基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
在分析了SAR图像的噪声成因及其噪声模型的基础上,提出了一种适用于复轮廓波变换域的高斯比例混合模型的SAR图像去噪(CCT-GMS)算法.本文所提出的算法具有多方向多尺度移不变性,并且充分的利用了复轮廓波的时域和频域的特性,改善了图像的视觉效果.实验结果表明:相比使用小波-轮廓波加上Cycle Spinning去噪,本文算法的峰值信噪比提高2dB,相比使用BLS-GMS去噪,本文的算法抑制了人造纹理产生,视觉效果得到了明显的改善.
推荐文章
复Daubechies小波域HMT模型Bayesian图像去噪
复Daubechies小波
隐马尔可夫树模型
线性相位
贝叶斯去噪
复脊波变换SAR图像去噪算法
脊波变换
图像去噪
二元树复小波
SAR图像
基于小波域HMT模型的图像去噪研究
图像去噪
隐马尔可夫树模型
小波变换
白噪声
基于非下采样四元数轮廓波变换域的图像去噪
图像去噪
非下采样四元数轮廓波
对称正态逆高斯分布模型
非局部均值滤波
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于复轮廓波域高斯比例混合模型SAR图像去噪
来源期刊 北京交通大学学报 学科 工学
关键词 复轮廓波变换 高斯比例混合模型 轮廓波(Contourlet)变换去噪 合成孔径雷达图像去噪
年,卷(期) 2012,(2) 所属期刊栏目 计算机与信息技术
研究方向 页码范围 24-28
页数 分类号 TN911.73
字数 4885字 语种 中文
DOI 10.3969/j.issn.1673-0291.2012.02.004
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 肖扬 北京交通大学现代信息科学与网络技术北京市重点实验室 88 514 12.0 16.0
2 胡绍海 北京交通大学现代信息科学与网络技术北京市重点实验室 51 509 12.0 21.0
3 刘帅奇 北京交通大学现代信息科学与网络技术北京市重点实验室 9 68 5.0 8.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (4)
共引文献  (38)
参考文献  (5)
节点文献
引证文献  (8)
同被引文献  (24)
二级引证文献  (15)
1976(2)
  • 参考文献(1)
  • 二级参考文献(1)
1983(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2015(2)
  • 引证文献(2)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(2)
  • 引证文献(1)
  • 二级引证文献(1)
2018(4)
  • 引证文献(1)
  • 二级引证文献(3)
2019(11)
  • 引证文献(1)
  • 二级引证文献(10)
2020(2)
  • 引证文献(1)
  • 二级引证文献(1)
研究主题发展历程
节点文献
复轮廓波变换
高斯比例混合模型
轮廓波(Contourlet)变换去噪
合成孔径雷达图像去噪
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
北京交通大学学报
双月刊
1673-0291
11-5258/U
大16开
北京西直门外上园村3号
1975
chi
出版文献量(篇)
3626
总下载数(次)
7
总被引数(次)
38401
论文1v1指导