基于小波包与支持向量机组合模型的遥感图像去噪研究

发布时间：2017-07-18 20:14

  本文关键词：基于小波包与支持向量机组合模型的遥感图像去噪研究

  更多相关文章： 小波包分析 模糊支持向量机 遥感图像 图像去噪

【摘要】：遥感图像包含了地球表面的诸多重要信息,图像质量的好坏对开展区域规划、环境监测以及工程建设等一系列工作具有重要的影响。在图像采集和传输的过程中,遥感图像经常会受到噪声干扰,从而降低了图像的质量,进而影响了后续的图像解译等工作。为了更好地进行图像分析、解译、识别和更高层次的图像处理和应用,必须对图像进行噪声滤波处理,提高图像的质量。小波分析的局部时频化与多分辨率分析,能够很有效的提取信号的信息。Donoho于1994年提出了小波软、硬阈值图像去噪方法,通过设定门限阈值对高频系数进行处理,达到滤除图像噪声目的。小波包继承了小波分析的优点,还能对小波无法分解的高频部分进一步分解,因此对信号特征提取更加有效。支持向量机(SVM)能够解决小样本和高维数分类问题,并且具有很强的泛化性能,已经被广泛应用于分类问题中。而在SVM分类算法基础上,模糊支持向量机(FSVM)把不同的隶属度赋予不同样本,从而提高包含异常数据问题的分类能力。本文综合小波包与FSVM的各自优点,提出了基于小波包与FSVM组合模型的遥感图像去噪算法。其去噪原理是先对含噪图像进行小波阈值处理;再使用小波包对其分解;然后使用FSVM对小波包结点系数分类;最后重构图像。该模型的核参数和惩罚因子是使用训练样本缩减集策略与基因算法相结合的方法进行寻优的,而模糊隶属度是在考虑样本类别和样本间邻域关系,对传统的模糊隶属度加以改进得到的。论文最后进行了仿真实验,分析了本文提出的去噪方法对不同类型噪声的去噪效果。仿真实验表明,相对于其它常用的去噪方法,本文提出的基于小波包与FSVM组合模型的遥感图像去噪算法能更好地保留图像边缘细节,具有更好的去噪效果。
【关键词】：小波包分析 模糊支持向量机 遥感图像 图像去噪
【学位授予单位】：贵州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要4-5
• Abstract5-7
• 第一章 绪论7-16
• 1.1 研究的背景及意义7-8
• 1.2 遥感图像去噪的国内外研究进展8-10
• 1.2.1 遥感图像去噪的国内研究进展8
• 1.2.2 遥感图像去噪的国外研究进展8-10
• 1.3 模糊支持向量机的发展10-12
• 1.4 小波包与FSVM用于遥感图像去噪的可行性分析12-13
• 1.5 主要研究内容、技术路线和论文体系结构13-16
• 1.5.1 主要研究内容13-14
• 1.5.2 研究的方法及技术路线14-15
• 1.5.3 论文结构15-16
• 第二章 遥感图像去噪的理论基础16-32
• 2.1 基于小波包分析的图像去噪算法16-25
• 2.1.1 小波变换基础简介16-19
• 2.1.2 小波包分析19-23
• 2.1.3 小波基选取准则23-24
• 2.1.4 小波包去噪方法的MATLAB仿真24-25
• 2.2 模糊支持向量机学习算法25-31
• 2.2.1 SVM的理论基础25-28
• 2.2.2 FSVM的算法模型28-31
• 2.2.3 FSVM分类实验仿真31
• 2.3 本章小结31-32
• 第三章 基于小波包与FSVM组合模型的遥感图像去噪研究32-43
• 3.1 传统去噪方法的缺陷32-35
• 3.1.1 Fourier去噪法及其缺点32-33
• 3.1.2 小波去噪法及其缺点33
• 3.1.3 小波包去噪法及其缺点33-35
• 3.2 小波包与FSVM在去噪中的应用35-38
• 3.2.1 小波包图像分解的特点35-36
• 3.2.2 FSVM分类的特点36-37
• 3.2.3 FSVM的引入及新算法的提出37-38
• 3.3 小波包与FSVM在图像去噪中的实现38-41
• 3.3.1 基于小波包的图像分解38-39
• 3.3.2 训练样本选取39
• 3.3.3 FSVM参数选择39-41
• 3.3.4 小波包系数分类与重构41
• 3.4 评价去噪的标准41
• 3.5 本章小结41-43
• 第四章 实验仿真及分析43-57
• 4.1 噪声图像小波包分解43-45
• 4.1.1 含随机噪声的图像小波包分解43-44
• 4.1.2 含高斯噪声的图像小波包分解44
• 4.1.3 含椒盐噪声的图像小波包分解44-45
• 4.2 FSVM参数的确定45-48
• 4.2.1 随机噪声的FSVM参数的确定45-46
• 4.2.2 高斯噪声的FSVM参数的确定46-47
• 4.2.3 椒盐噪声的FSVM参数的确定47-48
• 4.3 FSVM分类及分析48-50
• 4.3.1 含随机噪声的图像分类及其分析48-49
• 4.3.2 含高斯噪声的图像分类及其分析49
• 4.3.3 含椒盐噪声的图像分类及其分析49-50
• 4.4 小波包图像重构及图像去噪效果50-55
• 4.4.1 含随机噪声的图像小波包重构及其去噪效果50-52
• 4.4.2 含高斯噪声的图像小波包重构及其去噪效果52-53
• 4.4.3 含椒盐噪声的图像小波包重构及其去噪效果53-55
• 4.4.4 结论55
• 4.5 本章小结55-57
• 第五章 总结与展望57-59
• 5.1 论文总结57
• 5.2 论文展望57-59
• 参考文献59-62
• 致谢62-63
• 附录63-64

