计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2015年
z1期
158-162,167
,共6页
非下采样Direcionlet变换%高斯混合尺度模型(GSM)%采样矩阵方向优化%SAR图像
非下採樣Direcionlet變換%高斯混閤呎度模型(GSM)%採樣矩陣方嚮優化%SAR圖像
비하채양Direcionlet변환%고사혼합척도모형(GSM)%채양구진방향우화%SAR도상
Nonsubsampled directionlet transform%Gaussian scale mixtures%Direction optimization of sampling matrix%SAR image
将非下采样Directionlet变换(Nonsubsampled Directionlet,ND)和高斯混合尺度(GSM)模型相结合,提出了基于ND-GSM模型的采样矩阵方向优化算法并将其应用于SAR图像去噪.首先,将SAR图像的分割子图进行二进小波变换,从而确定SAR图像的方向优化采样矩阵,然后在各个子图中将GSM模型引入采样矩阵方向优化的非下采样Directionlet变换域中,构造了采样矩阵方向优化的非下采样Directionlet域分解系数的邻域模型(ND-GSM),最后利用Bayes最小均方估计进行子图变换域的局部去噪,并合成去噪后的分割子图,得到去噪后的SAR图像.该方法解决了当非下采样Directionlet基函数的方向与图像中各向异性目标不一致时图像的逼近效果差的问题.仿真实验结果表明,该方法能充分体现邻域间系数的相关性,同时在图像边缘等细节特征保持方面具有明显优势,明显改善了图像视觉效果,取得了比空域滤波及小波方法更优的去噪性能.
將非下採樣Directionlet變換(Nonsubsampled Directionlet,ND)和高斯混閤呎度(GSM)模型相結閤,提齣瞭基于ND-GSM模型的採樣矩陣方嚮優化算法併將其應用于SAR圖像去譟.首先,將SAR圖像的分割子圖進行二進小波變換,從而確定SAR圖像的方嚮優化採樣矩陣,然後在各箇子圖中將GSM模型引入採樣矩陣方嚮優化的非下採樣Directionlet變換域中,構造瞭採樣矩陣方嚮優化的非下採樣Directionlet域分解繫數的鄰域模型(ND-GSM),最後利用Bayes最小均方估計進行子圖變換域的跼部去譟,併閤成去譟後的分割子圖,得到去譟後的SAR圖像.該方法解決瞭噹非下採樣Directionlet基函數的方嚮與圖像中各嚮異性目標不一緻時圖像的逼近效果差的問題.倣真實驗結果錶明,該方法能充分體現鄰域間繫數的相關性,同時在圖像邊緣等細節特徵保持方麵具有明顯優勢,明顯改善瞭圖像視覺效果,取得瞭比空域濾波及小波方法更優的去譟性能.
장비하채양Directionlet변환(Nonsubsampled Directionlet,ND)화고사혼합척도(GSM)모형상결합,제출료기우ND-GSM모형적채양구진방향우화산법병장기응용우SAR도상거조.수선,장SAR도상적분할자도진행이진소파변환,종이학정SAR도상적방향우화채양구진,연후재각개자도중장GSM모형인입채양구진방향우화적비하채양Directionlet변환역중,구조료채양구진방향우화적비하채양Directionlet역분해계수적린역모형(ND-GSM),최후이용Bayes최소균방고계진행자도변환역적국부거조,병합성거조후적분할자도,득도거조후적SAR도상.해방법해결료당비하채양Directionlet기함수적방향여도상중각향이성목표불일치시도상적핍근효과차적문제.방진실험결과표명,해방법능충분체현린역간계수적상관성,동시재도상변연등세절특정보지방면구유명현우세,명현개선료도상시각효과,취득료비공역려파급소파방법경우적거조성능.
