基于NSCT域边缘检测和Bishrink模型的SAR图像去噪方法.pdf
爱欢****23
亲,该文档总共14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
基于NSCT域边缘检测和Bishrink模型的SAR图像去噪方法.pdf
本发明公开了一种基于NSCT域边缘检测和Bishrink模型的SAR图像去噪方法,主要解决非下采用轮廓波变换对SAR图像去噪过程带来的划痕效应及细节丢失问题。其步骤为:对选取的SAR图像进行非下采样轮廓波变换,将图像分成6层子带系数;保持第1层和第2层的子带系数不变,用Bishrink模型对第3~6层的子带系数进行收缩;非下采样轮廓波逆变换重构图像,检测重构图像的边缘,对边缘检测后的图像进行均值滤波,得到滤波后图像;对输入图像和滤波后的图像相减获得的差值图像进行非线性各向异性扩散,得到去噪后的图像。本发明
基于NSCT阶梯网模型的极化SAR图像目标检测方法.pdf
本发明公开了一种基于非下采样轮廓波NSCT阶梯网模型的极化SAR图像目标检测方法,主要解决现有技术中只能依靠散射信息对地物进行分类和未考虑极化SAR图像的多尺度特征而导致的分类准确率偏低的问题。本发明的具体步骤如下:(1)对待检测的极化SAR图像进行Lee滤波;(2)将相干矩阵进行Yamaguchi分解;(3)特征矩阵归一化;(4)对特征矩阵进行非下采样轮廓波变换;(5)构造数据集;(6)构建阶梯网目标检测模型;(7)训练目标检测模型;(8)获得测试结果。本发明具有对极化SAR图像的多尺度特征提取好,目标
基于NSCT和压缩投影的SAR图像变化检测方法.pdf
本发明公开一种基于NSCT和压缩投影的SAR图像变化检测方法,实现步骤为:对两幅SAR图像用对数比值法得到差异图,对差异图进行非下采样contourlet变换,对低频子带系数保持不变,对高频子带系数硬阈值处理后逆变换得到处理的差异图,对该差异图每个像素提取的邻域特征拉成列后利用压缩投影降维得到特征向量,用K均值将特征向量分为变化与未变化两类,简单易行,得到检测结果图。本发明主要克服了对差异图去噪所造成的轮廓边缘失真的问题。得到的检测结果图噪声较低,保持了较好的边缘及轮廓,利用压缩投影降维,相对降低了计算复
基于SVM的SAR图像去噪及边缘检测的综述报告.docx
基于SVM的SAR图像去噪及边缘检测的综述报告1.前言合成孔径雷达(SAR)图像在军事、民用等领域中得到了广泛应用。然而,由于天气和地形等因素的影响,SAR图像常常受到噪声的干扰,这对SAR图像的可靠性和精度造成了很大的负面影响。另外,在SAR图像中准确检测出目标物体的边缘也是很关键的任务。因此,如何去除SAR图像中的噪声并准确地检测出目标物体的边缘一直是研究的关键问题之一。支持向量机(SVM)是一种经典的机器学习方法,在图像处理领域中发挥着重要作用。SVM被广泛应用于图像分类、目标识别、边缘检测等问题。
基于SVM的SAR图像去噪及边缘检测的开题报告.docx
基于SVM的SAR图像去噪及边缘检测的开题报告一、选题背景及意义合成孔径雷达(SyntheticApertureRadar,SAR)技术具有天气不受限、对地的透视效应小、操作灵活等特点,能够高效、高分辨率地进行地震研究、军事侦查和城市规划等领域的遥感探测,在军事、航空航天和地理信息等各个领域起着愈来愈大的作用。但是,在SAR成像过程中,由于复杂的环境因素,传输过程中会引起各种噪声,影响图像质量,影响后续数据处理和分析。因此,对于SAR图像的噪声去除和边缘检测是SAR图像处理中非常重要的方向。在SAR图像去