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图像相干斑噪声的滤除,同时保证了SAR景象匹配算法的实时性。

一种改进的增强Lee滤波算法

为了有效地去除SAR图像固有的相干斑噪声,给出一种将改进的中值滤波与Lee滤波相结合的增强Lee滤波算法。实验表明这种方法不仅能有效地去除斑点噪声,而且能很好地保持图像的边缘信息。

基于改进的增强Lee滤波的数字全息图再现像降噪方法（英文）

在数字全息图的制取过程中,高相干性的激光会在全息图上产生斑点状的噪声,从而在再现像中产生散斑噪声,影响了全息图的质量。目前Lee滤波作为一种去除散斑噪声的方法,对全息图再现像中的乘性散斑噪声也有较好的去除效果。本文在Lee滤波的基础上,结合均值滤波,提出了加权型增强Lee滤波算法。这种方法对数字全息图再现像进行处理,获得了更好的去噪效果.

保持边缘的SAR图像滤波方法

首先阐明了SAR图像边缘和边缘保持的概念。其次 ,提出了一种评价平滑图像边缘保持的方法。通过计算发现 ,常用的标准滤波方法 :增强Lee滤波、Kuan滤波、增强Frost滤波和GammaMAP滤波的边缘保持能力很差。最后发展了一种能保持边缘的SAR图像滤波方法。这种方法是对Han等人去除SAR图像斑点噪声方法的改进 。

基于Chan-Vese模型的SAR图像分割

由于SAR图像存在较强的斑点噪声,使用Chan-Vese模型水平集分割方法会产生很多误分割。同时,水平集解法存在计算量大、分割速度慢的问题。在Chan-Vese模型基础上,增加新的内能项——距离正则项,得到了一种改进的曲线演化模型。避免了水平集函数的周期性更新,具有更大的迭代步长,从而加快分割速度,并且提高Chan-Vese模型的抗噪性。对该模型采用人工合成图像和真实SAR图像进行分割实验,通过比较,可看出改进模型具有较高的数值精度和较快的分割速度。对于噪声很强的图像,使用增强Lee滤波进行预处理,可以进一步提高改进模型的分割速度和效果。实验结果表明:改进Chan-Vese模型能高效快速地完成SAR图像分割,具有较高的抗噪性。

改进SRAD模型在SAR图像斑点噪声滤波中的应用

斑点噪声的存在严重影响了合成孔径雷达(SAR)图像的应用,所以抑制斑点噪声显得尤其重要。斑点噪声各向异性扩散模型(SRAD)能较好地去除斑点噪声并保持边缘信息,但依然存在不足之处。在分析SRAD模型的基础上,结合增强Lee算法思想,将SAR图像细分为均匀区域、弱纹理区域和噪声发育不完全区域,针对不同区域采用不同处理方法,并加入了迭代终止条件。实验证明改进的SRAD算法具有更好的平滑效果和边缘保持能力。

基于多尺度自适应小波阈值的SAR图像降噪

为了抑制合成孔径雷达(synthetic aperture radar,SAR)成像系统所固有的相干斑噪声,提出一种小波域的多尺度自适应阈值滤波算法.本算法基于BayesShrink阈值,利用多尺度小波系数的局部统计量估计参数和阈值,并结合空域增强Lee算法的思想,平滑均匀区域,保留斑点发育不完全区域.实验结果表明,相对于传统的空域滤波算法、小波软阈值去噪算法和BayesShrink软阈值算法,本算法等效视数(equivalent number of looks,ENL)和边缘保持指数最高,能有效抑制斑点噪声,并且很好地保存了边缘细节。

基于非线性尺度空间SIFT的SAR图像特征点提取

针对SAR图像特征提取中的相干斑问题,提出一类非线性尺度空间的构造方法,用于提取具有尺度不变特性的特征点。首先,利用SAR图像特有的频域多视处理,代替尺度空间中的空域降采样,构造多分辨率图像,提高了辐射分辨率,抑制了相干斑。其次,基于改进的增强Lee滤波,建立非线性尺度空间,在保留特征细节的同时,进一步抑制了相干斑。实验结果表明,该方法相比典型的高斯尺度空间和一般的非线性尺度空间,能更好的抑制相干斑噪声,提高了特征点提取数量和正确匹配点数量。

SAR图像斑点噪声的滤波方法研究

针对SAR图像的斑点噪声,分析斑点噪声的模型,给出一种改进的加权中值滤波和增强Lee滤波相结合的去噪方法流程,并用VC++实现这一方法流程。通过实例验证表明该方法流程能有效去除SAR图像中的斑点噪声和保持图像边缘信息。

融合Canny边缘检测技术的SAR图像改进滤波方法

5×5窗口的增强型Lee滤波方法能够有效抑制相干斑噪声,但边缘细节等纹理信息损失严重。针对增强型Lee滤波方法的这一缺点,结合边缘提取技术,提出改进的滤波方法。该算法首先对图像进行5×5窗口增强型Lee滤波处理,然后对图像使用Canny算子进行边缘纹理信息提取,最后将增强型Lee滤波后图像的边缘和纹理区域的像元值用边缘提取技术得到的结果进行取代。通过利用均值滤波、Lee滤波及其增强型、Kuan滤波及其增强型、Gamma MAP滤波和改进方法对SAR图像进行处理,得到改进的滤波方法在克服相干斑抑制和边缘保持这一对矛盾上是有效的。

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于SAR图像去噪。在分析目前流行的空频域去噪方法优缺点的基础上,提出了1种小波域SAR图像去噪方法。为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和高频细节信号;对于噪声信息较少的逼近信号,利用增强Lee滤波去噪;对细节信号,根据相干斑噪声在小波域的方向能量特性进行自适应的阈值滤波;最后重建去噪后的SAR图像。实验表明,该方法去噪能力强,同时边缘保持较好。

一种基于级联滤波算法的SAR图像噪声抑制方法

提出了一种基于偏微分方程与增强Lee滤波级联算法的SAR图像相干斑抑制方法,利用偏微分方程的边界检测特性和增强Lee滤波方法的分区域处理特性,在保持图像细节的基础上有效抑制图像中的相干斑噪声。

SAR影像海洋表面溢油检测方法与实现

海洋是地球的重要组成部分,它为人类提供了丰富的物质和宝贵的资源,每年海洋都承受着不同程度的侵害,其中油类污染是给海洋造成巨大危害的污染之一。而油类污染又主要来源于轮船破裂漏油以及油井平台或海底输油管道爆炸等。每次事故造成的直接经济损失达几百万至上千万不等,所以对海上溢油进行监测具有重要的意义。选用Envisat的ASAR数据进行海上溢油检测,介绍并分析了SAR图像溢油检测的一般步骤及其实现方法,通过采用单一阈值分割法、最大熵分割法和非监督分类法对影像进行目标检测,从而粗略地将影像区分为前景区域与背景区域,并结合影像的纹理特征进行分类。在纹理特征选取过程中,通过人工选取部分溢油区与非溢油区作为感兴趣区,在感兴趣区上分别统计SAR影像常用的纹理特征,并结合不同目标检测的结果以及原始影像进行基于BP神经网络的分类,得到了良好的效果。最后展望了SAR图像海洋溢油检测的发展方向。