【相似文献】

中国期刊全文数据库 前10条

1 黄建伟;张成;;一种基于小波的图像去噪方法[J];佳木斯大学学报(自然科学版);2010年02期

2 任丽莎;贾瑞芝;杨莹;;基于特征探测函数的图像去噪[J];重庆理工大学学报(自然科学);2011年09期

3 龙华;涂亚庆;;一种新的形态中值小波图像去噪方法[J];后勤工程学院学报;2011年02期

4 孙晓明;周冬梅;张顺;;图像去噪方法的对比研究[J];科技视界;2014年06期

5 丁兴号,邓善熙,杨永跃;基于小波包的图像去噪方法[J];电子测量与仪器学报;2003年02期

6 李强;谢志宏;;组合层内和层间小波系数的图像去噪方法[J];装甲兵工程学院学报;2008年05期

7 金志泉;葛洪伟;;一种非参数回归图像去噪方法[J];淮阴工学院学报;2008年05期

8 周浩;晏小飞;;基于改进“自蛇”模型的图像去噪方法[J];科学技术与工程;2010年02期

9 贾辉;林义刚;李娜;李宏;;独立分量分析在图像去噪中的应用[J];长江大学学报(自然科学版)理工卷;2010年02期

10 杨飚;李锡放;张曾科;;基于稳健回归的自适应图像去噪方法[J];科学技术与工程;2012年09期

中国重要会议论文全文数据库 前10条

1 刘旨春;朱伟;盛磊;;基于邻域特性的小波阈值图像去噪方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

2 陈仙红;屈小波;郭迪;宁本德;陈忠;;自适应方向小波在磁共振图像去噪中的应用[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

3 韩希珍;赵建;;基于偏微分方程的图像去噪[A];第八届全国信息获取与处理学术会议论文集[C];2010年

4 殷明;刘卫;;基于非高斯分布的四元数小波图像去噪[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

5 侯艳芹;李均利;魏平;陈刚;;一种新的基于模糊均差和小波阈值的医学图像去噪方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

6 刘曙光;费佩燕;屈萍鸽;;基于对偶树复小波的图像去噪技术研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

7 周利利;张晓明;;基于小波变换的图像去噪研究[A];2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集[C];2009年

8 王文;康锡章;王晓东;;基于小波域HMT的航空侦察图像去噪方法[A];'2003系统仿真技术及其应用学术交流会论文集[C];2003年

9 倪永婧;王成儒;;一种纹理图像去噪方法的研究[A];2006中国控制与决策学术年会论文集[C];2006年

10 邓超;;基于改进神经网络的CCD图像去噪方法研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

中国博士学位论文全文数据库 前10条

1 张伟;具有扩散—波动调和特性的图像去噪方法[D];上海交通大学;2014年

2 刘孝艳;变分、PDE和非局部滤波在图像去噪中的应用研究[D];西安电子科技大学;2015年

3 罗亮;基于MCMC采样的非局部图像去噪方法研究[D];西安电子科技大学;2015年

4 廖帆;四方向全变分在图像去噪问题中的应用[D];东南大学;2015年

5 杨昊;图像去噪中几种优化算法的相关研究[D];电子科技大学;2016年

6 杨成佳;图像去噪及其效果评估若干问题研究[D];吉林大学;2016年

7 刘红毅;结构保持的图像去噪方法研究[D];南京理工大学;2011年

8 侯迎坤;非局部变换域图像去噪与增强及其性能评价研究[D];南京理工大学;2012年

9 侯建华;基于小波及其统计特性的图像去噪方法研究[D];华中科技大学;2007年

10 庞志峰;图像去噪问题中的几类非光滑数值方法[D];湖南大学;2010年

中国硕士学位论文全文数据库 前10条

1 陈龙;偏微分方程扩散模型在图像去噪中的应用[D];昆明理工大学;2015年

2 孙旭峥;带跳回归算法研究及其应用[D];东南大学;2015年

3 吕鲤志;医学CT图像去噪和增强方法的研究应用[D];太原理工大学;2016年

4 严莉娜;基于质心的Copula分布估计算法及其在图像去噪中的应用[D];太原科技大学;2015年

5 张艺;ICA技术及其在图像去噪中的应用[D];东北石油大学;2010年

6 杨莹莹;图像去噪的保细节各向异性扩散模型研究[D];重庆大学;2015年

7 王增烨;基于ICA稀疏编码算法和轮廓波变换的图像去噪研究[D];东北大学;2014年

8 图妮萨古丽·达伍提;基于偏微分方程的图像去噪中的若干问题研究[D];新疆师范大学;2016年

9 王建龙;高阶自适应变分与PDE图像去噪模型[D];河南理工大学;2015年

10 孙晓旭;基于分数阶微积分的图像去噪和图像配准方法研究[D];南昌航空大学;2016年

，

本文编号：559588