学位论文 > 优秀研究生学位论文题录展示

复小波变换在遥感图像处理方面的应用研究

作　者: 毛成林
导　师: 岳丽华
学　校: 中国科学技术大学
专　业: 计算机应用技术
关键词: 遥感图像边缘检测水陆分割图像去噪复小波变换直方图方向梯度主动轮廓模型各向异性扩散
分类号: TP751
类　型: 博士论文
年　份: 2013年
下　载: 144次
引　用: 0次
阅　读: 论文下载

内容摘要

可见光遥感图像和SAR遥感图像处理在环境监控、洪水防治、舰船目标监测等领域正发挥着越来越重要的作用。边缘检测是图像处理领域和计算机视觉领域中最基本的问题。边缘检测可以刻画出目标或区域图像的轮廓,同时边缘信息包含了目标或区域图像的重要特征,因此遥感图像边缘检测是目标提取和图像分割的基础性工作,获得了广泛深入的研究。SAR图像中通常存在严重的相干斑噪声,可见光图像中则存在强烈的高斯白噪声,这些噪声极大影响了遥感图像的自动解译工作,因此图像去噪成为遥感图像分析中必不可少的步骤之一。遥感图像水陆分割作为遥感图像处理的实际应用之一,是洪灾监控、海面漏油污染、水面舰船识别等实际应用领域的重要研究内容。因此针对这些研究方向,如何设计高性能和高效的自动处理算法,获得了大量研究人员不同程度的关注。由于遥感图像和自然场景图像具有不同的特性,导致不能简单移植应用自然场景图像上很多现有的成熟算法。同时由于仪器或环境等因素的影响,遥感图像上会出现很多不利于图像处理的现象,从而增添了遥感图像处理的难度。当前针对可见光遥感图像处理算法研究较为深入,而针对SAR图像特别是复杂环境条件下的SAR图像算法研究则不够充分。本文具体研究了SAR图像的边缘检测,可见光/SAR图像去噪和SAR/可见光图像水陆分割等算法。主要研究工作如下：1.针对SAR图像表现的多尺度特性以及自然界中地物边缘的多方向特性,将直方图方向梯度方法与双树复小波变换方法相结合,提出了一种新的SAR图像边缘检测算法。算法在各个小波子带上计算直方图方向梯度矩阵,并利用小波子带的方向性来确定直方图方向梯度方法的参数；算法基于复小波变换的多尺度和多方向性质对全部直方图方向梯度矩阵进行全局联合,提取多方向的边缘。算法使用非极大化抑制技术来提取显著边缘,并使用小波子带的方向性来确定非极大值抑制的梯度方向参数。在具有不同地物特性的真实SAR图像进行的实验表明所提出的算法能够有效地提取出SAR图像上的显著边缘,并对SAR图像中存在的相干斑噪声、图像灰度不均匀性和边缘模糊等现象具有一定的鲁棒性。2.小波阈值收缩和非线性扩散方程是图像去噪领域两种受到广泛使用的技术,近年来两者被有效地结合起来。本文中首先证明了2-D各向异性扩散和离散小波阈值收缩的滤波器形式之间的等价关系和满足条件,并基于这一理论基础将双树复小波和各向异性复扩散方程相结合,提出一种新的可见光/SAR遥感图像去噪算法。算法将双树复小波子带系数写成复数形式,然后应用各向异性复扩散函数进行扩散,并研究了不同复扩散函数对算法性能所造成的影响。3.在上述双树复小波复扩散去噪算法的基础上,使用双密度双树复小波取代双树复小波来改进算法,进一步发挥变换特定消失矩和紧支撑性的优势。并基于复小波变换系数尺度间的相关性,借鉴双变量收缩函数思想,同时使用当前系数和其父系数计算系数的扩散量,提出了一种改进的遥感图像去噪算法。算法针对可见光和SAR遥感图像采用不同的噪声阂值估计方式,并针对相干斑噪声提出了一种新的噪声阈值估计方法。模拟实验和真实遥感图像上的去噪实验结果证明了所提出的算法的有效性。4.灰度值差异是遥感图像水陆区域差异的最主要因素,然而SAR遥感图像上可能存在不同程度的灰度不均匀性和噪声现象,这严重影响了基于灰度值差异的分割算法的性能。针对这一问题,结合主动轮廓模型思想,提出了一种面向水陆分割的基于复小波域边缘约束的主动轮廓模型。该模型考虑水陆区域的另一个重要差异：在陆地区域能够检测出较多较强烈的边缘,而水面区域则只能检测出较少的边缘信息,通过调整之前的复小波域边缘检测算法来提取边缘信息,同时使用边缘信息和图像本身的灰度信息约束轮廓线的演化,从而实现水陆区域的分割。基于这一模型提出一种新的SAR图像水陆分割算法,该算法克服了传统Chan-Vese模型对初始轮廓敏感的缺点,提高了水陆分割的正确率。此算法被同时应用于可见光遥感图像上,同样表现出较好的性能。5.在实际生产生活中,经常会对同一地区进行长期观测,从而会获得时间序列上的多幅遥感图像,从信息论的角度这反映了更多的自信息和冗余信息,如果综合利用这些图像将可能提高水陆分割的精确度。针对这一问题所提出的基于复小波域边缘约束的主动轮廓模型被扩展到矢量图像上,并将时间序列上的多幅遥感图像总体视为矢量图像,基于这一模型提出了针对时间序列遥感图像的水陆分割算法。

