用于提高SAR对比度度和分辨率的极化技术

在近十年中，合成孔径雷达系统（SAR）已成为遥感技术中的一个重要工具。它的重要性在于解决其它系统设计用于同样目的一些问题的不同方面，比如光学系统。SAR系统的主要特征之一是：它是“全天侯”系统，即，该系统几乎不受气侯条件（云、雨等）的影响。SAR系统能在白天和黑夜中进行成像。这些性能使SAR系统能在全天侯获取信息和图像，而且几乎所有资料或图像都可采用。然而，采用光学系统时，仅有10%的图像不受气候条件的影响。SAR系统在获取回波信号的幅度和相位信息时，是一个相参系统。然而，SAR系统的这种相参性也同时引起了SAR系统的一个主要问题：相干斑点噪声。这种噪声在信号的幅度和相位上都会出现，但具有不同的特征。有很多技术都试图消除数据中的斑点噪声，但这些技术主要应用在幅度信息中。也有一些技术试图从相位中消除斑点噪声。从幅度或相位中消除斑点噪声的技术略有不同：对于幅度而言，数据中斑点噪声的主要特征遵循乘性模型^[1]，那么这类技术必须与之适应。从幅度中消除相干斑点的技术可分为多视和空间滤波技术^[1]。在这一种情况下，把获得的相同空间的不相关数据进行平均处理。在第二种情况下，在同样的图像上求平均数。这些技术虽然能消除相干斑点，但它们也存在损失分辨率的问题。应用在相位上的去相干斑点技术与应用在幅度上的去相干斑点技术相比，结果要差一些。某些技术在极化通道之间进行综合，得出一幅图像，但这样做必须会推动极化信息^[2]。在其它情况中可用极化分集的思想来恢复强度信息^[3]。还有些技术则于对极化通道的实部和虚部进行处理来进行相干斑点抑制^[4]。本文介绍了一种从相位和幅度中消除相干斑点的新方法。这种方法的优点在于用几乎同样的方式来处理相位和幅度中的斑点噪声。     

高分辨率SAR图像相干斑噪声抑制方法

文章主要提出了一种新的基于小波变换对高分辨率合成孔径雷达（SAR）图像相干斑噪声抑制的算法。首先从SAR图像相干斑噪声产生的机理出发,论述了通过传统的滤波方法．在抑制高分辨率SAR图像的相干斑噪声的同时损失了大量的边缘信息和纹理细节而采用小波变换降噪的优越性和必要性;其次详细地论述了在小波域中如何利用高频局部的统计特性和分解尺度大小来选取滤波窗口尺寸进行滤波;最后通过实验结果说明了此方法比采用传统的固定窗来实现对高分辨率SAR图像的降噪、保留边缘信息和纹理细节有着更好的性能。     

基于小波变换的SAR相干斑抑制方法研究

SAR图像固有的相干斑噪声恶化了其成像质量,如何有效抑制相干斑噪声并保留SAR图像的细节信息是研究的一个热点问题。基于SAR相干斑乘性噪声模型,根据小波阈值处理的原理,分析小波滤波在SAR相干斑抑制中存在的关键问题和硬、软阈值处理中存在的不足,提出一种新的阈值函数,并利用均方误差和峰值信噪比指标对相干斑抑制效果进行评估。实验结果表明,新的阈值函数在有效抑制相干斑噪声的同时还保留大量SAR图像的细节信息,较硬、软阈值函数有更好的滤波效果。     

基于贝叶斯估计的非平稳SAR图像自适应小波滤波

合成孔径雷达(SAR)的相干斑噪声严重影响图像质量、降低图像的可判读性。本文提出的滤波方法，将通用小波阈值滤波方法和基于图像局域统计特性的滤波方法相结合。针对非平稳SAR图像的不同区域采用不同的方法调整小波系数，具有自适应能力。分析了噪声在小波变换域中的分布和统计特性，用高斯混合模型来对其进行描述。采用期望最大似然(EM)算法迭代出小波系数的分布参数。最后用贝叶斯估计得出真实图像的小波系数。在仿真实验中，将该方法与经典的局域统计方法以及通用的小波阈值去噪方法进行了比较。结果表明，本文的方法能对非平稳SAR图像进行更有效的滤波。     

基于幅度与梯度综合信息的SAR图像非线性扩散去噪方法

探讨SAR图像相干斑抑制的非线性扩散方程方法.以抑制SAR图像噪声,提高图像质量.通过分析SAR图像的幅度分布特性,建立基于SAR图像幅度信息的非线性扩散方程,使方程在幅值较小的背景区域具有较大的光滑作用以抑制噪声,而在幅值较大的目标区域光滑作用较小以保护目标特征.同时为避免噪声对图像中幅度分布的影响,在每一步迭代之前,采用基于梯度信息的非线性扩散方程对图像进行预处理,得到了一种基于图像幅度和梯度综合信息的非线性扩散去噪方法.计算结果表明,本文方法在整体上均具有较好的去噪效果,去噪后的图像较传统方法具有更高的等效视数和边缘保持指数,既能充分抑制背景区域的噪声,又能保护目标点,还很少出现虚假目标.     

