| 【中文题名】 | 基于小波变换和中值滤波的遥感图像预处理 |
| 【英文题名】 | Remote Sensing Image Pre-processing Based on Wavelet Transform and Median Filter |
| 【学科专业】 | 电子与通信工程 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2005-8-26 |
| 【中关键词】 | 遥感图像,小波变换,中值滤波,图像去噪,图像增强, |
| 【英关键词】 | remote-sensing image,wavelet transform,median filter,image denoising,image enhancement, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>遥感技术>遥感图像的解译、识别与处理>图像处理方法> |
| 【论文摘要】 | 小波分析是继Fourier 分析之后的新的时频域分析工具。在遥感图像处理领域,其应用包括图像生成、图像预处理、图像压缩与传输、图像配准、图像分析、特征提取与图像分类等图像处理的几乎所有阶段。本文对小波分析在遥感图像预处理方面的应用方法进行了研究。
本文提出基于小波变换与中值滤波相结合的方法实现了图像去噪;该方法是根据高斯噪声及脉冲噪声在小波变换下的不同特性,并结合中值滤波的特点,在小波域内对高频子带进行中值滤波,然后选择相应的门限进行降噪处理。该算法的实验结果显示不仅能滤除图像中的脉冲噪声和高斯噪声,而且能较好的保留图像的边缘细节,其滤波效果优于小波软阀值去噪。 |
| 【论文题纲】 |
|
第1章 绪论 |
7-14 |
|
1.1 引言 |
7-8 |
|
1.2 遥感图像噪声模型 |
8-14 |
|
第2章 小波变换基本理论及应用 |
14-39 |
|
2.1 傅立叶变换到小波变换 |
14-19 |
|
2.1.1 短时傅立叶变换 |
15-16 |
|
2.1.2 小波变换 |
16-17 |
|
2.1.3 小波变换与傅立叶变换的比较 |
17-19 |
|
2.2 一维小波变换 |
19-23 |
|
2.2.1 连续小波变换 |
19-21 |
|
2.2.2 离散小波变换 |
21-22 |
|
2.2.3 二进制小波变换 |
22-23 |
|
2.3 多分辨率分析 |
23-30 |
|
2.3.1 多分辨率分析 |
24-28 |
|
2.3.2 一维 Mallat 塔形算法 |
28-30 |
|
2.4 二维小波变换 |
30-32 |
|
2.5 二维图像的多分辨分析 |
32-39 |
|
2.5.1 二维 Mallat 算法 |
35-39 |
|
第3章 基于小波变换的遥感图像去噪技术 |
39-45 |
|
3.1 关于遥感及遥感图像 |
39-40 |
|
3.2 小波变换的遥感图像去噪技术 |
40-45 |
|
3.2.1 小波去噪概述 |
40-41 |
|
3.2.2 小波去噪技术的发展 |
41-42 |
|
3.2.3 小波去噪方法 |
42-45 |
|
第4章 小波变换与中值滤波相结合的遥感图像去噪算法 |
45-66 |
|
4.1 中值滤波的基本理论 |
45-48 |
|
4.1.1 中值滤波器的定义及相关理论 |
45-47 |
|
4.1.2 中值滤波技术 |
47-48 |
|
4.2 信号和噪声在小波变换下的统计特征 |
48-50 |
|
4.2.1 信号在小波变换下的统计特征 |
48-49 |
|
4.2.2 噪声在小波变换下的统计特征 |
49-50 |
|
4.3 图像的小波增强去噪算法 |
50-51 |
|
4.4 软阀值去噪算法 |
51-53 |
|
4.5 中值滤波与小波变换相结合的去噪方法 |
53-66 |
|
第5章 全文总结 |
66-67 |
|
5.1 主要工作和结论 |
66 |
|
5.2 今后待研究的问题 |
66-67 |
|
参考文献 |
67-70 |
|
摘要 |
70-72 |
|
Abstract |
72-74 |
|
致谢 |
74 |
|
| 【DOI】 | LunWen.ID:2.2008.389279 |
