基于改进轮廓波变换的SAR图像增强

计算机工程与应用 ›› 2011, Vol. 47 ›› Issue (13): 178-180.

• 图形、图像、模式识别 • 上一篇下一篇

基于改进轮廓波变换的SAR图像增强

王蕊1，龙奕2

1.西南交通大学峨眉校区计算机与通信工程系，四川峨眉 614202
2.贵州大学电气工程学院，贵阳 510003

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2011-05-01 发布日期:2011-05-01

SAR image enhancement based on improved contourlet transform

WANG Rui1，LONG Yi2

1.Department of Computer and Communication Engineering，South West Jiaotong University，E’mei，Sichuan 614202，China
2.School of Electrical Engineering，Guizhou University，Guiyang 510003，China

Received:1900-01-01 Revised:1900-01-01 Online:2011-05-01 Published:2011-05-01

摘要/Abstract

摘要： 针对轮廓波变换（contourlet transform）中进行拉普拉斯金字塔分解时，所得的带通图像在奇异性点附近产生振荡，影响图像去噪的效果，提出一种改进的轮廓波变换。通过改进拉普拉斯金字塔分解，可消除轮廓波变换带通图像边缘附近的震荡。提出了基于改进轮廓波变换的SAR图像增强算法。实验结果表明，该算法在有效抑制SAR图像噪声的同时，较好地保持了图像边缘细节。

关键词: 合成孔径雷达（SAR）图像, 轮廓波变换, 拉普拉斯金字塔, 图像增强

Abstract: In the contourlet transform，the image obtained by Laplacian Pyramid decomposition may produce artifacts on singularity of signal，which is harmful to image denoising.Due to the lack，the improved contourlet transform which is composed of the improved Laplacian Pyramid（LP） decomposition is proposed，and the improved Laplacian Pyramid can effectively suppress the artifacts around the edge of the subband image obtained by contourlet transform.At the same time，SAR image enhancement algorithm based on improved contourlet transform is presented.Experiment results show that the algorithm is superior not only in speckle reduction but also in edge preservation.

Key words: Synthetic Aperture Radar（SAR） image, contourlet transform, Laplacian Pyramid（LP）, image enhancement

王蕊1，龙奕2. 基于改进轮廓波变换的SAR图像增强[J]. 计算机工程与应用, 2011, 47(13): 178-180.

WANG Rui1，LONG Yi2. SAR image enhancement based on improved contourlet transform[J]. Computer Engineering and Applications, 2011, 47(13): 178-180.

[1]	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.
[2]	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.
[3]	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.
[4]	陈迎春. 基于色调映射的快速低照度图像增强[J]. 计算机工程与应用, 2020, 56(9): 234-239.
[5]	袁小平，崔棋纹，程干，张侠，张毅，王溯源. 改进型Gabor自商图算法及其在人脸识别中的应用[J]. 计算机工程与应用, 2020, 56(5): 206-213.
[6]	范文兵，孙志远. 基于小波域广义高斯分布的SAR图像分割算法[J]. 计算机工程与应用, 2020, 56(5): 222-226.
[7]	吴帆，高媛，秦品乐，王丽芳. 基于拉普拉斯金字塔和CNN的医学图像融合算法[J]. 计算机工程与应用, 2020, 56(15): 208-214.
[8]	钱满，张向阳，李仁昌. 改进卷积神经网络SAR图像去噪算法[J]. 计算机工程与应用, 2020, 56(14): 176-182.
[9]	师晓波，蔺素珍，桑新亚. 利用结构连续块和多尺度变换的缺损图像修复[J]. 计算机工程与应用, 2019, 55(8): 189-194.
[10]	朱德利，杨德刚，万辉，杨雨浓. 用于低照度图像增强的自适应颜色保持算法[J]. 计算机工程与应用, 2019, 55(24): 190-195.
[11]	王英博1，刘健2. 幂律变换和IGLC算法的显著性目标检测方法[J]. 计算机工程与应用, 2019, 55(14): 168-176.
[12]	王忠民1，2，段娜1，范琳1. 融合YOLO检测与均值漂移的目标跟踪算法[J]. 计算机工程与应用, 2019, 55(10): 186-192.
[13]	张桂梅1，刘峰瑞1，刘建新2. 图像增强中分数阶阶次自适应模型的构造[J]. 计算机工程与应用, 2018, 54(3): 184-191.
[14]	田敏，张印辉，何自芬，王森. 基于联合模型匹配的齿轮视觉检测方法[J]. 计算机工程与应用, 2018, 54(23): 170-175.
[15]	成钊1，2，王和明1，唐永康2，张颖1. 基于细节增强分析的硬件木马红外图像检测方法[J]. 计算机工程与应用, 2018, 54(16): 86-92.

基于改进轮廓波变换的SAR图像增强

SAR image enhancement based on improved contourlet transform

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