双树复小波变换域矿区遥感图像自适应滤波
& | && | && | && | && | && | && | && | && | && | && | && | && | &
:<font color="#3-118&&&&DOI:
地质与测量
双树复小波变换域矿区遥感图像自适应滤波
内蒙古化工职业学院计算机与信息工程系，内蒙古 呼和浩特 010070
Adaptive Filtering of the Remote Sensing Image of Mining Area in Dual-tree Complex Wavelet Transform Domain
Zhang lijuan
Department of Computer and Information Engineering,Inner Mongolia Vocational College of Chemical Engineering,Hohhot 010070,China
摘要&矿区遥感图像因受成像环境、成像器件固有缺陷等因素的影响容易出现不同程度的失真，为此，结合双树复小波变换（Dual-tree complex wavelet transform,DTCWT）多尺度图像分析的优良特性，提出了一种矿区遥感图像自适应滤波算法。首先对获取的视觉效果不佳的遥感图像进行直方图均衡化处理，使得增强后的图像灰度分布较为合理，提高图像的对比度；然后对增强后的图像进行双树复小波变换，对获得的高频分解系数采用改进的多级中值滤波算法进行处理；最后，将低频分解系数与滤波后的高频分解系数进行逆双树复小波变换。其中改进的多级中值滤波算法相对于经典多级中值滤波算法进行了2点改进：①将原有的4个方向滤波窗口扩展为7个，更有利于保持图像中信息的多方向特性；②对新增设的3个滤波窗口分别进行加权中值滤波，将上述7个滤波窗口的滤波值采用一种基于图像灰度值相关性的判别方法进行处理，剔除与待滤波像素点相关性不强的滤波值，将剩余的滤波值计算均值输出；MATLAB平台试验结果表明：新算法的总体性能相对于经典多级中值滤波、中值滤波、双边滤波等算法而言，优势较为明显。
<INPUT type=hidden value="我在《金属矿山》上发现了关于“矿区遥感图像|双树复小波变换|直方图均衡化|多级中值滤波算法|改进多级中值滤波算法”几篇好文章，特向您推荐。请点击下面的网址：" name=neirong>
作者相关文章
Abstract：
Remote sensing image is easily influenced by the factors such as imaging environment,the inherent defects of imaging device during the process of imagining,the phenomenon of distortion with different degrees of the remote sensing image bing with the excellent characteristics of multi-scale image analysis of dual-tree complex wavelet transform(DTCWT),a adaptive filtering algorithm of remote sensing image is proposed.Firsly,the obtained remote sensing image with poor visual effect is processed by histogram equalization algorithm to improvthen,the enhanced remote sensing image is conduct dual-tree complex wavelet transform,the low-frequency coefficients and high-frequency coefficients are obtained,the low-frequency coefficient is remained unchanged,the high-frequency coefficients are filtered by the improved multi-stage median filtering algorithm，the classical multi-stage median filtering algorithm is improved as follows:①the four direction filtering windows of the classical multi-stage median filtering algorithm are extended to seven direction filtering windows,which is more advantages to keep the multiple directions characteristics of the information in ②the new added three filtering windows are denoised by weighted median filtering algorithm,the filtering values of the above seven filtering windows are processed by a discriminant method based on image gray value relevance so as to eliminate the filtering values with poor correlation to the filtering values of the pixels points,the average value of the rest of the filtering values is regarded afinally,the low-frequency coefficient and the filtered high-frequency coefficients are conducted