全文目录

摘要  5-7
ABSTRACT  7-10
目录  10-13
表格  13-14
插图  14-16
第一章绪论  16-24
  1.1 研究背景  16-18
  1.2 研究意义  18-20
  1.3 本文研究内容  20-21
  1.4 本文组织结构  21-24
第二章国内外相关研究综述  24-44
  2.1 遥感图像边缘检测领域相关算法研究现状  24-26
  2.2 遥感图像去噪领域相关算法研究现状  26-32
    2.2.1 非线性扩散  26-29
    2.2.2 小波收缩  29-31
    2.2.3 小波扩散  31-32
  2.3 遥感图像水陆分割领域相关算法研究现状  32-35
  2.4 复小波变换理论基础  35-41
    2.4.1 双树复小波变换  36-39
    2.4.2 双密度双树复小波变换  39-41
  2.5 本章小结  41-44
第三章基于复小波变换技术的遥感图像边缘检测应用研究  44-56
  3.1 引言  44-46
  3.2 直方图方向梯度方法  46-48
  3.3 基于双树复小波变换的边缘检测算法  48-50
  3.4 实验结果分析  50-54
    3.4.1 SAR图像边缘检测实验  50-52
    3.4.2 对比实验结果  52-54
  3.5 本章小结  54-56
第四章基于复小波变换技术的遥感图像去噪应用研究  56-72
  4.1 引言  56-57
  4.2 2-D各向异性扩散和离散小波收缩的等价性证明  57-58
  4.3 双树复小波复扩散图像去噪算法  58-65
    4.3.1 算法流程  58-59
    4.3.2 各向异性复扩散函数  59-61
    4.3.3 试验结果及分析  61-65
  4.4 双密度双树复小波双变量复扩散去噪算法  65-70
    4.4.1 小波系数的双变量扩散  66-67
    4.4.2 针对相干斑噪声的噪声阈值估计  67
    4.4.3 试验结果及分析  67-70
  4.5 本章小结  70-72
第五章基于复小波变换技术的遥感图像水陆分割应用  72-90
  5.1 引言  72-74
  5.2 Chan-Vese主动轮廓模型  74-76
  5.3 复小波域边缘约束的主动轮廓模型  76-78
    5.3.1 复小波域边缘信息提取  77
    5.3.2 边缘约束的Chan-Vese模型  77-78
  5.4 水陆分割算法  78-79
  5.5 时间序列图像水陆分割算法  79-81
  5.6 实验结果分析  81-86
    5.6.1 SAR图像水陆分割  81-83
    5.6.2 可见光图像水陆分割  83
    5.6.3 实验对比结果  83-85
    5.6.4 时间序列图像水陆分割  85-86
  5.7 本章小结  86-90
第六章结论  90-94
  6.1 本文主要工作和创新性说明  90-92
  6.2 研究内容展望  92-94
参考文献  94-100
附录A 2-D各向异性扩散和离散小波收缩的等价性证明  100-104
  A.1 离散小波变换扩散的一些基础知识  100-101
  A.2 2维条件下各向异性扩散和离散小波收缩的等价性证明  101-104
致谢  104-106
在读期间发表的学术论文与取得的研究成果  106

复小波变换在遥感图像处理方面的应用研究

内容摘要

全文目录

相似论文