基于支持向量機的遙感圖像去噪與融合算法研究.pdf

1、遙感圖像在獲取和傳輸過程中，經(jīng)常會受到各種噪聲的干擾，這將對后續(xù)的圖像處理，如圖像分割、目標識別等產(chǎn)生不利影響。圖像去噪的目的是盡可能保留原始圖像信息的同時最大程度地剔除圖像噪聲。由于單一傳感器產(chǎn)生的圖像信息量不足，因此需要遙感圖像融合將不同傳感器獲取的同一地區(qū)的圖像數(shù)據(jù)采用一定的算法將各圖像數(shù)據(jù)中的信息優(yōu)勢或者互補性有機的結合起來，得到一幅信息更加豐富的圖像。
　　 支持向量機是近些年發(fā)展起來的一種新的機器學習方法，它以統(tǒng)計學

2、習理論為基礎，能夠較好的解決小樣本學習問題，有著抗噪聲性能強，學習效率高和推廣性好等優(yōu)點。
　　 本文研究了基于支持向量機的遙感圖像去噪與融合算法，主要研究內(nèi)容如下：
　　 1、分析了遙感圖像去噪與融合的發(fā)展現(xiàn)狀，介紹了支持向量機理論的原理和實現(xiàn)算法。
　　 2、研究了基于支持向量機的遙感圖像去噪算法，將支持向量回歸模型生成的支持向量值濾波器和非抽樣方向濾波器組，應用到遙感SAR圖像去噪中。根據(jù)支持向量機的奇異點

3、捕捉性能，提出基于支持向量值輪廓波變換的SAR圖像去噪算法，該算法將非抽樣方向濾波器組引入支持向量機理論中，充分挖掘支持向量值的方向特性，構造支持向量值輪廓波變換，利用該變換對SAR圖像進行多尺度、多方向分解，并結合局部自適應貝葉斯閾值方法達到抑制相干斑噪聲的目的。對真實SAR圖像實驗表明，該算法在斑點噪聲平滑、紋理細節(jié)信息保護等方面優(yōu)于小波等其他算法，數(shù)值指標和主觀效果都有較好改進。
　　 3、研究了基于支持向量機的遙感圖像融

4、合算法，將支持向量值變換和脈沖耦合神經(jīng)網(wǎng)絡(PCNN)模型，應用于遙感圖像融合中。提出了一種基于支持向量值變換與脈沖耦合神經(jīng)網(wǎng)絡的遙感圖像融合算法，該算法首先利用支持向量值變換對輸入的遙感圖像進行多尺度分解，提取圖像中的支持向量值，然后在不同的分解水平上利用支持向量值的空間頻率激勵PCNN，選取融合系數(shù)，提高融合性能。仿真結果表明，與非抽樣contourlet變換等算法相比較，該算法所獲得的融合圖像信息量和視覺效果有明顯提高，同時有效增