提出了一种基于非局部均值(NLM)滤波的相干激光雷达距离像去噪方法，结合滤波后的强度像和原始距离像、背景抑制(B-S)后的中值滤波和NLM滤波等图像融合方法，实现B-S和距离反常抑制。对不同载噪比的相干激光雷达多目标仿真图像进行了去噪处理。比较了Lee滤波等方法处理结果。实验结果表明，采用该方法，能够满足距离像背景噪声抑制、目标上距离值正常和边缘保持三方面要求。
2022-07-21 09:49:29
5.86MB
1
针对单一滤波器提取高光谱图像空间特征时不能获得完整的图像空间信息的不足, 提出一种结合非局部均值滤波和导向滤波的高光谱图像分类算法。该方法利用非局部均值滤波提取高光谱全波段图像空间信息, 利用导向滤波提取经由主成分分析(PCA)降维后的高光谱图像的空间边缘信息, 将两种空间信息进行线性融合的结果输入至支持向量机(SVM)完成分类。实验表明, 相比于使用光谱信息、高光谱PCA降维、空谱结合的SVM分类、边缘保持滤波以及递归滤波等方法, 该算法能够有效提高光谱图像的分类精度。
2022-07-01 23:06:44
16.04MB
1
非局部均值滤波步骤
1. 指定邻域窗口半径d，搜索窗口半径D，高斯函数平滑参数h。
2. 扩展图像边界，保证邻域窗口不越界。
3. 在扩展图像中取邻域窗口W1。
4. 限制搜索窗口的边界，保证可移动的邻域窗口W2不越界。
5. 邻域窗口W2在搜索窗口内滑动，当W2与W1重合时跳过。
6. 在W2滑动过程中使用下述公式计算权值：
其中V(x)和V(y)分别是以x,y为中心的邻域矩阵。
邻域间的距离 与归一化系数Z(x)可用下式计算：
7. 当W1中心像素值遍历到搜索窗口最后一个像素点处时，计算移动的邻域窗口W2内像素的加权和。
8. 将步骤7中的加权和除以Z(x)进行归一化，并替换邻域窗口W1的中心像素值。
9. 移动邻域窗口W1，重复步骤4，直至邻域窗口W1不能再移动。
此外，该程序还要求实现以下功能
1. 显示原图像、移除像素后的图像和恢复出的图像。
2. 求该去噪算法的MSE值。
2022-05-10 09:06:35
225KB