基于多尺度幾何變換的遙感圖像處理算法研究.pdf

1、遙感圖像在國(guó)防和民用方面起著不可替代的作用，由于其成像機(jī)制與可見(jiàn)光圖像的差異很大，因此研究針對(duì)該類圖像的特點(diǎn)的處理算法尤為重要。多尺度幾何分析從提出到現(xiàn)在已經(jīng)有十幾年的歷史了，雖然這些方法本身具有良好的時(shí)頻性能，且能很好地解決所對(duì)應(yīng)方向的一些多維信號(hào)處理的問(wèn)題。但是由此理論生成的多尺度幾何變換還有不少的缺點(diǎn)而有待完善，例如，一些多尺度幾何變換不具有移不變性和解析性，方向選擇性較差等，而且針對(duì)遙感圖像的特點(diǎn)不同種類的多尺度幾何變換具有不同

2、的處理效果，本文的研究主要基于目前常用的多尺度幾何變換——輪廓波(Contourlet)、雙樹復(fù)小波(dual-tree complex wavelet，DTCWT)、剪切波(Shearlet)和超分析小波(hyperanalysis wavelet，HWT)。本文的應(yīng)用領(lǐng)域主要是遙感圖像的處理，包括SAR圖像的去噪、機(jī)場(chǎng)異物檢測(cè)、邊緣檢測(cè)、圖像分離、遙感圖像的融合。本文以多尺度幾何變換為主線，針對(duì)其在遙感圖像處理應(yīng)用中的關(guān)鍵技術(shù)進(jìn)行了

3、深入系統(tǒng)的研究。
　　本文在前人的基礎(chǔ)上從以下兩個(gè)方面進(jìn)行深入的研究。一方面，改進(jìn)現(xiàn)有的多尺度幾何變換的性質(zhì)和創(chuàng)造新的具有更好性質(zhì)的多尺度幾何變換。另一方面，根據(jù)不同的應(yīng)用場(chǎng)景構(gòu)造不同的基于多尺度幾何變換的算法將變換應(yīng)用到遙感圖像處理領(lǐng)域中。
　　本文的主要貢獻(xiàn)如下:
　　1.基于多尺度幾何變換的SAR圖像去噪算法研究針對(duì)現(xiàn)有多尺度幾何變換缺乏方向選擇性和移不變性的缺點(diǎn)，本文從這兩方面進(jìn)行了改進(jìn)，針對(duì)Contourle

4、t變換的改進(jìn)包括Wavelet-Contourlet變換、復(fù)輪廓波變換、局部混合濾波，而針對(duì)Shearlet變換的改進(jìn)為復(fù)Shearlet變換，最后構(gòu)造了一種適合機(jī)場(chǎng)雷達(dá)圖像去噪的移不變二維混合變換。改進(jìn)的變換具有移不變性和良好的方向選擇性以及稀疏性，豐富了多尺度幾何變換的內(nèi)容，也更有利于雷達(dá)圖像的去噪。
　　針對(duì)SAR圖像成像特點(diǎn)，本文基于上述的多尺度幾何變換提出了幾種去噪算法:一是基于改進(jìn)后的Contourlet變換的SAR圖

5、像去噪算法——基于Wavelet-Contourlet變換的Cycle Spinning去噪算法、基于復(fù)Contourlet變換高斯混合去噪算法、基于局部混合濾波的去噪算法;二是基于改進(jìn)后Shearlet變換的SAR圖像去噪算法——基于Shearlet雙變量去噪算法、基于復(fù)Shearlet變換高斯混合去噪算法、基于稀疏表示的去噪算法、基于貝葉斯收縮的去噪算法;最后則是基于移不變二維混合變換的機(jī)場(chǎng)雷達(dá)圖像去噪。仿真結(jié)果表明了所提出的去噪算

6、法的有效性和可靠性。針對(duì)上述的算法，本文總結(jié)了基于多尺度幾何變換去噪的常用框架，并且將上述算法進(jìn)行一一對(duì)比，分析他們?cè)诶走_(dá)圖像去噪中的優(yōu)缺點(diǎn)，以利于未來(lái)進(jìn)一步的研究。
　　2.基于多尺度幾何變換的SAR圖像邊緣檢測(cè)算法研究針對(duì)現(xiàn)有的多尺度幾何變換在SAR圖像邊緣檢測(cè)中沒(méi)有充分地利用多尺度變換方向信息和多尺度邊緣信息融合規(guī)則比較簡(jiǎn)單的缺點(diǎn)，本文總結(jié)了多尺度幾何變換在SAR圖像邊緣檢測(cè)中應(yīng)用的典型步驟，提出了三種基于多尺度幾何變換的S

7、AR圖像邊緣檢測(cè)算法。
　　第一種邊緣檢測(cè)算法是基于上述的局部混合濾波去噪算法構(gòu)造的，本文對(duì)基于多尺度幾何變換的SAR圖像邊緣檢測(cè)算法的幾個(gè)步驟進(jìn)行了改進(jìn)，首先改進(jìn)了平滑過(guò)程，然后使用多比例模型Canny算子進(jìn)行單個(gè)尺度的邊緣信息檢測(cè)，最后采用證據(jù)理論進(jìn)行各尺度的邊緣信息融合。
　　第二種邊緣檢測(cè)算法是基于稀疏去噪和最小二乘支持向量機(jī)進(jìn)行邊緣檢測(cè)，首先使用稀疏表示進(jìn)行去噪，然后采用最小二乘支持向量機(jī)進(jìn)行邊緣檢測(cè)。
　　

8、第三種邊緣檢測(cè)算法是基于稀疏表示去噪算法利用多尺度幾何變換的方向性構(gòu)造的，稀疏表示去噪是一種迭代去噪模型，本文利用形態(tài)學(xué)算子檢測(cè)每次迭代的方向邊緣信息，然后采用證據(jù)理論將其融合為完整的邊緣。
　　最后本文將上述算法進(jìn)行一一對(duì)比，分析它們?cè)赟AR圖像邊緣檢測(cè)中的優(yōu)缺點(diǎn)，以利于未來(lái)進(jìn)一步的研究。
　　3.基于多尺度幾何分離字典的圖像幾何分離算法研究在研究星星軌跡時(shí)需要將天文圖像中的點(diǎn)和曲線進(jìn)行分離，而現(xiàn)有的算法計(jì)算復(fù)雜度太大和計(jì)

9、算時(shí)間太長(zhǎng)，因此本文提出了三種新的圖像幾何分離字典進(jìn)行圖像分離，其中一種是基于復(fù)Shearlet和雙正交小波字典，另外一種是基于圓對(duì)稱Shearlet和雙正交小波字典，還有一種是基于超分析Shearlet和雙正交小波字典，對(duì)于最后一種字典本文還采用了新的迭代算法進(jìn)行圖像幾何分離。為了客觀地評(píng)價(jià)各種算法的圖像幾何分離效果，本文提出了一種分離效果評(píng)價(jià)標(biāo)準(zhǔn)—分離度。實(shí)驗(yàn)結(jié)果證明了該算法的有效性，最后本文分析了上述算法的優(yōu)缺點(diǎn)，以利于進(jìn)一步的研