近年來,基于偏微分方程(Partial Differential Equation.PDE)的圖像處理方法因其本身所具有的形式上的規(guī)范性、模型建立的靈活性和局部自適應(yīng)特性從而成為一種新型的圖像處理數(shù)學(xué)工具,并廣泛應(yīng)用在圖像修復(fù)、圖像去噪和圖像分割等多個(gè)方面。與其他傳統(tǒng)方法相比,偏微分方程技術(shù)具有以下優(yōu)點(diǎn):①它能夠使用廣義上連續(xù)的二維函數(shù)來對圖像進(jìn)行建模,從而對圖像進(jìn)行求導(dǎo)和求積分等操作,能夠使得圖像處理問題規(guī)范化,形式上更簡單。②PDE給出了連續(xù)域上圖像的分析模型,使得網(wǎng)格的劃分與局部非線性濾波分析易于實(shí)現(xiàn)。③PDE可視為具有微小子鄰域局部濾波器的迭代,其物理意義更易于人理解。④基于PDE方法能夠通過數(shù)值計(jì)算方法來實(shí)現(xiàn),并獲得較高的穩(wěn)定性和精度。
目前對遙感圖像進(jìn)行去噪的研究已經(jīng)有許多方法,偏微分方程的各種模型及改進(jìn)模型得到了廣泛的應(yīng)用,使其成為圖像處理領(lǐng)域一個(gè)持續(xù)的熱點(diǎn)問題,偏微分方程理論的發(fā)展為遙感圖像處理提供了新的方法和研究技術(shù)。反之,工程技術(shù)中提出的新問題,又促使了偏微分方程理論的前進(jìn),因此得到了越來越多的有關(guān)方面學(xué)者的關(guān)注?傊,對于遙感圖像的去噪技術(shù)的研究,運(yùn)用基于PDE的圖像處理方法來改善或解決傳統(tǒng)方法去噪的難點(diǎn)問題將是一個(gè)比較有益的嘗試。
《基于偏微分方程的遙感圖像處理方法》將遙感圖像的特征以及偏微分方程處理的特點(diǎn)相結(jié)合,敘述了偏微分方程圖像分析的基本概念及研究框架,并重點(diǎn)闡述了各向異性擴(kuò)散技術(shù)在圖像處理中的應(yīng)用,以此作為遙感應(yīng)用的方法基礎(chǔ),并以遙感圖像增強(qiáng)和去噪的研究內(nèi)容為導(dǎo)向,重點(diǎn)分析了多光譜、高光譜和雷達(dá)等不同類型的遙感影像圖像恢復(fù)和去噪采用的技術(shù)流程和關(guān)鍵算法。此外,將該技術(shù)進(jìn)行拓展,應(yīng)用于多/高光譜遙感圖像專題信息分類中。
《基于偏微分方程的遙感圖像處理方法》是作者近年來在遙感圖像偏微分方程分析與處理方面研究成果的一個(gè)階段性總結(jié),同時(shí)也是作者對遙感圖像偏微分方程技術(shù)的一個(gè)初步詮釋。
從1957年第一顆人造地球衛(wèi)星發(fā)射成功以來,遙感技術(shù)得到了突飛猛進(jìn)的發(fā)展。隨著模式識別、圖像處理和計(jì)算機(jī)視覺技術(shù)的飛速發(fā)展,遙感技術(shù)的發(fā)展日新月異。然而,遙感圖像在獲取和傳輸過程中常常被各種各樣的噪聲干擾,而在一定程度上對圖像質(zhì)量產(chǎn)生不利影響,使圖像的清晰度明顯降低;蛘哂捎趥鞲衅鞅旧淼娜秉c(diǎn),觀測物的特性無法得到有效地反映,導(dǎo)致圖像的可辨性降低。這類噪聲對遙感圖像的識別、目標(biāo)檢測和分割等影響較大。為了提高圖像的質(zhì)量,去除噪聲,為后期的圖像分析、識別,以及較高層次的處理提供依據(jù),必須進(jìn)行遙感圖像預(yù)處理,來濾除圖像中的噪聲污染。
現(xiàn)代圖像領(lǐng)域中,伴隨數(shù)字不斷發(fā)展的圖像技術(shù)以及日益緊密的與其他學(xué)科之間的聯(lián)系,許多更加有效的去除噪聲的方法被提出,包括基于數(shù)學(xué)形態(tài)學(xué)、小波閾值法、基于神經(jīng)網(wǎng)絡(luò)的方法以及多尺度幾何分析法等。但在實(shí)際應(yīng)用中,上述方法都存在著圖像邊緣紋理細(xì)節(jié)的保持與各種噪聲濾除的矛盾,而最能反映圖像特征信息的是圖像的邊緣紋理細(xì)節(jié)。因此,對噪聲進(jìn)行濾除的關(guān)鍵問題是在濾除噪聲的同時(shí),最大程度地保持圖像的細(xì)節(jié)特征信息。
近年來,基于偏微分方程(Partial Differential Equation.PDE)的圖像處理方法因其本身所具有的形式上的規(guī)范性、模型建立的靈活性和局部自適應(yīng)特性從而成為一種新型的圖像處理數(shù)學(xué)工具,并廣泛應(yīng)用在圖像修復(fù)、圖像去噪和圖像分割等多個(gè)方面。與其他傳統(tǒng)方法相比,偏微分方程技術(shù)具有以下優(yōu)點(diǎn):①它能夠使用廣義上連續(xù)的二維函數(shù)來對圖像進(jìn)行建模,從而對圖像進(jìn)行求導(dǎo)和求積分等操作,能夠使得圖像處理問題規(guī)范化,形式上更簡單。②PDE給出了連續(xù)域上圖像的分析模型,使得網(wǎng)格的劃分與局部非線性濾波分析易于實(shí)現(xiàn)。③PDE可視為具有微小子鄰域局部濾波器的迭代,其物理意義更易于人理解。④基于PDE方法能夠通過數(shù)值計(jì)算方法來實(shí)現(xiàn),并獲得較高的穩(wěn)定性和精度。
