基于非局部均值滤波的结构保持相干斑噪声抑制方法

提出了一种基于非局部均值滤波的合成孔径雷达(SAR)图像相干斑噪声抑制新方法。与传统方法相比,该方法通过利用SAR图像块之间的相似性来辨别具有相同结构属性的像素,从而实现在抑制相干斑噪声的同时有效减少图像结构信息的损失。针对SAR图像中各种结构基元相似性的特点,进一步采用两级非局部均值滤波,来削弱相干斑噪声对结构相似性度量的影响,提高去噪性能。通过采用添加不同程度相干斑噪声的合成SAR图像和真实SAR图像对提出的方法进行评价,实验结果表明,与传统的Lee滤波方法,增强的Lee滤波方法以及各向异性扩散相干斑抑制方法相比,提出的方法在相干斑噪声抑制尤其是结构信息保持性能上有显著提高。

基于空间自适应非凸正则项全变差相干斑噪声抑制

全变差正则化方法是相干斑噪声抑制研究的热点.非凸正则项能够更好地保持图像的边缘、纹理细节信息;空间自适应正则化参数可以根据像素点所在的区域,合理地控制噪声抑制程度,从而提高噪声抑制效果.本文结合非凸正则项和空间自适应正则化参数提出了一种新的全变差相干斑噪声抑制模型,并且给出了一种模型求解的数值算法.数值试验结果表明该模型能够获得更好的相干斑噪声抑制效果.

基于对数域加性信号分解的时序SAR图像相干斑抑制方法

随着合成孔径雷达(SAR)在测绘带宽度、空间以及时间分辨率上的大幅提升,由不同时间获取的SAR图像配准得到的时间序列能更加精确地提供观测区域的动态变化信息。然而,相干斑噪声以及沿时间维度突变信号为后续的解译工作带来了严重挑战。尽管现有的主流方法可以对时序SAR图像的相干斑进行有效抑制,但沿时间维度突变信号会对去噪结果产生干扰。为更好地解决此问题,该文提出了一种基于对数域加性信号分解的方法,能同时抑制相干斑噪声并且对时序图像中的稳定信号和沿时间维度突变信号进行分离,从而消除突变信号对于去噪结果的影响。在仿真数据受到突变信号干扰的情况下,所提方法与其他主流方法相比,其去噪结果在峰值信噪比(PSNR)指标上取得了大约3 dB的提升。在哨兵1号数据上,所提方法能鲁棒地对时序图像中的相干斑噪声进行抑制,并且得到的突变信号成分也为后续的解译工作提供了参考数据。

极化合成孔径雷达图像相干斑抑制和分类方法综述

极化合成孔径雷达(Polarimetric synthetic aperture radar, Pol SAR)是一种多参数、多通道的微波成像系统,在农林业、地质、海洋和军事等领域有着广泛的应用前景. PolSAR图像的相干斑抑制和分类是数据解译的重要环节,已经成为遥感领域的研究热点.本文综述了现有PolSAR图像的相干斑噪声抑制和分类方法并进行展望.首先,简要介绍了PolSAR系统的主要进展和应用;然后,对PolSAR图像相干斑抑制的评价指标和方法进行综述并对几种代表性方法进行了实验对比;接下来,对PolSAR图像的特征进行分析归纳,分别对有监督、无监督和半监督的PolSAR分类方法进行总结并给出了几种有监督分类方法的实验比较;最后,对PolSAR图像相干斑抑制和分类方法未来可能的研究方向进行了思考和讨论.

