为提高矿井混合噪声图像的可观测性, 提出了基于高斯曲率优化和非下采样剪切波变换的高密度混合噪声去除算法.使用局部高斯曲率优化混合噪声图像, 抑制椒盐噪声对噪声分布的影响, 使混合噪声分布近似为高斯噪声分布.使用非下采样剪切波变换分解高斯曲率优化图像, 实施自适应硬阈值收缩降噪, 去除混合噪声中的高斯噪声成分.最后, 迭代使用局部高斯曲率优化和非下采样剪切波变换降噪去除残余噪声, 直至输出图像梯度能量满足停止条件.实验表明, 本文算法能够有效地去除高斯噪声和椒盐噪声构成的高密度混合噪声, 且有效抑制了剪切波变换降噪引起的伪吉布斯现象, 有效地降低了矿井图像的噪声.

为了最大限度地保留多光谱图像的光谱特性和全色图像的空间细节, 提出基于最小Hausdorff距离和非下采样剪切波变换(NSST)的遥感图像融合方法.首先, 将原多光谱图像进行主成分分析(PCA)获得其第一主分量, 选择NSST对第一主分量和全色图像分别进行分解, 得到相应的低频子带系数和高频子带系数.其次, 对低频子带系数采用基于稀疏表示的融合策略, 稀疏系数与区域空间频率相结合, 根据区域空间频率选择权值, 对稀疏系数进行加权; 对于高频子带系数充分考虑其邻域系数相关性, 提出采用最小Hausdorff距离表征相应区域相关性, 根据相关性不同采用不同的融合策略.最后, 对融合系数进行NSST逆变换得到融合后的第一主分量, 再将新的第一主分量与其他高阶主分量进行PCA逆变换得到融合图像.选择三组QuickBird卫星图像和一组SPOT卫星图像进行测试, 与传统的融合策略算法相比, 本文方法获得的融合结果客观评价指标更优, 且主观视觉效果更好.