SAR图像滤波方法的总结

本文算法首先以小波能量为特征,采用快速模糊聚类算法(FCM)将图像粗分割为3类,结合原图信息从中判断并选择水域区 域,然后计算水域区域对应于原图的平均梯度,以此作为特征,自适应地确定梯度阈值,从而实现

针对SAR图像特殊的噪声特性，提出一种基于灰色模糊熵的快速图像分割方法。该方法不仅考虑了图像像素的灰度信息，还考虑了像素与其邻域像素的空间相关信息。为弥补传统模糊方法对噪声敏感的缺陷，引入灰色关联分析

用于描述区域特征的Hu 矩不变量在模式识别中得到广泛使用。然而在噪声影响下, 尤其是SAR 图像中严重的相干斑噪 声, Hu 矩不变量不再保持其完美的性能。以Hu 七个矩不变量为基础, 结合SAR 图

几篇利用SAR图像的极化干涉非监督Wishart分类方法和实验研究，希望对您有所帮助

为了解决基于Wedgelet变换的多尺度分割算法在楔形方向的选择上需要计算所有分解楔形系数,且没有利用上层分解的结果,计算量特别大的问题,提出一种从图像的几何结构出发,在图像四分树的基础上加以楔形区域

灰度图片加入噪声,分别用中值滤波和均值滤波来进行锐化,显示的图像可以清晰的查看两种滤波的效果区别。。

实现图像的高斯滤波,通过调整高斯函数的标准差(sigma)来控制平滑程度 利用二维高斯函数的行列可分离性进行加速

SAR图像提高分辨率的主要方法间的联系,还不错

Graph cuts方法是一种快速优化技术,能有效解决计算机视觉的低层次问题,如表面重构、分割、去噪等问题。其优点是迭代计算的高效性并能得到全局最优解。利用Graph cuts方法,将基于活动轮廓模型

本文提出了一种基于方向波变换和最大后验估计的去噪算法。 对数变换后的无噪声图像的详细方向性系数被认为是具有零均值的高斯混合概率密度函数(PDF),方向性域中的斑点噪声被建模为具有高斯分布的加性噪声​​