SAR图像斑点噪声抑制技术的定量评估研究

合成孔径雷达SAR得到广泛的应用和研究,因此SAR斑点噪声抑制技术也受到了普遍关注。各种斑点滤波器的技术途径各不相同,对斑点噪声的抑制效果也就各不相同。文中在研究SAR图像基本特性和国内外现有的斑点滤波器的基础上,参照相关SAR图像质量指标,提出定量评估SAR图像斑点抑制技术的指标体系,给出各指标在实际应用中的测量方法。计算机仿真结果证明了指标的有效性。     

基于联合隐马尔科夫模型的SAR图像去噪方法

提出一种联合隐马尔科夫模型的SAR图像去噪方法。基于贝叶斯准则估计隐马尔科夫树状模型的参数集合,得到各小波系数的期望值和收缩系数;引入二阶马尔科夫随机场模型去除小波系数尺度内的相关性,根据每个小波系数邻域内所有小波系数的隐状态和收缩系数,计算得到新的收缩系数,并对各小波子带的小波系数进行收缩,从而有效复原无噪声图像。实验表明,方法具有很强的噪声抑制能力,相对隐马尔科夫模型大幅提高了等效视数,且较好地保持了边缘。     

一种自适应各向异性的SAR图像去噪算法

为了在抑制噪声时尽可能保留图像边缘信息,提出一种自适应各向异性SAR图像去噪算法。该方法设计一组具有不同尺度和方向的滤波器模板,针对不同图像边缘的局部特征计算出滤波器的尺度和方向,选择最优匹配的各向异性滤波器,从而可以在抑制噪声的同时很好地保留边缘。仿真实验表明,提出的自适应各向异性SAR图像去噪算法具有很强的噪声抑制和边缘保持能力,并且具有较高的实效性。     

高分辨率星载合成孔径雷达成像处理方法

提出了一种适用于大距离徒动高分辨率星载合成孔径雷达 (SAR)精确成像的改进Chirp Scaling(CS)成像处理算法 ,以及实现单视图象斑点噪声抑制的基于目标检测的增强无偏最大后验概率 (TDRGMAP)方法。采用这种高精度成像处理方法和单视图像斑点噪声抑制方法 ,可以实现星载 SAR高空间分辨率和高辐射分辨率的雷达图像。     

基于FPGA的增强Lee滤波算法设计与实现

增强Lee滤波算法能够较好地滤除影响SAR景象匹配性能的相干斑噪声,是一种非常有效的SAR图像预处理方法.为了提高图像处理算法在硬件上实现的实时性,本文根据FPGA编程特点,对增强Lee滤波计算过程进行优化,并利用硬件描述语言完成了增强Lee滤波在FPGA中的实现.实际工程应用表明,此种方法能够快速实现SAR图像相干斑...     

利用多尺度小波变换改进PS点目标探测

如何从SAR图像中自动识别出有效的永久散射体（PS）是PS干涉系统中的关键环节之一。小波多尺度积能够反映目标信号与噪声在各频带之间的关联性,可以通过小波多尺度积来凸显目标。小波模极大值法通过搜索尺度空间中的模极大值,并利用信号和噪声不同的尺度特性来定位和识别目标。文章对这两种识别方法进行理论分析和实验对比,使用南京地区ENVI—SAT卫星的单视复图像数据进行了PS点的提取。实验结果表明：基于小波变换的多尺度PS点识别方法能够有效地降低雷达噪声的影像,可以在各种复杂的背景情况下有效地识别PS点。其中,小波模极大值法具有更为稳健的抗噪能力。     

基于边缘信息的SAR与可见光景像匹配算法

SAR(合成孔径雷达 )与可见光图像由于成像机理的不同 ,直接进行基于图像灰度信息的匹配定位很难达到实际应用的要求。边缘是图像最基本的特征之一 ,文中提出一种基于边缘信息的 SAR与可见光景象匹配算法。该算法针对 SAR与可见光图像的特点 ,利用小波变换结合模糊中值加权滤波 ,取得有效的边缘信息 ,利用图像的边缘特征结合相关峰值特性分析的后处理方法进行匹配 ,并采用多分辨率分级搜索技术减少计算量。实验证明本算法匹配精度高 ,稳定性好     

一种基于模糊神经网络的Speckle图像滤波器

提出一种新的基于模糊神经网络 (FNN)的 Speckle噪声自适应滤波器 ,以实时处理 SAR图像。讨论了模糊神经网络滤波器结构的设计、模糊规则的选取以及采用改进遗传算法进行参数优化的方法 ,最后 ,结合图像处理应用实例 ,与其它传统图像滤波器进行比较 ,验证所述滤波器在滤除噪声和保持细节纹理方面的有效性。     

SAR图像伪加性相干斑噪声统计特性

研究了SAR图像加性模型中伪加性相干斑噪声分量的统计特性。分析了SAR图像中真实信号分量和乘性相干斑噪声分量的统计特性;在此基础上结合Edgeworth展开式和以Mellin变换为基础的第二类型特征函数及其对数累积量详细推导了伪加性相干斑噪声概率密度函数的近似表达式;各信号分量的概率密度函数中的参数采用对数累积量方法进行估计。最后利用SAR实测数据仿真分析了伪加性相干斑噪声的统计特性。实验结果表明,乘性的相干斑噪声转换为加性噪声后,其统计特性非常接近于高斯分布。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。     

基于SVM的SAR图像中水上桥梁目标的检测

针对SAR图像中桥梁目标的特性,提出了一种基于统计特性和先验知识相结合的桥梁目标检测方法。通过对SAR图像中桥梁和背景的分析,首先对河流区域进行特征提取,再利用支持向量机方法对数据进行训练建模,通过训练后的模型对SAR图像中的河流进行分割,最后在分类后的二值图中按方向累加能量最小准则进行桥梁目标检测。基于真实SAR图像的实验结果显示,此方法不需要对SAR图像进行复杂的预处理,有强的抗斑点噪声性,能快速检测SAR图像中的桥梁目标。