基于偏微分方程的遥感图像处理方法
作者：王毅编著
出版时间：2015年版
内容简介
近年来，基于偏微分方程（Partial Differential Equation.PDE）的图像处理方法因其本身所具有的形式上的规范性、模型建立的灵活性和局部自适应特性从而成为一种新型的图像处理数学工具，并广泛应用在图像修复、图像去噪和图像分割等多个方面。与其他传统方法相比，偏微分方程技术具有以下优点：①它能够使用广义上连续的二维函数来对图像进行建模，从而对图像进行求导和求积分等操作，能够使得图像处理问题规范化，形式上更简单。②PDE给出了连续域上图像的分析模型，使得网格的划分与局部非线性滤波分析易于实现。③PDE可视为具有微小子邻域局部滤波器的迭代，其物理意义更易于人理解。④基于PDE方法能够通过数值计算方法来实现，并获得较高的稳定性和精度。
目前对遥感图像进行去噪的研究已经有许多方法，偏微分方程的各种模型及改进模型得到了广泛的应用，使其成为图像处理领域一个持续的热点问题，偏微分方程理论的发展为遥感图像处理提供了新的方法和研究技术。反之，工程技术中提出的新问题，又促使了偏微分方程理论的前进，因此得到了越来越多的有关方面学者的关注。总之，对于遥感图像的去噪技术的研究，运用基于PDE的图像处理方法来改善或解决传统方法去噪的难点问题将是一个比较有益的尝试。
《基于偏微分方程的遥感图像处理方法》将遥感图像的特征以及偏微分方程处理的特点相结合，叙述了偏微分方程图像分析的基本概念及研究框架，并重点阐述了各向异性扩散技术在图像处理中的应用，以此作为遥感应用的方法基础，并以遥感图像增强和去噪的研究内容为导向，重点分析了多光谱、高光谱和雷达等不同类型的遥感影像图像恢复和去噪采用的技术流程和关键算法。此外，将该技术进行拓展，应用于多／高光谱遥感图像专题信息分类中。
《基于偏微分方程的遥感图像处理方法》是作者近年来在遥感图像偏微分方程分析与处理方面研究成果的一个阶段性总结，同时也是作者对遥感图像偏微分方程技术的一个初步诠释。
内页插图
目录
第1章 绪论
1．1 研究现状
1．1．1 偏微分方程在图像处理中的应用
1．1．2 偏微分方程图像处理方法的发展历史
1．2 基于各向异性扩散的图像分析及其研究现状
1．2．1 高斯噪声去除的各向异性扩散模型
1．2．2 斑点噪声去除的各向异性扩散模型
1．2．3 多维矢量各向异性扩散模型
第2章 各向异性扩散图像分析技术
2．1 偏微分方程图像去噪模型
2．2 尺度空间
2．2．1 尺度空间理论
2．2．2 尺度空间的公理与不变性质
2．3 线性尺度空间
2．3．1 高斯滤波
2．3．2 尺度空间和偏微分方程
2．4 非线性尺度空间
2．4．1 PM各向异性扩散模型
2．4．2 方程解的特性
2．4．3 扩散系数的选择
2．5 其他形式的各向异性扩散方程
2．5．1 CBAB模型
2．5．2 CLMC模型
2．5．3 ALM模型
2．5．4 鲁棒各向异性扩散模型
2．5．5 形态学各向异性扩散模型
2．5．6 MB模型
2．5．7 YK模型
2．5．8 AMD模型
2．5．9 FAB模型
2．5．1 0非线性结构张量扩散模型
2．6 各向异性扩散模型参数分析
2．6．1 梯度阈值
2．6．2 高斯滤波尺度因子
2．6．3 迭代最优停止时间的设置
2．7 各向异性扩散模型的数值离散格式
2．7．1 梯度下降显式解法
2．7．2 梯度下降半隐式解法
2．7．3 高维差分解法
第3章 依赖时间的多光谱鲁棒各向异性扩散模型
3．1 依赖时间的鲁棒各向异性扩散模型
3．1．1 依赖时间的各向异性扩散模型
3．1．2 依赖时间的鲁棒各向异性扩散模型
3．2 多光谱各向异性扩散模型
3．2．1 像素相似性准则
3．2．2 多光谱梯度
3．2．3 多光谱各向异性扩散模型
3．3 依赖时间的多光谱鲁棒各向异性扩散模型
3．4 算法步骤与数值计算方法
3．4．1 算法流程
3．4．2 算法讨论
3．5 实验结果与分析
3．5．1 各向异性扩散算法和评价方法
3．5．2 实验结果与分析
第4章 基于梯度和拉普拉斯的高光谱各向异性扩散模型
4．1 高光谱各向异性扩散模型
4．1．1 PM-HAD模型
……
第5章 SAR图像斑点噪声鲁棒各向异性扩散模型
第6章 基于概率扩散模型的多光谱遥感图像分类方法
参考文献
