共查询到15条相似文献,搜索用时 93 毫秒
1.
侧扫声呐回波信号是形成侧扫声呐图像的基础,是侧扫声呐系统对水下目标的最直接观测量, 将一维小波变换与非线性增强方法相结合,提出了一种基于小波变换的侧扫声呐回波信号非线性增强算法, 用以改善侧扫声呐图像对比度低、噪声强度大的问题。首先利用改进的 Bayes 阈值对侧扫声呐 ping 信号进行一维小波分解,提取信号特征信息;然后利用 2 种不同的非线性函数对高、低频小波系数进行处理;最后利用小波反变换重构信号,形成增强后的侧扫声呐图像。实测数据验证结果表明:利用该算法对侧扫声呐 ping 信号进行处理,实现了侧扫声呐图像对比度的增强和对噪声的抑制,可以获取较好的图像视觉效果。 相似文献
2.
3.
由于受雷达系统本身、飞行姿态、大气扰动等多种因素的影响,机载SAR图像中存在大量的非周期性线状噪声,限制了数据的后续应用。针对利用机载SAR图像进行海上绿潮探测的应用目的,本文在对机载SAR图像中非周期性线状噪声进行统计特征分析的基础上,提出了一种机载SAR图像非周期性线性噪声去除方法,并与均值滤波、高斯低通滤波、增强Lee滤波、增强Frost滤波、Gamma滤波、小波分析滤波、傅里叶变化滤波等多种常用滤波算法进行了对比,验证了该方法的有效性。结果表明,与常用滤波算法相比,我们算法的噪声去除率最高,且边缘特征清晰;图像经滤波后,噪声区灰度值与海水相近,与绿潮的对比显著增大,提高了绿潮和海水的区分能力。 相似文献
4.
海面溢油SAR图像中的相干斑噪声严重影响了后续的图像分割、特征提取和分类.为了更有效地抑制海面溢油SAR图像相干斑,文中提出了一种基于复contourlet域隐马尔科夫树模型的海面溢油SAR图像相干斑抑制方法.首先对观测图像取对数并进行复contourlet变换;然后在复contourlet域中用隐马尔科夫树模型对相邻尺度间的带通方向子带系数进行建模,并依据贝叶斯最小均方误差准则估计无噪系数;最后进行逆复contourlet变换和指数变换,得到相干斑抑制后的图像.大量实验结果表明,与Lee、Kuan、Frost及Gamma Map等4种经典滤波方法以及小波域和contourlet域隐马尔科夫树模型方法相比,文中方法从主观视觉和客观定量评价两方面来看综合性能更为优越,是一种行之有效的SAR遥感图像海面溢油检测的预处理方法. 相似文献
5.
《海洋技术学报》2014,(6)
海洋SAR图像由于纹理复杂,目前绝大多数的SAR图像海洋内波处理方式都是通过人工干预在SAR图像上选取一个或多个沿内波传播方向的截面,再依据截面数据的灰度分布求内波波长等参数,这种方法要求操作者有一定的专业知识,且随操作者选取截面的不同,反演得到的内波参数变化较大。依据海洋内波特点,采用二维连续小波变换对海洋SAR图像进行滑动窗扫描,自动找出含有海洋内波的图像区域,再通过椭圆域归一化Radon变换自动反演含有内波区域的内波波长、传播方向等参数。由SAR图像内波参数提取结果可知,提出的SAR图像内波参数自动提取方法,是一种全自动的SAR图像内波参数提取方法,能够较好地定位内波所在的图像区域,自动提取这些区域中的内波参数,且提取的内波传播方向可自动去除180°模糊,可解决海量SAR海洋数据内波参数自动提取的难题。 相似文献
6.
7.
针对海洋磁力测量数据中存在的高斯噪声,采用基于交叉证认的小波阈值去噪方法进行噪声去除。首先对磁力数据进行小波分解,利用交叉证认方法自动识别小波分解的信号层与噪声层,然后对噪声层小波系数进行阈值处理,进一步提取噪声层中的有用信息,最后进行小波重构得到去噪信号。同时提出了一种改进阈值处理函数,能够改善传统软、硬阈值函数存在的缺陷,提高重构信号的精度。实验分析表明,当噪声水平小于1.5nT时,相比于传统软、硬阈值函数的小波阈值去噪方法,该方法可更好地去除海洋磁力数据中的高斯噪声,并可较好地保留数据中的有用细节信息,使数据质量得到提高。 相似文献
8.
9.
10.
11.
利用非抽取小波变换的平移不变性和冗余性的特点,在贝叶斯估计下,结合广义高斯分布(GGD)对小波系数进行建模,构造了一个基于拉普拉斯分布的MapShrink子带自适应图像去噪算法和阈值函数。对HH1子带小波系数进行2j抽取,并估计噪声方差,该算法有效地抑制了伪吉布斯现象。仿真结果表明,利用新算法进行水下红外图像去噪,在信噪比增益和最小均方误差意义上均优于传统的Bayesian去噪方法。 相似文献
12.
基于小波变换和HIS变换的海冰SAR与光学遥感影像融合方法研究 总被引:3,自引:2,他引:1
Sea ice as a disaster has recently attracted a great deal of attention in China. Its monitoring has become a routine task for the maritime sector. Remote sensing, which depends mainly on SAR and optical sensors, has become the primary means for sea-ice research. Optical images contain abundant sea-ice multi-spectral information, whereas SAR images contain rich sea-ice texture information. If the characteristic advantages of SAR and optical images could be combined for sea-ice study, the ability of sea-ice monitoring would be improved. In this study, in accordance with the characteristics of sea-ice SAR and optical images, the transformation and fusion methods for these images were chosen. Also, a fusion method of optical and SAR images was proposed in order to improve sea-ice identification. Texture information can play an important role in sea-ice classification. Haar wavelet transformation was found to be suitable for the sea-ice SAR images, and the texture information of the sea-ice SAR image from Advanced Synthetic Aperture Radar(ASAR) loaded on ENVISAT was documented. The results of our studies showed that, the optical images in the hue-intensity-saturation(HIS) space could reflect the spectral characteristics of the sea-ice types more efficiently than in the red-green-blue(RGB) space, and the optical image from the China-Brazil Earth Resources Satellite(CBERS-02B) was transferred from the RGB space to the HIS space. The principal component analysis(PCA) method could potentially contain the maximum information of the sea-ice images by fusing the HIS and texture images. The fusion image was obtained by a PCA method, which included the advantages of both the sea-ice SAR image and the optical image. To validate the fusion method, three methods were used to evaluate the fused image, i.e., objective, subjective, and comprehensive evaluations. It was concluded that the fusion method proposed could improve the ability of image interpretation and sea-ice identification. 相似文献
13.
14.
基于小波变换的声纳图像边缘特征检测研究 总被引:1,自引:0,他引:1
声纳图像的边缘特征检测是其目标识别技术的重要技术基础。声纳图像背景复杂、噪声污染严重,而传统的边缘检测方法对图像噪声非常敏感,所以针对这一特点,利用小波变换易于消除噪声、运算方便的数学特征,提出了一种基于小波变换的声纳图像边缘特征检测算法。由计算机仿真结果可以得到,与传统的边缘检测算法相比,此算法在有效地抑制噪声的同时,还可以得到较高的边缘定位精度,能够很好地检测到原始声纳图像的边缘。 相似文献