内容提供者
基于纹理增强与稀疏编码的SAR图像降斑方法.pdf
2023-11-19
10金币
1KB
16页
冬易****娘子
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共16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
基于纹理增强与稀疏编码的SAR图像降斑方法.pdf
本发明公开了一种基于纹理增强与稀疏编码的SAR图像降斑方法，解决了对SAR图像降斑时不能更有效保留图像中的点目标、边缘和纹理等细节信息的问题。本发明实现为：输入图像；估计SAR图像的噪声方差及干净图像的梯度直方图；提取相似图像块集合并求相应字典；用稀疏编码结合高斯比例模型得到降斑的目标函数；更新目标函数的参数；重构图像块矩阵；用权值平均法重构图像；重构图像与干净图像的梯度直方图最大限度的接近为约束获取最终图像；输出最终降斑图像。本发明既能较好地抑制SAR图像中的斑点噪声，使均匀区域十分平滑，也有效保留了重
2023-11-19
10
1KB
基于SSIM校正聚类稀疏表示的SAR图像降斑方法.pdf
本发明公开了一种基于SSIM校正聚类的稀疏表示SAR图像降斑方法，主要解决现有技术中不能保留更多的点目标和纹理细节的问题。其实现步骤为：(1)输入图像；(2)估计输入SAR图像中噪声的方差；(3)对输入图像进行分类；(4)对分类后图像进行初始化字典；(5)更新分类后图像的稀疏表示矩阵和字典；(6)利用更新后的稀疏表示矩阵和字典重构图像，得到降斑后的SAR图像。本发明不仅能够提高SAR图像中斑点噪声的抑制效果，而且能很好保留图像中点目标和纹理细节信息，可用于SAR图像分割和目标识别的预处理。
2023-11-22
10
3.2MB
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
2023-11-19
10
997KB
一种基于非凸加权稀疏约束的SAR图像降斑方法.pdf
本发明公开了一种基于非凸加权稀疏约束的SAR图像降斑方法，属于数字图像处理技术领域。它利用相似图像块集合在变换域中的稀疏性，首先对每个目标图像块通过相似度比较寻找相似图像块集合并进行奇异值分解得到系数矩阵，然后对系数矩阵进行非凸加权约束，并通过阈值收缩对系数矩阵进行估计，使估计出的系数矩阵更接近于真实系数，最后利用估计的系数矩阵重构出降斑结果；本发明通过对系数矩阵的非凸加权约束，使降斑后的图像在保留细节的同时有效抑制相干斑噪声，已获得更为精确的降斑图像，更易于目标识别，因此可用于SAR图像降斑。
2023-11-19
10
895KB
基于稀疏编码和小波自编码器的极化SAR图像分类方法.pdf
本发明公开了一种基于稀疏编码和小波自编码器的极化SAR图像分类方法，主要解决由于特征提取不合理而造成的边界分类问题和没有考虑空间相关性而导致的区域一致性较差的问题。其主要步骤是：(1)、输入图像；(2)、预处理；(3)、提取图像特征；(4)、稀疏编码；(5)、选取训练样本和测试样本；(6)、训练小波稀疏自编码器；(7)、训练softmax分类器；(8)、调整网络参数；(9)、图像分类；(10)、上色；(11)、输出分类结果图。本发明具有良好的去噪效果，考虑到数据的邻域信息，能更好地从低维特征中学到更高级的
2023-09-03
10
1.1MB