inverse dual-tree complex wavelet transform.The experimental results based on MATLAB software show that:the algorithm proposed in this paper maintain the integrity of the detail information of the remote sensing image of mining area during the process of filtering,the performance the algorithm has a certain degree of ascension related to the classical multi-stage median filtering algorithm，besides that,the performance of the algorithm has obvious advantages to the algorithms of median filtering and bilateral filtering
Keywords：
引用本文: &&
张丽娟.双树复小波变换域矿区遥感图像自适应滤波[J]& 金属矿山, ): 113-118
Li-Juan.Adaptive Filtering of the Remote Sensing Image of Mining Area in Dual-tree Complex Wavelet Transform Domain[J]& METAL MINE, ): 113-118
Copyright 2010 by 金属矿山君，已阅读到文档的结尾了呢~~
受限直方图均衡化的低频dct系数重变换算法
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
受限直方图均衡化的低频dct系数重变换算法
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer--144.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口基于非下采样Contourlet变换系数直方图匹配的自适应图像增强_百度文库
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
基于非下采样Contourlet变换系数直方图匹配的自适应图像增强
上传于|0|0|文档简介
&&采用基于非下采样Contourlet变换系数直方图匹配的自适应图像增强
阅读已结束，如果下载本文需要使用1下载券
想免费下载本文？
定制HR最喜欢的简历
下载文档到电脑，查找使用更方便
还剩8页未读，继续阅读
定制HR最喜欢的简历
你可能喜欢基于Contourlet域多状态HMT模型的含噪图像增强方法
专利名称基于Contourlet域多状态HMT模型的含噪图像增强方法
技术领域本发明涉及在Contourlet域上，利用多状态隐马尔科夫树HMT模型，对含噪图像进行增强的方法，尤其是基于Contourlet域多状态HMT模型的含噪图像增强方法，该方法可用于图像的预处理阶段。
背景技术图像增强是一项重要的图像预处理技术。其目的在于改善图像质量，突出图像细节，以满足后续图像分析和图像理解的需要。目前，图像 增强已经广泛地应用于矿藏资源勘探、军事目标监视、医学病灶诊断和交通监控等领域并发挥着重大作用。图像在采集和传输的过程中，会不可避免地受到噪声的干扰，如何有效地对含噪图像进行增强是图像处理领域亟待解决的关键问题之一。现有的图像增强方法可以分为两类。一类是基于空域的直方图均衡化法和反锐化掩模法。该类方法对无噪图像进行增强，会得到较为理想的增强结果。当待增强图像中含有噪声时，该类方法在增强图像细节特征的同时，会不可避免地增强图像中的噪声，影响后续图像处理的效果。对比于此类方法，有基于变换域的图像增强方法。它们包括基于小波的方法和基于多尺度几何分析工具的方法。这类方法通过选取合适的阈值来区分出含噪图像中的噪声并对其进行抑制。但由于有效的阈值难以获取，使得增强后的图像在均匀区域不够平滑。而且由于部分变换方法缺乏平移不变性，还易在增强图像中引入失真。多尺度几何分析方法——Contourlet变换可以有效捕捉到图像中的线状和轮廓状几何信息，这些信息对于图像的后续处理十分重要。相比于小波变换，Contourlet变换所捕捉到的细节信息更为丰富，部分细节信息并没有明显的类别属性，处在既可以被归类于噪声成分，也可以被归类于弱边缘成分的中间地带，或者既可以被归类于弱边缘成分，也可以被归类于强边缘成分的中间地带。因此，有必要构建Contourlet域多状态HMT模型，不仅可以模拟出Contourlet域噪声、弱边缘和强边缘系数，还可以模拟出噪声、弱边缘和强边缘系数之外的那些处于中间地带的系数，并将其应用到含噪图像增强，同时引入循环平移策略用于克服Contourlet变换缺乏平移不变性，期望获得细节特征突出，均匀区域平滑的增强结果。
本发明方法的目的在于克服现有技术的不足，即现有的图像增强方法在对含噪图像增强时会受到噪声影响的问题，提出了一种基于Contourlet域多状态HMT模型的含噪图像增强方法，能够改善含噪图像的质量，利于后续图像处理。一种基于Contourlet域多状态HMT模型的含噪图像增强方法，其特别之处，包括如下步骤(I)输入大小为MXN的含噪图像imQ(m，n)，其中I彡m彡M，I彡η彡N，M和N均为大于I的自然数，初始化计数量tem=0,行位移量u=l,列位移量v=l ；
(2)计数量递增，即tem=tem+l,对含噪图像imQ(m, η)进行(u, v)步循环平移，得到循环平移后的含噪图像imtan(m，η)；(3)对循环平移后的含噪图像imtem(m, η)进行L层Contourlet变换,得到低频子带系数￥八和高频方向子带系数5^，其中O彡I彡L-l，l彡k彡k1; kx表示在尺度2—1上的高频方向子带的数目，i e {I, 2, 3, . . . , Q}为Contourlet域系数四叉树的索引标记，Q为Contourlet域系数四叉树上待观察系数的数目，L为3 5，L为自然数；(4)采用期望最大化算法对步骤(3)得到的高频方向子带系数Γ, ,进行训练，得到
