基于无监督分类的多视极化SAR相干斑滤波

相干斑噪声是引起SAR图像降质的主要原因之一。多视极化白化滤波器(MPWF)是一种专门应用于多视极化SAR图像降噪的有效技术。其中,滤波器参数估计的精确度直接决定了其滤波性能的好坏。对此,该文提出了一种新的基于无监督分类的自适应窗算法。该算法以分类图像作为对象;在滑动矩形窗内以中心像素作为参照物,自动搜索与其同类的像素并用于MPWF参数估计。实验结果表明,与其他几种典型的算法相比,该法不仅有效地抑制了相干斑,而且对图像的纹理信息具有很好的保持能力。

一种PolSAR图像G0分布参数估计新方法

G0分布统计模型在极化合成孔径雷达(Polarimetic Synthetic Aperture Radar,PolSAR)图像非高斯建模领域中应用广泛,其纹理参数估计的精度将直接影响到模型拟合的准确性。目前在参数估计中普遍采用基于协方差矩阵对数累积量(Matrix Log Cumulants,MLC)的估计方法。最近的研究表明,基于多视极化白化滤波器分数阶矩(MPWF-FM)的参数估计方法比MLC方法具有更小估计方差和均方误差(Mean Square Error,MSE)。但是该方法需进行遍历求解,并且当纹理参数较小时存在失效的问题。针对G0分布模型纹理参数估计问题,综合上述2种方法,提出了一种基于多视极化白化滤波器对数累积量(MPWF-LC)的参数估计新方法。对几种参数估计方法进行了仿真比较,结果表明新方法的估计性能优于MLC和MPWF-FM方法。利用实测数据验证了新的参数估计方法的准确性与有效性,该方法为G0分布统计模型参数的快速有效估计提供了新途径。