ISSN在线(2319 - 8753)打印(2347 - 6710)
Anumolu Lasmika1,k Raveendra2
|
相关文章Pubmed,谷歌学者 |
访问更多的相关文章国际创新研究期刊》的研究在科学、工程和技术
在研究和调查卫星图像变得更流行获取数据来完成他们的需求。而得到这个数据有些干扰和这只不过是可怜的图像质量。克服我们目前DWT将输入图像分解成不同的子带与强大的理论工具分析的非线性图像。通过阈值分解和识别领域的边缘的边缘磨利用形态学滤波器。这个我们是改善图像的质量更好。
关键字 |
离散小波变换(DWT)、阈值分解,形态学滤波器、卫星图像增强。 |
我的介绍。 |
现在卫星图像被用于多个应用程序,如气象、农业、地质、林业、景观、生物多样性保护、区域规划、教育、情报和战争。卫星图像受到各种因素的影响,如吸收、散射等的空间。所以这些图像的分辨率很低。获得更好的感知这些图像,需要有图像清晰和良好定义的边缘,它提供了更好的可见的分离等。 |
中最重要的是提高图像的分辨率图像处理领域。提高图像的分辨率包括改善可用像素的数量来表示图像的细节。共同决议增强(重新)技术是不同大小的像素点。图像分辨率是指细节图像。高分辨率意味着更多的图像细节。图像增强是一种预处理技术。前使用预处理条件的图像进行处理。 |
这些图像的分辨率增强一直是一个主要问题中提取更多的信息。有许多方法可以用来提高分辨率的卫星图像。基于小波域的方法证明了自己是最有效的技术服务所需的目的。决议经常被称为图像的一个重要方面。图片正在处理以获得更多增强分辨率。分辨率增强分为几种类型如像素的分辨率、空间分辨率、光谱分辨率、时间分辨率等。在DWT每个分解将一幅图像划分为四个象限。二维频率分区产生四子乐队:噢,LH、HL和HH。 |
![]() |
图1显示了四个输入图像的子带。常用的插值图像分辨率增强技术。插值法已广泛应用于几个图像处理应用程序如多重描述编码、面部重建和超分辨率。有三个著名的插值技术,即最近邻插值、双线性插值和田园插值。图像分辨率增强在小波域是一个相对较新的研究课题,最近已经提出许多新算法。 |
二世。分辨率增强技术的概述 |
小波零填充: |
在以前的小波零填充是一种最简单的方法或图像分辨率增强。它假设原始信号为零以外的支持。最常见的补零是添加一个字符串的新鲜感样本sometime-domain序列的结束。零填充用于光谱分析与变换提高振幅报道的准确性,不增加频率分辨率。没有补零,输入频率将衰减输出。补零在时域等价于最优插值在频域中,恢复正确的振幅。由于小波变换定义为无限长信号,有限长信号扩展才能被转换。一个常见的扩展方法是补零。补零频率的国米样品间距变化的数组表示结果。在图像分辨率增强,小波变换的低分辨率(LR)图像和零矩阵嵌入转换后的图像,通过逆丢弃高频子带小波变换,因此高分辨率(人力资源)图像。 |
LR在这种方法中,小波变换的图像拍摄和零矩阵嵌入转换后的图像,通过逆丢弃高频子带小波变换,因此人力资源获取图像。[2]。 |
![]() |
b周期旋转: |
在循环旋转[2]的方法,我们按照以下的步骤来得到高度解决图像。首先,我们获得一个中级人力资源图像通过WZP方法。之后,我们得到N通过空间变化的图像,小波转换和丢弃高频组件。WZP过程是适用于所有LR图像获得的人力资源数量的图像。这些人力资源的图片重新排列和平均给最后一个人力资源的形象。 |
![]() |
三世。提出了增强的方法 |
就像前面提到的,卫星成像中图像增强是一个重要的特性,使图像增强等图像是至关重要的增加这些图像的增强将直接影响系统的性能使用这些图像作为输入。边缘增强过滤的帮助下进行传统的过滤器。但是这些过滤器确实有一些问题,特别是在增强图像噪点。 |
边缘增强的努力一直主要集中在改善图像的视觉感知,尚不清楚,因为模糊。噪声去除和保存有用的信息是图像增强的重要方面。提出了各种各样的方法来解决保护边缘和噪声去除问题。为了增加增强图像质量,保护边缘是至关重要的。数学形态学是一个几何分支的名字的非线性滤波器。它提供了一个统一而强大的大量图像处理方法的问题。形态学图像处理的最吸引人的一个方面在于解决图像锐化问题。本文提出了一种新的边缘检测形态学滤波器提高航拍图像。输入彩色图像低对比度卫星图3所示。(a、b和c)。 DWT separates the input image into different sub band images, namely LL, LH, HL, and HH. DWT has been employed in order to preserve the high frequency components of the image. |
![]() |
输入低对比度彩色图像分解为R, G;B . DWT是适用于每种颜色单独(R, G, B)。每种颜色组件的LL子带图像分解成一系列的二进制级别,每一个都可能是单独处理。这些二进制级别可以重组以产生最终的灰度图像具有相同像素值由灰度处理。成功的阈值分解,gradientbased运营商是用来检测边缘的位置,通过检测边缘的位置,然后应用形态学滤波的类。形态滤波器用于这些检测到的边缘锐化。峰值信噪比(PSNR)和均方根误差(RMSE)实现为了获得定量结果。PSNR值可以通过使用下面的公式: |
![]() |
R是最大波动的输入图像(255是由8位图像;)MSE代表输入图像I1,提出增强imageI2可以得到以下公式: |
![]() |
该技术的一般程序如下图(2)所示 |
结果图像可以评估两个特点,变形和清晰度。根据失真评价,需要调整错误,通过计算均方误差(MSE)。峰值信噪比(PSNR)调整图像的质量,更高的PSNR值指的是更好的质量的图像。 |
四、结果和讨论 |
卫星图像增强的结果。图像检测的方法进行如图d, e, f的数值形式表达的卫星图像。结果图像可以评估两个特点,变形和清晰度。根据失真评价,需要调整错误,通过计算均方误差(MSE)。均方误差性能指标性能损失。峰值信噪比(PSNR)调整图像的质量,更高的PSNR值指的是更好的质量的图像。输入图像,提出增强图像怎么MSE和PSNR值列表。PSNR (db)量提出了图像增强技术的高图5和7是原始图像图6和8是增强图像使用卫星图像增强利用DWT和阈值分解形态滤波器。该方法提供了更好的定性和定量结果。as |
![]() |
![]() |
在这里输入图像是彩色或灰度的卫星。图5和图7卫星图像与噪声、照明不良的处理在离散小波变换等许多阶段,阈值分解和形态学滤波,最后增强图像图6和图8。 |
结论 |
在我们提出的方法在提高低对比度卫星图像,边缘检测引导平滑过滤结果。精度保持在检测边缘的位置通过阈值分解,检测到的边缘的锐化是由应用平滑滤波器,在检测到边缘的消费,我们的计划能够有效地加强细节。该方法是不妙的是比其他许多知名sharpener-type过滤器的边缘和细节修复,已经证实在PSNR提高视觉的例子显示该技术是提高。 |
引用 |
|