确定的 Contourlet 域多状态HMT模型参数向量 O，
1.一种基于Contourlet域多状态HMT模型的含噪图像增强方法，其特征在于，包括如下步骤
(1)输入大小为MXN的含噪图像imQ(m，n)，其中I彡m彡M，I彡η彡N，M和N均为大于I的自然数，初始化计数量tem=0,行位移量u=l,列位移量v=l ；
(2)计数量递增，即tem=tem+l，对含噪图像imQ(m，η)进行(u，ν)步循环平移，得到循环平移后的含噪图像η)；
(3)对循环平移后的含噪图像imtem(m，η)进行L层Contourlet变换，得到低频子带系数Ya和高频方向子带系数，其中O彡I彡L-1，I彡k彡Iipk1表示在尺度2—1上的高频方向子带的数目，i e {I, 2, 3,... ,Q}为Contourlet域系数四叉树的索引标记,Q为Contourlet域系数四叉树上待观察系数的数目，L为3 5，L为自然数；
(4)采用期望最大化算法对步骤(3)得到的高频方向子带系数}^进行训练，得到确定的 Contourlet 域多状态 HMT 模型参数向量 Θ，Θ =·[(S = r I^ =θ],式中PQ,k为Contourlet域系数四叉树根节点的隐状态概率密度向量，= H 为高频方向子带系数1^的隐状态概率，S为隐状态变量，隐状态的类别数取为5，分别对应Contourlet域系数中的噪声、近噪声、弱边缘、近强边缘和强边缘成分，有{S|S=r，r e {0,1,2,3,4}},Σρ(5 = Η^) = 1, ε ^为尺度I上第k个高频方向子带系数的状态转移概率矩阵，O1,kr=0和μ u分别为尺度I上第k个高频方向子带系数的标准差和均值向量；
(5)利用步骤(4)得到Contourlet域多状态HMT模型参数向量O，对高频方向子带系数进行增强；
(6)对步骤(3)得到的低频子带系数Ya和步骤(5)得到增强后的高频方向子带系数进行Contourlet逆变换,得到含噪图像imtem(m, η)的增强图像;
(7)对步骤(6)得到的含噪图像imt (m，n)的增强图像加匕(吼《琎行(u，v)步逆向循环平移，得到图像，并对其进行存储；
(8)列位移量递增，即v=v+l，如果v〈=8，转步骤(2)，否则转步骤(9)；
(9)行位移量递增，即u=u+l，如果u〈=8，转步骤(2)，否则转步骤(10)；
(10)计算并得到输出含噪图像^(m，η)的增强图像
I 64 irrto {m, η) = —Y Unfem (m, η)。
2.如权利要求I所述的一种基于Contourlet域多状态HMT模型的含噪图像增强方法，其特征在于其中步骤(5)所述的利用Contourlet域多状态HMT模型参数向量θ,对高频方向子带系数5^进行增强，具体按如下过程进行I)利用高频方向子带系数1^的隐状态概率= r I Y^k)将: 区分为五种类别，有噪声系数，如果P (S = OI ) = max { P P = r I ), r e {0,1,2，3，4}}近噪声系数，如果p(S =IIFi^) = max{p(5' = H ；)),re{0,1，2，3，4}}Yik 是 j 弱边缘系数，如果/7 (S = 21 私―)=max { P (S = H 私)，r e {0,1,2,3,4}};近强边缘系数，如果/ (S=3I Y,[k) = mm{p(S = r\Y；t),re {0,1,2,3,4}}强边缘系数，如果P (S = 41 私―)=max { /
(S = r I 匕)，r e {0，1，2，3，4}}2)利用增益规则公式，对获得了类别属性的高频方向子带系数进行初始修正，即
α0·Υ；Λ,如果为噪声系数
α, ·￥,[,,如果私_为近噪声系数 X[k = & a2 (Y；ki /為) 為，如果Fi为弱边缘系数 ’ a2 {Y,\kl Ai) ·為，如果为近强边缘系数 O3
Y[k,如果为强边缘系数
式中，Ai力L所在高频方向子带系数的最大模值，设置aQ=0，a=i, a3=2, a2 ( ·)为非线性增益函数，有 a2 (Yi,k I Α )~ 1 + & (- .!··Λ)/Λ 1 + f/*、l\ ，式中，参数t用于控制含噪图像增强的程度，设置参数t=6，e为自然常数，e=2. 71828 ； 3)利用高频方向子带系数的隐状态概率=和步骤2)中得到的高频方向子带系数吃4的初始修正结果，计算增强后高频方向子带系数，sp
Kk =jP(S = r\ Yik) ·( )· Xiu ·,(°),k )
式中,σ=是尺度I上第k个高频方向子带的噪声系数的标准差，并且通过蒙特卡罗方法获得。
本发明涉及在Contourlet域上，利用多状态隐马尔科夫树HMT模型，对含噪图像进行增强的方法，尤其是基于Contourlet域多状态HMT模型的含噪图像增强方法。本发明方法具有以下优点1.采用了非下采样Contourlet变换，可以有效捕捉到含噪图像中的线状和轮廓状几何信息，有利于图像的后续处理。2.引入了循环平移策略，可以有效避免因Contoutlet变换缺乏平移不变性，而易在增强后的图像中产生的人工失真。3.通过构建Contourlet域HMT模型的多种隐状态，进一步模拟出Contourlet域系数的近噪声和近强边缘成分，有利于获得细节特征突出，均匀区域平滑的增强结果。
文档编号G06T5/00GKSQ
公开日日 申请日期日 优先权日日
发明者常霞, 高岳林, 黄永东, 马自萍 申请人:北方民族大学(window.slotbydup=window.slotbydup || []).push({
id: '2014386',
container: s,
size: '234,60',
display: 'inlay-fix'
&&|&&0次下载&&|&&总9页&&|
您的计算机尚未安装Flash，点击安装&
阅读已结束，如需下载到电脑，请使用积分（）
下载：5积分
0人评价91页
1人评价68页
4人评价52页
2人评价82页
1人评价256页
所需积分：（友情提示：大部分文档均可免费预览！下载之前请务必先预览阅读，以免误下载造成积分浪费！）
（多个标签用逗号分隔）
文不对题，内容与标题介绍不符
广告内容或内容过于简单
文档乱码或无法正常显示
若此文档涉嫌侵害了您的权利，请参照说明。
评价文档：
下载：5积分}