基于NSCT和纹理特征的SAR图像相干斑抑制

提出了一种基于非下采样轮廓波变换和纹理特征的合成孔径雷达(SAR)图像相干斑噪声抑制方法。由于SAR图像的相干成像原理,造成其固有的相干斑噪声,对后续的图像处理会造成很大的困难。针对相干斑噪声的抑制问题,利用非下采样轮廓波变换的平移不变特性,结合变换后的高频子带系数的纹理模型特征,生成各子带系数自适应阈值,再经反变换,达到相干斑噪声抑制目的。实验数据表明,该方法经边缘保持指数(ESI)和等效视数(ENL)评测,能较好的抑制噪声,且更好的保持边缘。

基于信息论匀质性测度的各向异性扩散相干斑抑制算法

针对传统各向异性扩散抑斑算法存在的均匀区域噪声平滑不充分、边缘随迭代弱化及迭代次数的确定缺乏理论指导等问题,提出了一种新的各向异性扩散抑斑算法,该算法采用信息论匀质性测度作为图像中匀质区域与边缘的鉴别因子,使扩散系数能够更准确地控制扩散强度与扩散速率,从而达到充分平滑均匀区域噪声及保护边缘的目的。基于各向异性扩散方程求解与鲁棒误差范数最小化的等效性,提出了一种各向异性扩散方程的迭代停止准则。利用合成孔径雷达图像对本文算法的抑斑和边缘保持性能进行了仿真实验验证。结果表明,本文算法在均匀区域相干斑噪声抑制、边缘保持等方面均取得了优于传统算法的效果。

基于双密度双树复数小波变换的合成孔径雷达图像降噪研究

针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,本文将双密度双树复数小波变换(DD-DT CWT)结合具有局部方差估计的双变量收缩阈值函数(BSF)构成一种新的SAR图像降噪算法实现合成孔径雷达图像降噪.首先将SAR图像用双密度双树复数小波变换进行多尺度分解,考虑小波系数间的相关性,用双变量概率密度函数作为小波系数及其父代系数的统计关性的模型,并通过Bayesian估计理论导出相应的非线性双变量收缩函数对图像不同方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像.分别用仿真SAR图像和实际图像对算法进行验证,并与其它方法的性能进行比较,对不同算法处理后图像进行了主客观评价,分析结果表明,新算法的去噪效果明显优于传统的小波变换方法,不仅有效实现了图像降噪,而且较好保留了图像细节.含噪SAR图像经该算法处理后,图像性能指标均有提高.

SAR图像去噪的分数阶多尺度变分PDE模型及自适应算法

在合成孔径雷达(SAR)图像相干斑噪声抑制中,保持图像的边缘和纹理是非常重要的。该文首先利用分数阶导数和负指数Sobolev空间对图像进行建模,建立了分数阶多尺度变分偏微分方程(PDE)模型,然后给出了模型参数自适应选择方法,并在此基础上提出了区域、尺度自适应的去噪算法。数值实验表明,新方法能在去除噪声,抑制图像的"阶梯效应",保持图像的边缘、纹理细节几个方面取得较好的效果。

一种基于偏微分方程的SAR图像去噪方法

传统的相干斑噪声抑制算法在多次迭代后通常会导致图像边缘的模糊,这一直是SAR图像去噪处理的难点和热点所在。该文分析了应用于图像处理的各向异性扩散方程(PDE's),在其基础上由最小化问题出发,引入棱边指示子对图像的边缘加以限制,得到新的去噪模型并降之应用于SAR图像的相干斑噪声去除。与传统的基于局部统计量和各向异性滤波器相比,新的算法在棱边保持和噪声去除能力均有提高。

神经网络在SAR图像目标识别中的研究综述

传统的SAR图像目标识别方法都存在局限性,而利用深度学习自学习的特点,使得SAR图像目标识别能够克服人为选择目标特征的困难。论述了卷积神经网络在SAR图像目标识别分类领域的研究进展,介绍了SAR自动目标识别的基本概念以及传统的识别方法及其优缺点,以及卷积神经网络的基本组成,在光学领域的发展现状,分析了卷积神经网络在SAR图像相干斑噪声抑制和SAR图像目标识别中的经典研究方法和研究现状,给出了卷积神经网络在该领域应用中的不足,展望了未来研究方法。