基于NSCT的遥感图像增强方法研究

 2022-01-17 11:01

论文总字数:18566字

目 录

1序言 1

1.1研究背景和意义 1

1.2国内外研究现状 1

1.3拟解决的关键问题 2

1.4研究的关键内容 3

1.5本文的章节安排 4

2 NSCT变换对图像频域分离 4

2.1 NSCT变换介绍 4

2.2非下采样的金字塔滤波多尺度分解 5

2.3非下采样方向滤波多方向分解 6

3基于改进Retinex的低频子带增强 8

3.1 Retinex算法介绍 8

3.1.1单尺度 Retinex算法原理 8

3.1.2多尺度Retinex算法原理 9

3.2 Retinex算法的不足 9

3.3 改进的多尺度Retinex 9

3.3.1 算法原理 9

3.3.2 实现步骤 11

3.4实验分析 11

3.5本章小结 12

4高频子带阈值去噪 13

4.1高频子带去噪方法介绍 13

4.2经典的高频子带去噪方法的不足 14

4.3改进的高频子带去噪方法 14

4.3.1算法原理 14

4.3.2实现步骤 15

4.4实验分析 16

4.5本章小结 17

5结论 17

参考文献: 18

致谢 20

基于NSCT的遥感图像增强方法研究

王沁

,China

Abstract:Image enhancement, as an important step in image processing technology, focuses on enriching the amount of information, improving the visual effect of images, improving the accessibility, and has a great help to the acquisition of target information in remote sensing images. This paper is based on NSCT transform, and proposes a new remote sensing image enhancement method. In this paper, an improved algorithm based on multi-scale Retinex is proposed to ensure the high fidelity of the image. In this paper, we propose a new algorithm to improve the image height, In this paper, the Bayesian Shrink threshold of the global threshold is not taken into account, and the improved adaptive Bayes threshold is proposed for the high frequency subband in the noise concentration. In this paper, Soft and hard threshold function of the defect, studied the improved threshold function. Finally, the enhanced remote sensing image is obtained by inverse transform of subband coefficients. The simulation results show that the algorithm of image enhancement is better than other algorithms in visual effect or numerical analysis.

Key words:NSCT transform; Retinex enhancement; adaptive threshold

1序言

1.1研究背景和意义

随着科技的飞速发展和生活质量的不断提升,图像逐渐发展为主流的信息传递媒介,被广泛运用。遥感图像可以反映地表景观的实时状态,地面物体间的相互关系以及发展变化等,主要应用于农业、林业、天气、地质、水文、军事等领域[1]。鉴于其实用价值,人们对遥感图像的清晰度和准确度的要求愈加严格。清晰准确的遥感图像,能够更好地识别信息内容,对信息进一步的分析和提取有着巨大的帮助作用。然而由于在采集、传输过程中受气候、光照、传感器等外在环境的影响,原始获取的遥感图像大部分存在图像信息堆叠,地物信息混杂,细节信息模糊等缺陷,使得收集到的遥感图像质量下降,视觉效果较差,严重影响了观测者对目标信息的分辨剖析。为了去除这些不利因素,获取丰富信息量的真实遥感影像,国内外学者研究发现出了许多图像处理的方法,图像增强就是其中的最重要手段之一。
  图像增强是指经过各种数学方法、变换算法来提升图像的可视度,从背景中突出目标信息,获得观测者希望获取的部分。图像增强法从算法上可分为两种即空间域法和频率域法[2]。空间域法为直接的增强的办法,是直接处理图像的灰度值,通过扩大图像动态范围、增大对比度或是图像平滑、图像锐化等方法达到增强图像视觉效果的目的;频率域法为间接的增强方法,是变换图像到频域,再对变换系数做滤波增强,函数调整等改动,而后将处理过的系数逆变换形成图像增强后的效果。从方法的定义中可以看出,空间域的方法主要适用于对质量较高的图像进行整体对比度的提升,而频率域的方法,更加有利于对细节信息丰富的图像进行较为精细的去噪和增强轮廓边缘的处理。

原始采集的遥感图像势必含有噪声等干扰信息,因此选择一个合适的变换算法先对遥感图像进行频率域的变换处理是必须的。非下采样轮廓波变换算法是图像增强中最为通用的算法之一[3],具有优良的小波特性和平移不变性,能够很好地分解出相同大小的包含图像方向信息的子带图像。而不同尺度上的子带图像带有的图像信息与噪声信息与各自的变换系数相关,方便了后续的函数处理,有利于反变换后的增强效果。因而,非下采样的轮廓波变换适用于遥感图像增强方法的研究。

