位置:成果数据库 > 期刊 > 期刊详情页
基于双变量收缩函数与小波系数增强的SAR图像去噪
  • ISSN号:1003-4978
  • 期刊名称:《河南大学学报:自然科学版》
  • 时间:0
  • 分类:TP391.4[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]安阳师范学院公共计算机教学部,河南安阳455000, [2]杭州电子科技大学自动化学院,杭州310018, [3]河南大学计算机与信息工程学院,河南开封475004
  • 相关基金:国家自然科学基金资助项目(60434020,60572051)
中文摘要:

在充分考虑斑点噪声模型特殊性的基础上,将双变量收缩函数与小波系数显著性增强相结合,提出一种新的用于SAR图像的斑点抑制算法.将双变垣收缩函数与双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后,通过最大后验概率估计出滤波后图像的小波系数,再采用小波系数的模极大值准则对系数进行显著性增强,突出图像的边缘特征和点特征.仿真实验表明,与其他传统的去噪算法相比,该算法具有更好的去噪效果.

英文摘要:

Combining bivariate shrinkage function with enhancement of wavelet significant coefficients, a novel method is proposed for removing noise from images with speckle, which allows us to consider the particularity of the model for speckle noise. In our paper we make the speckle noise model suit the hivariate shrinkage function, and the joint probability density functions (PDF) and noisePDF could be united by MAP to de-noise image, then the wavelet coefficients are enhanced according to a rule whether the coefficient is a significant one or not. The simulation demonstrates that the new algorithm has a better denoised effect compared with other traditional denoising methods.

同期刊论文项目
期刊论文 50 会议论文 19 著作 1
期刊论文 141 会议论文 89 获奖 4 著作 5
同项目期刊论文
期刊信息
  • 《河南大学学报:自然科学版》
  • 中国科技核心期刊
  • 主管单位:河南省教育厅
  • 主办单位:河南大学
  • 主编:乔家君
  • 地址:河南省开封市明伦街85号
  • 邮编:475001
  • 邮箱:xbzrb@henu.edu.cn
  • 电话:0378-2860394
  • 国际标准刊号:ISSN:1003-4978
  • 国内统一刊号:ISSN:41-1100/N
  • 邮发代号:36-27
  • 获奖情况:
  • 河南省优秀科技期刊一等奖,河南省高校优秀自然科学学报,全国学术期刊规范执行优秀奖
  • 国内外数据库收录:
  • 美国化学文摘(网络版),德国数学文摘,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版)
  • 被引量:5635