公共文化服务平台

共 3 条记录，以下是 1-3

全选清除导出

排序方式：

结合PCA及字典学习的高光谱图像自适应去噪方法被引量：6: 2016年; 高光谱图像各波段图像噪声分布复杂，传统去噪方法难以达到理想效果。针对这一问题，在主成分分析（PCA）的基础上，结合噪声估计和字典学习，提出一种新的高光谱去噪方法。首先，对原始高光谱数据进行主成分变换得到一组主成分图像并根据能量比重将其划分为清晰图像组和含噪图像组；然后，根据任一波段图像的信息，利用奇异值分解（SVD）对图像进行噪声估计，再将得到的噪声估计方法与K-SVD字典学习去噪算法结合。提出一种具备自适应噪声估计特性的字典学习去噪算法，并将其应用于信息量较小的含噪图像组进行去噪处理；最后，按各主成分图像对应的信息量比例进行加权融合得到最终的去噪图像。通过对模拟与实际高光谱遥感图像的实验表明．与PCA、PCA-Bish、PCA-Contourlet三种去噪方法相比，所提方法去噪后图像的峰值信噪比（PSNR）可以提升1-3dB．且具有更多的细节信息和更好的视觉效果。; 汪浩然夏克文任苗苗李绰; 关键词：高光谱遥感主成分分析噪声估计奇异值分解字典学习

结合分块噪声估计的字典学习图像去噪算法被引量：5: 2017年; 近年来K-SVD字典学习去噪算法因其耗时短、去噪效果好的特点得到广泛关注和应用,但该算法的适用条件为图像的噪声为加性噪声且噪声标准差已知。针对这一情况,先提出一种平滑图像块筛选方法,并将其与奇异值分解(singular value decomposition,SVD)相结合实现对图像的噪声标准差估计;再将得到的噪声估计方法与K-SVD字典学习去噪算法结合起来,提出一种具备噪声估计特性的K-SVD字典学习去噪算法。对多种图像的去噪实验结果表明,与Donoho小波软阈值去噪算法、全变分(total variation,TV)去噪算法相比,该算法不仅能够使去噪后图像的峰值信噪比提升1~3 dB,并且能较好地保留图像的细节信息和边缘特征。; 汪浩然夏克文牛文佳任苗苗李绰; 关键词：图像去噪奇异值分解噪声估计字典学习

建筑物的高分辨率SAR图像仿真方法被引量：4: 2018年; 提出一种基于建筑物几何特征的高分辨率(VHR) SAR图像仿真方法。该方法首先构建成像场景模型,以改进的光学着色模型近似散射模型;然后在场景间进行射线追踪,得到目标的散射强度信息和位置信息;为使仿真图像更加真实,引入后处理过程;最后经二维成像,得到逼真的建筑物SAR仿真图像。分析和仿真结果表明,该方法准确高效地仿真建筑物在SAR图像中的几何特征和辐射特征,可为理解和解译SAR建筑物图像提供有效的数据支撑。; 任苗苗潘卓潘卓徐向辉; 关键词：SAR图像图像仿真射线追踪

全选清除导出

共1页<1>

任苗苗