目前對遙感圖像進(jìn)行去噪的研究已經(jīng)有許多方法,偏微分方程的各種模型及改進(jìn)模型得到了廣泛的應(yīng)用,使其成為圖像處理領(lǐng)域一個(gè)持續(xù)的熱點(diǎn)問題,偏微分方程理論的發(fā)展為遙感圖像處理提供了新的方法和研究技術(shù)。反之,工程技術(shù)中提出的新問題,又促使了偏微分方程理論的前進(jìn),因此得到了越來越多的有關(guān)方面學(xué)者的關(guān)注?傊,對于遙感圖像的去噪技術(shù)的研究,運(yùn)用基于PDE的圖像處理方法來改善或解決傳統(tǒng)方法去噪的難點(diǎn)問題將是一個(gè)比較有益的嘗試。
本書將遙感圖像的特征以及偏微分方程處理的特點(diǎn)相結(jié)合,敘述了偏微分方程圖像分析的基本概念及研究框架,并重點(diǎn)闡述了各向異性擴(kuò)散技術(shù)在圖像處理中的應(yīng)用,以此作為遙感應(yīng)用的方法基礎(chǔ),并以遙感圖像增強(qiáng)和去噪的研究內(nèi)容為導(dǎo)向,重點(diǎn)分析了多光譜、高光譜和雷達(dá)等不同類型的遙感影像圖像恢復(fù)和去噪采用的技術(shù)流程和關(guān)鍵算法。此外,將該技術(shù)進(jìn)行拓展,應(yīng)用于多/高光譜遙感圖像專題信息分類中。本書是作者近年來在遙感圖像偏微分方程分析與處理方面研究成果的一個(gè)階段性總結(jié),同時(shí)也是作者對遙感圖像偏微分方程技術(shù)的一個(gè)初步詮釋。
第1章 緒論
1.1 研究現(xiàn)狀
1.1.1 偏微分方程在圖像處理中的應(yīng)用
1.1.2 偏微分方程圖像處理方法的發(fā)展歷史
1.2 基于各向異性擴(kuò)散的圖像分析及其研究現(xiàn)狀
1.2.1 高斯噪聲去除的各向異性擴(kuò)散模型
1.2.2 斑點(diǎn)噪聲去除的各向異性擴(kuò)散模型
1.2.3 多維矢量各向異性擴(kuò)散模型
第2章 各向異性擴(kuò)散圖像分析技術(shù)
2.1 偏微分方程圖像去噪模型
2.2 尺度空間
2.2.1 尺度空間理論
2.2.2 尺度空間的公理與不變性質(zhì)
2.3 線性尺度空間
2.3.1 高斯濾波
2.3.2 尺度空間和偏微分方程
2.4 非線性尺度空間
2.4.1 PM各向異性擴(kuò)散模型
2.4.2 方程解的特性
2.4.3 擴(kuò)散系數(shù)的選擇
2.5 其他形式的各向異性擴(kuò)散方程
2.5.1 CBAB模型
2.5.2 CLMC模型
2.5.3 ALM模型
2.5.4 魯棒各向異性擴(kuò)散模型
2.5.5 形態(tài)學(xué)各向異性擴(kuò)散模型
2.5.6 MB模型
2.5.7 YK模型
2.5.8 AMD模型
2.5.9 FAB模型
2.5.1 0非線性結(jié)構(gòu)張量擴(kuò)散模型
2.6 各向異性擴(kuò)散模型參數(shù)分析
2.6.1 梯度閾值
2.6.2 高斯濾波尺度因子
2.6.3 迭代最優(yōu)停止時(shí)間的設(shè)置
2.7 各向異性擴(kuò)散模型的數(shù)值離散格式
2.7.1 梯度下降顯式解法
2.7.2 梯度下降半隱式解法
2.7.3 高維差分解法
第3章 依賴時(shí)間的多光譜魯棒各向異性擴(kuò)散模型
3.1 依賴時(shí)間的魯棒各向異性擴(kuò)散模型
3.1.1 依賴時(shí)間的各向異性擴(kuò)散模型
3.1.2 依賴時(shí)間的魯棒各向異性擴(kuò)散模型
3.2 多光譜各向異性擴(kuò)散模型
3.2.1 像素相似性準(zhǔn)則
3.2.2 多光譜梯度
3.2.3 多光譜各向異性擴(kuò)散模型
3.3 依賴時(shí)間的多光譜魯棒各向異性擴(kuò)散模型
3.4 算法步驟與數(shù)值計(jì)算方法
3.4.1 算法流程
3.4.2 算法討論
3.5 實(shí)驗(yàn)結(jié)果與分析
3.5.1 各向異性擴(kuò)散算法和評價(jià)方法
3.5.2 實(shí)驗(yàn)結(jié)果與分析
第4章 基于梯度和拉普拉斯的高光譜各向異性擴(kuò)散模型
4.1 高光譜各向異性擴(kuò)散模型
4.1.1 PM-HAD模型
……
第5章 SAR圖像斑點(diǎn)噪聲魯棒各向異性擴(kuò)散模型
第6章 基于概率擴(kuò)散模型的多光譜遙感圖像分類方法
參考文獻(xiàn)