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。

一种扩展的基于结构检测的最优多视极化SAR相干斑滤波算法(英文)

全极化数据的可得,使得利用极化散射矩阵以减少多视全极化SAR图像中的相干斑成为了可能。其中,被称为最优的多视极化白化滤波器(MPWF)就是一个典型例子。然而,为提高滤波器参数估计的精度,同时能够自适应的检测图像中的结构特征,在滤波时采用适当的窗算法是必要的。本文提出了两个有效的窗算法,并用1994年NASA SIR-C/X-SAR,L band,经过四视处理的天山森林的极化数据进行了仿真。实验结果表明,这两种算法不仅很好的达到了降噪效果,而且对图像的纹理信息以及结构特征(即边缘特征、线性特征、强散射体特征)的保持效果是最佳的。