一种基于稀疏表示和盲估计联合的SAR图像降噪方法.pdf
书錦****by
亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于稀疏表示和盲估计联合的SAR图像降噪方法.pdf
本发明涉及一种基于稀疏表示和盲估计联合的SAR图像降噪方法,包括:S1:选取字典并初始化字典参数;S2:获取待降噪SAR图像,并使用盲估计算法估计得到待降噪SAR图像的图像噪声;S3:根据图像噪声,利用OMP算法计算稀疏编码,对字典进行迭代更新,得到更新的字典和稀疏编码;S4:利用更新的字典和稀疏编码对待降噪SAR图像进行稀疏分解并重构,得到去噪图像。本发明的方法能够很好的去除SAR图像中的噪声,并保留图像的细节。
一种基于非本地分类稀疏表示的SAR图像降噪方法.pdf
本发明公开了一种基于非本地分类稀疏表示的SAR图像降噪方法。属于数字图像处理技术领域。它是一种基于分类系数估计与稀疏表示相结合的SAR图像降噪方法。首先按照图像的同质区和异质区进行分类,而后分别采用非本地均值方法和3D变换域硬阈值收缩方法实现对同质区和异质区的降噪,并由降噪结果获得非本地系数。为进一步提高降噪性能,利用所估计出的非本地系数对稀疏表示模型中的系数进行约束,以更好的逼近真实图像的系数。最后,利用最终估计的系数重构出降噪后的图像。本发明对图像的同质区和异质区采用不同方法进行处理,不仅可有效的实现
一种基于排序联合稀疏表示的SAR图像降斑方法.pdf
本发明公开了一种基于排序联合稀疏表示的SAR图像降斑方法,属于数字图像处理技术领域。它首先对图像块进行相似度排序以获得图像块序列,然后利用图像块序列得到的结构组建立联合稀疏表示模型,再通过非局部加权平均估计该模型中所需的非局部稀疏系数与正则化参数,并利用分离伯格曼迭代算法对模型进行循环迭代求解,最后将估计出的稀疏系数重构出降斑后的SAR图像;本发明通过对图像块相似度进行排序,简化了整个过程中对相似图像块的比较,并对稀疏系数进行联合约束,使得到的图像保留在更多细节的同时有效的避免结构组稀疏表示所产生的伪影现
基于稀疏表示的模糊图像盲复原方法.pdf
本发明涉及一种基于稀疏表示的模糊图像盲复原方法,用于解决现有的模糊图像盲复原方法复原的图像效果差的技术问题。技术方案是利用模糊图像在模糊冗余字典下的稀疏系数与清晰图像在清晰冗余字典下的稀疏系数一致的特性,将模糊图像在模糊字典下稀疏表示,然后在清晰字典下重构出清晰图像下复原图像。避免了反卷积过程中的病态性,减少了复原图像在强边缘的振铃效应,获得了更加清晰的图像。
一种基于组稀疏表示的图像盲复原方法.pdf
本发明公开了一种基于组稀疏表示的图像盲复原方法,以实现模糊图像的盲复原。上述方法包括:构建图像金字塔,由粗到细估计模糊核;在降采样图像中搜索相似图像块,将当前块与其跨尺度相似块合并为相似图像块组,在目标函数中建立组稀疏表示正则项;交替迭代更新模糊核和清晰图像,在清晰图像更新步骤中,利用组稀疏表示对前一次迭代中估计的清晰图像进行重建,作为下一次更新清晰图像的参考图像。由于降采样图像的边缘与清晰图像有更强的相似性,利用组稀疏表示与低秩矩阵的关联,通过约束表示系数的稀疏性来实现组矩阵的低秩性,迫使重建图像的边缘