灰色理論在遙感影像去噪中的應(yīng)用研究.pdf_第1頁
已閱讀1頁,還剩93頁未讀, 繼續(xù)免費(fèi)閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報(bào)或認(rèn)領(lǐng)

文檔簡介

1、圖像去噪處理是遙感影像處理中非常重要的環(huán)節(jié),其去噪質(zhì)量直接影響遙感影像后續(xù)的解譯與分析。因此,本文研究的主要目的在于從常規(guī)圖像去噪方法入手,分析灰色理論體系在遙感數(shù)字圖像去噪方面的作用與意義,并在此基礎(chǔ)上探討其與灰色預(yù)測模型以及灰色關(guān)聯(lián)度分析方法進(jìn)行圖像去噪的具體結(jié)合方式,針對變換域與非變換域的噪聲處理算法及相關(guān)組合方案展開應(yīng)用研究,并通過仿真試驗(yàn)分析其各自在圖像去噪中的應(yīng)用效果。
  本文主要內(nèi)容安排包括:
  1.闡述灰

2、色系統(tǒng)基礎(chǔ)理論和發(fā)展現(xiàn)狀,并對其中的灰色預(yù)測模型建模和灰關(guān)聯(lián)分析方法作重點(diǎn)研究,此外,對遙感圖像的數(shù)字特征及其圖像去噪的基本理論和常用方法做簡要介紹。
  2.嘗試采用單變量灰色線性中值濾波算法在空間域范圍內(nèi)對常規(guī)非線性濾波去噪方法進(jìn)行改進(jìn),并通過灰關(guān)聯(lián)分析對圖像中的噪聲像元予以識別,提高濾波過程中對脈沖噪聲的反應(yīng)能力,并減少對圖像細(xì)節(jié)的平滑效應(yīng)。該算法結(jié)合灰色預(yù)測模型與非線性中值濾波的特點(diǎn),提高圖像去噪的有效性。
  3.

3、結(jié)合多變量灰預(yù)測模型MGM(1,n)內(nèi)不同變量具有一定關(guān)聯(lián)性的特點(diǎn),在圖像空間域?yàn)V波去噪過程中,通過構(gòu)造MGM(1,n)空間濾波模板,有意識地加大對周圍鄰域內(nèi)灰度值變化關(guān)聯(lián)性的考慮范圍,從而提高圖像去噪質(zhì)量。
  4.結(jié)合Fourier變換的低通濾波方法,采用單變量灰色預(yù)測模型算法對比其與常規(guī)空間域、頻率域?yàn)V波算法及單純的灰色預(yù)測模型濾波方法所具有的特點(diǎn),并分析組合模型的去噪效果及優(yōu)勢領(lǐng)域。此外,嘗試探求該算法在混合噪聲條件下的作

4、用效果。
  5.將噪聲處理空間轉(zhuǎn)入到具有多分辨率特點(diǎn)的小波域中進(jìn)行,利用小波變換的特點(diǎn)結(jié)合灰色歐幾里得關(guān)聯(lián)度分析方法,實(shí)現(xiàn)對圖像噪聲點(diǎn)的識別,并對圖像中的噪聲點(diǎn)加以抑制,增強(qiáng)非噪聲點(diǎn)像元,實(shí)現(xiàn)從多分辨率的角度對噪聲及其抑制方法展開分析研究。
  本文中所有仿真試驗(yàn)均通過采用Matlab編程實(shí)現(xiàn),通過程序?qū)疑到y(tǒng)圖像去噪后的評價(jià)指標(biāo)進(jìn)行了詳細(xì)的比較分析,并對去噪模型特征進(jìn)行了深入探討,為今后灰色系統(tǒng)向測繪多維信息處理方面的

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
  • 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論