基于NSCT和改进模糊的遥感图像增强方法

doi:10.3778/j.issn.1002-8331.1603-0040

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (15): 206-209.DOI: 10.3778/j.issn.1002-8331.1603-0040

基于NSCT和改进模糊的遥感图像增强方法

周飞1，贾振红1，杨杰2，Nikola Kasabov3

1.新疆大学信息科学与工程学院，乌鲁木齐 830046
2.上海交通大学图像处理与模式识别研究所，上海 200240
3.新西兰奥克兰理工大学知识工程与发现研究所，新西兰奥克兰 1020

出版日期:2017-08-01 发布日期:2017-08-14

Enhancement method of remote sensing image based on NSCT and improved fuzzy contrast

ZHOU Fei1, JIA Zhenhong1, YANG Jie2, Nikola Kasabov3

1.College of Information Science and Engineering，Xinjiang University, Urumqi 830046, China
2.Institute of Image Processing and Pattern Recognition, Shanghai Jiaotong University, Shanghai 200240, China
3.Knowledge Engineering and Discovery Research Institute, Auckland University of Technology, Auckland 1020, New Zealand

Online:2017-08-01 Published:2017-08-14

摘要/Abstract

摘要： 为了解决遥感图像处理过程中噪声放大和图像失真现象，提出了一种结合NSCT和改进模糊对比度的图像增强方法。通过NSCT变换把图像分解成低频子带和若干个高频子带；对低频子带进行线性增强，并利用改进的阈值函数对高频子带进行去噪；随后采用改进的模糊对比度来调整NSCT反变换的系数，以提高图像的整体对比度。实验结果表明，提出的算法的客观指标明显优于其他对比算法，并且视觉效果也得到很大改善。

关键词: 遥感图像, 图像增强, NSCT变换, 线性变换, 自适应阈值, 模糊对比度

Abstract: In order to solve the phenomenon of amplifying noise and image distortion in the process of remote sensing image, an enhancement method is proposed based on NSCT and improved fuzzy contrast. The original image is decomposed into the NSCT domain with a low-frequency sub-band and several high-frequency sub-bands. Linear transformation is adopted for the coefficients of the low-frequency sub-bands. An adaptive threshold method is used for the removal of high-frequency image noise. Subsequently, the improved fuzzy set is used to enhance the global contrast modifying the inverse coefficient of NSCT. Experimental results show that the proposed method not only is superior to other comparative methods in objective criterions, but also can get better visual effect.

Key words: remote sensing image, image enhancement, NSCT, linear transformation, adaptive threshold, fuzzy contrast

周飞1，贾振红1，杨杰2，Nikola Kasabov3. 基于NSCT和改进模糊的遥感图像增强方法[J]. 计算机工程与应用, 2017, 53(15): 206-209.

ZHOU Fei1, JIA Zhenhong1, YANG Jie2, Nikola Kasabov3. Enhancement method of remote sensing image based on NSCT and improved fuzzy contrast[J]. Computer Engineering and Applications, 2017, 53(15): 206-209.

[1]	魏玮，杨茹，朱叶. 改进CenterNet的遥感图像目标检测[J]. 计算机工程与应用, 2021, 57(6): 191-199.
[2]	万亚玲，钟锡武，刘慧，钱育蓉. 卷积神经网络在高光谱图像分类中的应用综述[J]. 计算机工程与应用, 2021, 57(4): 1-10.
[3]	佘海龙，解山娟，邹静洁. 标准分数降维的3D-CNN高光谱遥感图像分类[J]. 计算机工程与应用, 2021, 57(4): 169-175.
[4]	谢俊章，彭辉，唐健峰，侯奕辰，曾庆喜. 改进YOLOv4的密集遥感目标检测[J]. 计算机工程与应用, 2021, 57(22): 247-256.
[5]	汤子麟，刘翔，张星. 光照不均匀图像的自适应增强算法[J]. 计算机工程与应用, 2021, 57(21): 216-223.
[6]	秦伟伟，宋泰年，刘洁瑜，王洪伟，梁卓. 基于轻量化YOLOv3的遥感军事目标检测算法[J]. 计算机工程与应用, 2021, 57(21): 263-269.
[7]	王建军，魏江，梅少辉，王健. 面向遥感图像小目标检测的改进YOLOv3算法[J]. 计算机工程与应用, 2021, 57(20): 133-141.
[8]	李正，刘薇，张凯兵. 基于机器学习的遥感图像超分辨综述[J]. 计算机工程与应用, 2021, 57(13): 8-17.
[9]	宋忠浩，谷雨，陈旭，聂圣东. 基于加权策略的高分辨率遥感图像目标检测[J]. 计算机工程与应用, 2021, 57(13): 199-206.
[10]	王小鹏，杨文婷，文昊天. 利用自适应形态学实现遥感水体图像增强[J]. 计算机工程与应用, 2021, 57(12): 186-192.
[11]	朱佳宝，张建勋，陈虹伶. 一种单模型多风格快速风格迁移方法[J]. 计算机工程与应用, 2021, 57(12): 201-206.
[12]	杜豫怡，王鹏章，多化琼，董霙达. 频域内分位数的蒙古族家具纹样增强算法[J]. 计算机工程与应用, 2021, 57(12): 207-210.
[13]	侯涛，蒋瑜. 改进YOLOv4在遥感飞机目标检测中的应用研究[J]. 计算机工程与应用, 2021, 57(12): 224-230.
[14]	曾黎，徐慧颖，陈晓昊，钱晓亮. 深度学习在高分遥感图像场景分类中的应用[J]. 计算机工程与应用, 2021, 57(10): 57-64.
[15]	陈晓文，刘光帅，刘望华，李旭瑞. 成对旋转不变的共生自适应完全局部三值模式[J]. 计算机工程与应用, 2021, 57(1): 219-226.

基于NSCT和改进模糊的遥感图像增强方法

Enhancement method of remote sensing image based on NSCT and improved fuzzy contrast

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics