本文關(guān)鍵詞：基于小波包與支持向量機(jī)組合模型的遙感圖像去噪研究

  更多相關(guān)文章： 小波包分析 模糊支持向量機(jī) 遙感圖像 圖像去噪

【摘要】：遙感圖像包含了地球表面的諸多重要信息,圖像質(zhì)量的好壞對(duì)開展區(qū)域規(guī)劃、環(huán)境監(jiān)測(cè)以及工程建設(shè)等一系列工作具有重要的影響。在圖像采集和傳輸?shù)倪^程中,遙感圖像經(jīng)常會(huì)受到噪聲干擾,從而降低了圖像的質(zhì)量,進(jìn)而影響了后續(xù)的圖像解譯等工作。為了更好地進(jìn)行圖像分析、解譯、識(shí)別和更高層次的圖像處理和應(yīng)用,必須對(duì)圖像進(jìn)行噪聲濾波處理,提高圖像的質(zhì)量。小波分析的局部時(shí)頻化與多分辨率分析,能夠很有效的提取信號(hào)的信息。Donoho于1994年提出了小波軟、硬閾值圖像去噪方法,通過設(shè)定門限閾值對(duì)高頻系數(shù)進(jìn)行處理,達(dá)到濾除圖像噪聲目的。小波包繼承了小波分析的優(yōu)點(diǎn),還能對(duì)小波無法分解的高頻部分進(jìn)一步分解,因此對(duì)信號(hào)特征提取更加有效。支持向量機(jī)(SVM)能夠解決小樣本和高維數(shù)分類問題,并且具有很強(qiáng)的泛化性能,已經(jīng)被廣泛應(yīng)用于分類問題中。而在SVM分類算法基礎(chǔ)上,模糊支持向量機(jī)(FSVM)把不同的隸屬度賦予不同樣本,從而提高包含異常數(shù)據(jù)問題的分類能力。本文綜合小波包與FSVM的各自優(yōu)點(diǎn),提出了基于小波包與FSVM組合模型的遙感圖像去噪算法。其去噪原理是先對(duì)含噪圖像進(jìn)行小波閾值處理;再使用小波包對(duì)其分解;然后使用FSVM對(duì)小波包結(jié)點(diǎn)系數(shù)分類;最后重構(gòu)圖像。該模型的核參數(shù)和懲罰因子是使用訓(xùn)練樣本縮減集策略與基因算法相結(jié)合的方法進(jìn)行尋優(yōu)的,而模糊隸屬度是在考慮樣本類別和樣本間鄰域關(guān)系,對(duì)傳統(tǒng)的模糊隸屬度加以改進(jìn)得到的。論文最后進(jìn)行了仿真實(shí)驗(yàn),分析了本文提出的去噪方法對(duì)不同類型噪聲的去噪效果。仿真實(shí)驗(yàn)表明,相對(duì)于其它常用的去噪方法,本文提出的基于小波包與FSVM組合模型的遙感圖像去噪算法能更好地保留圖像邊緣細(xì)節(jié),具有更好的去噪效果。
【關(guān)鍵詞】：小波包分析 模糊支持向量機(jī) 遙感圖像 圖像去噪
【學(xué)位授予單位】：貴州大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP751
【目錄】：

• 摘要4-5
• Abstract5-7
• 第一章 緒論7-16
• 1.1 研究的背景及意義7-8
• 1.2 遙感圖像去噪的國(guó)內(nèi)外研究進(jìn)展8-10
• 1.2.1 遙感圖像去噪的國(guó)內(nèi)研究進(jìn)展8
• 1.2.2 遙感圖像去噪的國(guó)外研究進(jìn)展8-10
• 1.3 模糊支持向量機(jī)的發(fā)展10-12
• 1.4 小波包與FSVM用于遙感圖像去噪的可行性分析12-13
• 1.5 主要研究?jī)?nèi)容、技術(shù)路線和論文體系結(jié)構(gòu)13-16
• 1.5.1 主要研究?jī)?nèi)容13-14
• 1.5.2 研究的方法及技術(shù)路線14-15
• 1.5.3 論文結(jié)構(gòu)15-16
• 第二章 遙感圖像去噪的理論基礎(chǔ)16-32
• 2.1 基于小波包分析的圖像去噪算法16-25
• 2.1.1 小波變換基礎(chǔ)簡(jiǎn)介16-19
• 2.1.2 小波包分析19-23
• 2.1.3 小波基選取準(zhǔn)則23-24
• 2.1.4 小波包去噪方法的MATLAB仿真24-25
• 2.2 模糊支持向量機(jī)學(xué)習(xí)算法25-31
• 2.2.1 SVM的理論基礎(chǔ)25-28
• 2.2.2 FSVM的算法模型28-31
• 2.2.3 FSVM分類實(shí)驗(yàn)仿真31
• 2.3 本章小結(jié)31-32
• 第三章 基于小波包與FSVM組合模型的遙感圖像去噪研究32-43
• 3.1 傳統(tǒng)去噪方法的缺陷32-35
• 3.1.1 Fourier去噪法及其缺點(diǎn)32-33
• 3.1.2 小波去噪法及其缺點(diǎn)33
• 3.1.3 小波包去噪法及其缺點(diǎn)33-35
• 3.2 小波包與FSVM在去噪中的應(yīng)用35-38
• 3.2.1 小波包圖像分解的特點(diǎn)35-36
• 3.2.2 FSVM分類的特點(diǎn)36-37
• 3.2.3 FSVM的引入及新算法的提出37-38
• 3.3 小波包與FSVM在圖像去噪中的實(shí)現(xiàn)38-41
• 3.3.1 基于小波包的圖像分解38-39
• 3.3.2 訓(xùn)練樣本選取39
• 3.3.3 FSVM參數(shù)選擇39-41
• 3.3.4 小波包系數(shù)分類與重構(gòu)41
• 3.4 評(píng)價(jià)去噪的標(biāo)準(zhǔn)41
• 3.5 本章小結(jié)41-43
• 第四章 實(shí)驗(yàn)仿真及分析43-57
• 4.1 噪聲圖像小波包分解43-45
• 4.1.1 含隨機(jī)噪聲的圖像小波包分解43-44
• 4.1.2 含高斯噪聲的圖像小波包分解44
• 4.1.3 含椒鹽噪聲的圖像小波包分解44-45
• 4.2 FSVM參數(shù)的確定45-48
• 4.2.1 隨機(jī)噪聲的FSVM參數(shù)的確定45-46
• 4.2.2 高斯噪聲的FSVM參數(shù)的確定46-47
• 4.2.3 椒鹽噪聲的FSVM參數(shù)的確定47-48
• 4.3 FSVM分類及分析48-50
• 4.3.1 含隨機(jī)噪聲的圖像分類及其分析48-49
• 4.3.2 含高斯噪聲的圖像分類及其分析49
• 4.3.3 含椒鹽噪聲的圖像分類及其分析49-50
• 4.4 小波包圖像重構(gòu)及圖像去噪效果50-55
• 4.4.1 含隨機(jī)噪聲的圖像小波包重構(gòu)及其去噪效果50-52
• 4.4.2 含高斯噪聲的圖像小波包重構(gòu)及其去噪效果52-53
• 4.4.3 含椒鹽噪聲的圖像小波包重構(gòu)及其去噪效果53-55
• 4.4.4 結(jié)論55
• 4.5 本章小結(jié)55-57
• 第五章 總結(jié)與展望57-59
• 5.1 論文總結(jié)57
• 5.2 論文展望57-59
• 參考文獻(xiàn)59-62
• 致謝62-63
• 附錄63-64

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 黃建偉;張成;;一種基于小波的圖像去噪方法[J];佳木斯大學(xué)學(xué)報(bào)(自然科學(xué)版);2010年02期

2 任麗莎;賈瑞芝;楊瑩;;基于特征探測(cè)函數(shù)的圖像去噪[J];重慶理工大學(xué)學(xué)報(bào)(自然科學(xué));2011年09期

3 龍華;涂亞慶;;一種新的形態(tài)中值小波圖像去噪方法[J];后勤工程學(xué)院學(xué)報(bào);2011年02期

4 孫曉明;周冬梅;張順;;圖像去噪方法的對(duì)比研究[J];科技視界;2014年06期

5 丁興號(hào),鄧善熙,楊永躍;基于小波包的圖像去噪方法[J];電子測(cè)量與儀器學(xué)報(bào);2003年02期

6 李強(qiáng);謝志宏;;組合層內(nèi)和層間小波系數(shù)的圖像去噪方法[J];裝甲兵工程學(xué)院學(xué)報(bào);2008年05期

7 金志泉;葛洪偉;;一種非參數(shù)回歸圖像去噪方法[J];淮陰工學(xué)院學(xué)報(bào);2008年05期

8 周浩;晏小飛;;基于改進(jìn)“自蛇”模型的圖像去噪方法[J];科學(xué)技術(shù)與工程;2010年02期

9 賈輝;林義剛;李娜;李宏;;獨(dú)立分量分析在圖像去噪中的應(yīng)用[J];長(zhǎng)江大學(xué)學(xué)報(bào)(自然科學(xué)版)理工卷;2010年02期

10 楊飚;李錫放;張?jiān)?;基于穩(wěn)健回歸的自適應(yīng)圖像去噪方法[J];科學(xué)技術(shù)與工程;2012年09期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫(kù) 前10條

1 劉旨春;朱偉;盛磊;;基于鄰域特性的小波閾值圖像去噪方法[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

2 陳仙紅;屈小波;郭迪;寧本德;陳忠;;自適應(yīng)方向小波在磁共振圖像去噪中的應(yīng)用[A];第十七屆全國(guó)波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

3 韓希珍;趙建;;基于偏微分方程的圖像去噪[A];第八屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

4 殷明;劉衛(wèi);;基于非高斯分布的四元數(shù)小波圖像去噪[A];全國(guó)第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國(guó)第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)議論文摘要集[C];2011年

5 侯艷芹;李均利;魏平;陳剛;;一種新的基于模糊均差和小波閾值的醫(yī)學(xué)圖像去噪方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

6 劉曙光;費(fèi)佩燕;屈萍鴿;;基于對(duì)偶樹復(fù)小波的圖像去噪技術(shù)研究[A];2009中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2009年

7 周利利;張曉明;;基于小波變換的圖像去噪研究[A];2009全國(guó)測(cè)繪科技信息交流會(huì)暨首屆測(cè)繪博客征文頒獎(jiǎng)?wù)撐募痆C];2009年

8 王文;康錫章;王曉東;;基于小波域HMT的航空偵察圖像去噪方法[A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2003年

9 倪永婧;王成儒;;一種紋理圖像去噪方法的研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 鄧超;;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的CCD圖像去噪方法研究[A];武漢(南方九省)電工理論學(xué)會(huì)第22屆學(xué)術(shù)年會(huì)、河南省電工技術(shù)學(xué)會(huì)年會(huì)論文集[C];2010年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 張偉;具有擴(kuò)散—波動(dòng)調(diào)和特性的圖像去噪方法[D];上海交通大學(xué);2014年

2 劉孝艷;變分、PDE和非局部濾波在圖像去噪中的應(yīng)用研究[D];西安電子科技大學(xué);2015年

3 羅亮;基于MCMC采樣的非局部圖像去噪方法研究[D];西安電子科技大學(xué);2015年

4 廖帆;四方向全變分在圖像去噪問題中的應(yīng)用[D];東南大學(xué);2015年

5 楊昊;圖像去噪中幾種優(yōu)化算法的相關(guān)研究[D];電子科技大學(xué);2016年

6 楊成佳;圖像去噪及其效果評(píng)估若干問題研究[D];吉林大學(xué);2016年

7 劉紅毅;結(jié)構(gòu)保持的圖像去噪方法研究[D];南京理工大學(xué);2011年

8 侯迎坤;非局部變換域圖像去噪與增強(qiáng)及其性能評(píng)價(jià)研究[D];南京理工大學(xué);2012年

9 侯建華;基于小波及其統(tǒng)計(jì)特性的圖像去噪方法研究[D];華中科技大學(xué);2007年

10 龐志峰;圖像去噪問題中的幾類非光滑數(shù)值方法[D];湖南大學(xué);2010年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫(kù) 前10條

1 陳龍;偏微分方程擴(kuò)散模型在圖像去噪中的應(yīng)用[D];昆明理工大學(xué);2015年

2 孫旭崢;帶跳回歸算法研究及其應(yīng)用[D];東南大學(xué);2015年

3 呂鯉志;醫(yī)學(xué)CT圖像去噪和增強(qiáng)方法的研究應(yīng)用[D];太原理工大學(xué);2016年

4 嚴(yán)莉娜;基于質(zhì)心的Copula分布估計(jì)算法及其在圖像去噪中的應(yīng)用[D];太原科技大學(xué);2015年

5 張藝;ICA技術(shù)及其在圖像去噪中的應(yīng)用[D];東北石油大學(xué);2010年

6 楊瑩瑩;圖像去噪的保細(xì)節(jié)各向異性擴(kuò)散模型研究[D];重慶大學(xué);2015年

7 王增燁;基于ICA稀疏編碼算法和輪廓波變換的圖像去噪研究[D];東北大學(xué);2014年

8 圖妮薩古麗·達(dá)伍提;基于偏微分方程的圖像去噪中的若干問題研究[D];新疆師范大學(xué);2016年

9 王建龍;高階自適應(yīng)變分與PDE圖像去噪模型[D];河南理工大學(xué);2015年

10 孫曉旭;基于分?jǐn)?shù)階微積分的圖像去噪和圖像配準(zhǔn)方法研究[D];南昌航空大學(xué);2016年

，

本文編號(hào)：559588