1.2国内外研究现状

遥感图像增强技术有长久的发展历史,原本的遥感图像增强多是基于空间域的,随着遥感技术以及计算机技术的进步,更多肉眼难以观测的图像被检测出来,基于频率域的图像增强算法也逐渐成为主流。近年来,国际在这一畛域开展了大量研究,并且获取了丰厚的研究成果。在变换域,最经典的算法是傅里叶变换以及小波变换[4]。傅里叶变换是对时域信号进行分解,得到图像不同频率下的正余弦信号叠加的和,它有很多优良的性质,如线性,对称性等。然而,当图像增强时,基于傅里叶变换的算法将不能避免地产生“振铃”现象,致使处理后的存在图像模糊。小波变换在傅立叶变换局部化的思想上得以发展,能自适应地按要求剖析时频信号,从而获取到信号中任一细节的聚焦,多分辨率分析方法如小波分析能同时增强图像细节并有效地抑制图像的噪声,且方便控制增强区域及增强目标,但是在一维小波张成二维可分离的小波基时,小波基的方向是有限的,在表示多维图像的方向信息上显得不足。Curvelet变换基于傅里叶变换以及小波变换上做出改进,表现出高度的各向异性,能很好的表现图像的沿边缘信息,对于沿边缘主要结构的形状还原及边缘噪声的抑制独有优势[5]。然而因为Curvelet变换的高冗余度,以及不能最优非线性迫近高阶正则的奇异边缘,使其对于非正则的奇异边缘,逼近功能不如小波。20世纪初Do和Vetterli提出一种新颖的图像多尺度的分析算法——轮廓波变换[6],它继承和发展了小波多尺度的分析思想,能够达成图像任意尺度任意方向上的分解,并能够很好地描述轮廓和方向性的纹理信息,弥补了小波变换的缺陷,但同样Contourlet变换仍然存在Gibbs失真等弊端[7]

本文是基于NSCT下的图像增强,NSCT取消了轮廓波的下采样操作,具有多分辨率、局部定位性各、向异性、多方向性和平移不变等性质,并且做到了对Gibbs失真的有效抑制。在NSCT基础上的图像增强已有了许多种的方法。梁栋,殷兵等提出了基于变换系数自适应地调节去噪阈值以及增强函数,与K V.Velde的阈值去噪方法相比提高了相对于原始含噪图像的RMSE值与清晰度,然而该算法阈值的设置较为粗糙,且算法运行时间较长[8]。在曾业战,钱盛友等在对于NSCT高频系数的去噪处理中提出对不同尺度设置不同阈值,再以同一尺度不同方向下系数的能量比为依据对阈值做自适应的调整,之一方法在低噪声情况下增强效果很好,然而在强噪声环境下优势减弱,不能广泛的应用与遥感图像的增强处理中[9]。基于Contourlet变换系数服从广义的高斯分布[10],黄宇达,王迤冉,魏霞等提出了高频子带基于Bayes分层的自适应去噪算法,采用硬阈值的阈值函数,图像去噪的效果较好但硬阈值函数容易导致遥感图像重要细节信息的损失,且该算法时间复杂度高[11]。黄涛,薛丰昌,钱洪亮,等对Bayes Shrink的阈值计算改良,添加了一个改正因子,并采用模糊阈值函数调整相应子带图像的高频系数,实验证明,该方法对含噪声程度不同的图像去噪能力均表现良好,然而在图像的轮廓信息增强上仍没有什么改进[12]。吕笃良,贾振红,杨杰,等在对高频子带采用改良的Bayes阈值并且对去噪后的子带进行引导滤波增强,并线性增强了低频子带系数,在主观和客观上都有明显的提升,但由于线性增强只能扩大图像的动态范围的局限性,该方法对明暗对比强烈的图像增强效果仍有不足[13]

1.3拟解决的关键问题

本文基于NSCT的增强遥感图像的方法做研究和改进。图像经NSCT变换后分解为低频子带聚集了丰富的能量信息和高频子带包含了大多数的噪声。对于增强低频子带的算法和去噪高频子带的方法的选择与改良是本文研究的关键内容。本文亟待解决的关键问题如下:

(1)在低频子带的增强方面,Retinex增强算法[14、15]是在假设光照图像是平滑的情况下,采用常数增益来增强输入图像的所有像素,导致图像区域增强不均,细节区域不够清晰,图像整体灰度值较大等问题。

剩余内容已隐藏,请支付后下载全文,论文总字数:18566字

相关图片展示:

您需要先支付 80元 才能查看全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找;