考虑小波数相关性的SAR图像去斑算法

SAR(合成孔径雷达)发射的相干信号之间会使图像产生相干斑点噪声,严重影响SAR图像的应用,需加以抑制。通过研究分析,一副图像小波分解之后的小波系数在幅度、符号之间具有强烈的相关性,由此提出了一种小波去斑算法,该算法考虑了小波系数幅度、小波系数符号之间的相关性。利用合成斑点噪声图像和实际SAR图像验证了该算法的有效性。结果表明:该算法在抑制SAR图像斑点噪声的同时,具有更好的边缘细节保持能力,提升了SAR图像后续应用效能。     

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。     

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。     

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。     

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。     

一种基于多普勒谱AR建模的SAR图像纹斑噪声抑制技术

基于合成孔径雷达(SAR)成像与自回归(AR)模型的特点,提出了一种SAR图像纹斑噪声抑制技术.将SAR复值图像的多普勒谱表示成一定阶数的AR模型,根据合适的AR模型系数估算SAR强度或幅值图像可保持较高的分辨率.给出了方法的模型和步骤.实验结果表明:所获幅值图像的纹癍噪声抑制,以及边缘和纹理特征等细节保持都优于常用的基于SAR图像多普勒谱的纹斑噪声抑制--多视处理技术.     

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。     

基于Sigma方法的SAR图像斑点噪声滤波器

文章基于传统Sigma滤波器,提出了一种新的SAR图像滤波方法。首先,分析指出传统Sigma滤波器处理复合噪声和保持弱边缘的能力较弱的缺点。然后,改进Sigma滤波器的δ-条件,使之更加适应复合噪声分布条件下的SAR图像滤波。提出了灰度中心偏移的Sigma滤波（GCOSF）,增强Sigma滤波器保持弱边缘的能力。在GC...     

结合形态学理论与Hough变换的SAR图像线目标检测方法

针对典型线状军事目标,提出一种SAR图像的目标检测方法。该方法首先将分块阈值分割的思想应用于未经斑点噪声抑制的原始SAR图像,得到ROI(Region of Interest)图像;然后,利用区域的几何特征有效地剔除大量虚警,并采用形态学梯度算子提取目标的边缘信息,与传统的Canny边缘检测相比,边缘轮廓更加连贯;最后,利用Hough变换对梯度图像进行直线检测,得到机场跑道的边缘。该方法对原始SAR图像采用传统的图像处理技术进行目标检测,因此,比基于SAR图像统计特性的目标检测方法简单易行。对真实SAR图像的实验结果验证了该方法的有效性。     

基于模拟退火算法的SAR图像复原

根据吉布斯马尔可夫随机场模型和SAR图像斑点噪声的伽玛分布统计特性，应用模拟退火算法．实现雷达截面的全局优化伪似然估计。本文将新解4选1的方法从极化SAR图像推广到一般SAR图像；提出一个实用有效的图像特征检测法；说明了一阶模型和零阶模型之间的联系．并给出满意的处理结果。     

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。     

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.     

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。