针对采用红外成像仪获取红外图像边缘模糊、对比度差等缺点造成图像视觉效果差、质量低等问题。以多尺度 Retinex算法为框架，依据引导滤波保边和梯度保持性，提出引导滤波和对数变换算法融合的多尺度 Retinex红外图像增强方法。首先，用引导滤波替换 MSR算法中的高斯滤波来估计照度分量。其次，将照度分量经过对数变换处理，执行低灰度部分扩展和高灰度部分压缩。最后，引导滤波分割得到的细节层图像线性放大并与 MSR(多尺度 Retinex)处理后的图像叠加，获得增强的红外图像。实验证明，与传统 MSR算法和引导滤波相比该算法效果明显，可以有效地提高红外图像质量。

针对遥感影像中的阴影会导致地物信息受损、影像质量下降的问题,提出了联合对数变换与局部增强的高分遥感影像阴影补偿方法。在阴影检测结果的基础上,首先设计了改进的对数变换图像增强方法,构建了对数变换模型,实现了阴影区域亮度的有效提升。然后,联合局部补偿模型,进行了加权处理,提升了阴影区域的对比度。最后,基于阴影边界同类特征点匹配的思想,自动解算了补偿模型的参数,实现了自动补偿。实验结果表明,所提方法可有效地实现阴影补偿,提升阴影区域的亮度与对比度,较准确地再现阴影区域地物的真实信息。

为了提高低照度遥感图像的可视性,提出一种基于条件生成对抗网络的低照度遥感图像增强方法。首先,为克服样本数据不足,利用正常清晰光照的图像合成低照度图像作为训练样本;然后,将原始低照度遥感图像由RGB色彩空间转换到HSI色彩空间,进行通道拆分,有效分离H、S、I分量,在保持色调分量H不变的前提下,利用条件生成对抗网络和改进的对数变换方法分别处理亮度分量I和饱和度分量S;最后,执行通道合并将处理后的图像从HSI色彩空间转换到RGB色彩空间。在损失函数中引入焦点损失函数,解决样本比例高度不平衡的问题。实验结果表明:所提方法有效地提升了低照度遥感图像的亮度和对比度,为低照度遥感图像增强方法的研究提供了新的思路。

对比3种类型高光谱数据以及2种分类算法, 从那曲地区HSI高光谱图像上识别4个草种。 结合实地踏勘从HSI高光谱图像上采集藏北嵩草、 紫花针茅、 高山蒿草和小嵩草这4个草种的原始光谱反射率数据, 并分别进行导数变换、 对数变换, 得到4个草种的原始光谱、 一阶导数光谱、 对数变换光谱。 对这3种光谱数据进行谱线波形分异特征比较、 单因素方差分析以及相关分析, 从这3种光谱数据中提取出各自适用的敏感谱段, 然后将3种光谱数据的敏感谱段分别导入KICA-NFCM算法, 通过对HSI图像分类识别出4个草种。 对比3种光谱数据各自分类图的识别精度, 评价3种光谱数据敏感谱段的适用性； 再将3种光谱数据的敏感谱段分别导入ICA-FCM算法, 与KICA-NFCM算法分类结果比较对4个草种的识别精度。 结果显示谱线波形分异特征比较、 单因素方差分析以及相关分析表明, 原始光谱、 一阶导数光谱、 对数变换光谱的敏感谱段分别为788～925, 711～742, 669～682与788～925 nm； 使用这3种光谱数据进行KICA-NFCM分类, 总体精度、 Kappa系数分别为75.38%, 0.685, 81.26%, 0.752, 87.65%, 0.823； 使用3种光谱数据进行ICA-FCM分类, 总体精度、 Kappa系数分别为64.39%, 0.569, 67.74%, 0.604, 73.14%, 0.662。 比较结果表明对数变换能够增强多组相似光谱数据之问的峰谷特征差异, 为通过谱线波形分异特征比较选取敏感谱段创造条件； KICA-NFCM算法可以优化输入特征、 并引入加权邻域空间信息计算隶属度函数, 针对性解决了标准FCM算法在处理高光谱图像时, 目标识别过程受邻域噪声影响, 分类图像“椒盐效应”显著、 同质区域连通性差的问题。 结果表明: 应用“对数变换光谱/KICA-NFCM算法”组合能够最准确的从HSI图像上识别4个草种, 有效减少混分误判现象, 为精准开展高寒草地成像高光谱观测提供技术基础。

为了分析光学相干层析成像技术(OCT)的图像对数变换前后的斑点噪声分布模型, 为图像去噪及其它图像处理过程提供参考, 采用了先推导斑点噪声理论分布模型, 再通过实验数据验证的方法。首先分析了对数变换前斑点噪声的统计特性, 利用数学理论推导得到斑点噪声对数变换后的理论分布模型, 然后用OCT心血管图像的平滑区域作为噪声的试验数据, 得到变换前后斑点噪声的直方图分布数据, 最后用理论分布模型对试验数据进行曲线拟合, 取得了确定系数、均方根差和卡方检测的评价数据。结果表明, 对数变换后斑点噪声分布符合Fisher-Tippett分布。这一结果对OCT图像去噪等处理过程是有帮助的。

本文提出了多视平均幅值合成孔径雷达 (SAR)图像的拖尾 Rayleigh先验模型的参数估计方法。首先，本文通过对数变换把 SAR图像的乘性模型变为加性形式；其次，本文使用负数阶矩理论，推导出真实图像的对数变换的期望和方差；最后，本文基于斑点的对数变换的高斯近似，获得了斑点的对数变换的期望和方差。所提估计方法具有解析的表达式，便于实现。 Monte Carlo仿真和真实 SAR图像的参数估计实验表明，所提方法可以有效的从多视平均幅值 SAR图像估计出拖尾 Rayleigh先验模型的参数。

提出了一种消除零级衍射分量对离轴数字全息影响的方法以提高离轴数字全息的有效空间带宽。该方法在大的物参光强比记录条件下, 用预先记录的参考光强对全息图进行归一化, 并做对数变换和一维离散希尔伯特变换去除零级衍射分量。然后, 通过指数变换恢复出物波光场, 从而实现无零级衍射分量的高带宽离轴数字全息。从理论上对方法原理进行了分析, 给出了基于有限脉冲响应的一维离散希尔伯特变换算法。最后, 通过实验对本文方法进行了验证, 并讨论了光强比对零级衍射分量抑制效果的影响。结果表明, 无论零级与一级衍射谱是否发生混叠, 当参考光强度比物光强度大5倍以上时, 采用本文方法均可以有效去除零级衍射分量的影响。

地物波谱野外测试过程中常引入噪声.本文结合植物波谱测试原理, 提出波谱噪声属于乘性复合噪声.经理 论推导, 又提出了对数变换与小波变换相结合的降噪方法.仿真降噪试验结果表明, 空域相关算法最适合于光谱数 据降噪, 模极大法次之, 阈值法则不适于该类噪声的消减.对野外采集植物波谱的处理结果表明, 空域相关去噪法 对1450nm附近的噪声去除能力较强, 1800～1900nm强噪声则去噪效果不理想.原因在于波谱仪纪录精度有限, 当 理论比值远大于1时, 能够准确记录下来;远小于1时记录值为0, 从而在强噪声干扰波段出现较严重的系统误差, 经小波降噪后被视作奇异点被保留下来.研究表明对数变换与小波变换相结合采用空域相关去噪对于含乘性复合 噪声的光谱是可行的.