理所固有的相干斑噪声是影响其图像质量的主要原因。文中根据ＳＡＲ图像的纹理特征和相干斑噪声的统计特征，提出了一种基于区域分集的相干斑抑制算法。本算法能够完全保留ＳＡＲ图像边缘特征，同时对相干斑具有较好的抑制能力。实验结果表明，本算法处理效果优于目前常用的相干斑滤波算法。     

冗余提升不可分离小波的图像融合方法

提出了一种基于冗余提升不可分离小波的多源图像融合方法。该方法不仅能很好地提取图像的细节信息,而且具有平移不变性,非常适合于图像融合;同时,采用基于局部邻域梯度的融合规则对分解后的高频和低频小波系数作不同的处理。对多光谱红外图像以及不同类型的医学图像进行了融合试验,结果表明该方法可以取得更好的融合效果。     

基于小波框架变换的图像融合方法

利用框架分解的多分辨率特性和方向性,建立了一种新的基于框架多尺度分解的分层图像融合方法,提出了新的融合规则和融合算子.实验表明,基于框架变换的图像融合方法是有效的,融合后的图像质量得到了较大提高.     

基于小波变换的图像修复算法

传统的图像修复算法速度慢，对大面积的破损区域修复效果较差．本文针对这一缺点，首先对待修复图像进行小波分解，使得图像的破损区域在低频部分留下的空洞大为缩小，然后利用基于快速行进法（FMM）的图像修复算法修复低频部分的破损区域，再利用低频信息来预测相应的高频信息，最后进行小波重构，并对受损部分进行自然化处理，得到修复的图像．仿真实验结果表明，本文提出的算法速度快，修复结果基本恢复了原有的视觉效果．     

合成孔径雷达图像特征及压缩研究

合成孔径雷达图像压缩有助于减少数据率，对图像传输和存贮效率的提高有积极的意义。对合成孔径雷达图像统计模型进行了研究，给出了其概率分布和相关性能分析，并用ＳＥＡＳＡＴ－ＳＡＲ数据进行了统计。据此提出了无失真压缩算法，达到了熵压缩边界，并对合成孔径雷达有失真压缩进行了讨论。     

一种新的快速RSA算法

提出了一种新的快速ＲＳＡ算法。这种算法利用平方剩余和乘同余的对称特性，使ＲＳＡ算法的求模运算量平均减少了约３０％，并通过降低乘数和被乘数的绝对值缩短了乘法时间，从而提高了整个ＲＳＡ算法的速度。     

基于特征的小波变换与高通滤波相结合的图像融合算法

提出了一种基于多尺度分解的像素图像融合方法,综合考虑图像的边缘特征和小波变换后的系数相关性,对低频分量进行高通滤波,得到低频分量的细节分量并进行融合;在高频区域采用提取图像的边缘和区域能量相结合的方法进行融合.实验结果表明该算法具有很好的融合效果.     

基于提升小波变换的医学图像融合算法

图像融合是将多幅图像的信息综合到一幅图像的技术,它使得融合后的图像包含更为准确、更为全面可靠的图像描述。为了改善传统医学图像融合算法对细节信息的丢失,采用提升小波的方式将源医学图像进行分解,并分别对高低频采用不同的融合规则,最后经小波逆变换得到目标图像。仿真实验结果表明,该算法是有效可行的。     

基于平稳Contourlet变换的极化SAR图像融合

提出一种新颖而有效的基于平稳Contourlet变换的极化SAR图像融合算法。平稳Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用平稳Contourlet变换对多个单极化强度图像进行分解,对于低频系数和方向高频系数采用最优加权算法实现极化图像的融合处理。实验结果表明,该算法与PWF算法相比在保留原始图像边缘和纹理信息同时,可以有效地抑制相干斑噪声的影响,取得较好的融合视觉效果。     

基于Curvelet变换的多聚焦图像融合算法

曲波变换是近几年发展的多尺度分析方法,它比小波更适于分析图像中的曲线边缘特性,利用这一特性,本文提出了一种基于Curvelet变换的多聚焦图像融合算法.实验结果表明,该算法融合效果优于小波变换等其他传统图像融合算法.     

一种基于小波变换和PCA的人脸识别改进方法

针对主成分分析PCA算法中存在的问题,提出了利用小波变换对人脸图像进行预处理,PCA提取图像特征,最近邻法分类的人脸识别改进方法.基于ORL、YALE数据库的相关实验表明,这样的系统能够降低数据维数和克服角度、位移变化对算法的影响,能够取得比传统PCA更好的识别性能。     

基于小波变换的医学图像融合技术

不同成像技术获得的医学图像为临床诊断提供了不同的信息,图像融合技术可以综合利用多模医学图像互补信息,从而有效地提高诊断水平。该文采用小波变换对人脑MR-T2和MR-PD图像进行融合。结果表明此方法能够充分有效地将两种不同模式的信息融合在一起,融合性能优越,很好地保留了原始图像的边缘和纹理特征,为临床诊断提供更加有效的信息。     

基于误差控制的SAR投影失真快速校正算法

随着合成孔径雷达(SAR)技术的发展和广泛应用,为了更准确反映场景信息,几何校正成为SAR图像处理过程中的重要内容.文中根据机载SAR成像机理,分析了引起机载SAR图像几何投影失真的原因,并估算出其失真量,针对传统的非线性校正方法,提出了一种快速高效的基于误差控制的动态分段线性校正算法.该算法在保证SAR图像校正质量的前提下,通过控制SAR图像校正误差,用线性处理取代了非线性逐点运算,使得校正算法的计算复杂度大大降低.文中还从理论上推导出最佳的分段校正长度计算方法,可校正过程中动态调整分段长度,保证校正质量和运算效率.最后通过仿真试验验证了该文法的有效性和实用性.     

使用小波变换的图像边缘检测算法

描述了一种新的图像特征提取方法。它基于小波变换的多尺度方法。这种方法通过对二进尺度下图像小波变换局部极大值的检测提取图像边缘特征。文中给出了图像特征提取的实例。