基于边缘强度映射的SAR图像等效视数非监督估计方法

该文结合边缘强度映射(Edge Strength Map,ESM)对SAR图像等效视数(Equivalent Number of Looks,ENL),提出一种自适应非监督估计方法。该方法先利用各向异性高斯核平行窗通过比率运算生成ESM,进而在简单的图像分块处理基础上,利用一种有效的非监督估计方法分别估计各分块图像在比率ESM下的区域阈值,并由各分块图像的阈值化ESM操作完成对SAR图像的区域划分,然后对非边缘区域中的所有像素在ESM的两次约束下,通过施加大尺度不规则窗完成局部ENL估计,最后通过直方图统计方法从局部ENL中获得全局ENL估计。实验表明:该文方法可有效克服传统空域估计方法 ENL估计值受局域统计方法选择影响大的不足,同时也可避免基于统计模型的估计方法需要相干斑先验信息且对抑斑后SAR图像估计失效的弊端。

一种面向高异质性极化SAR图像的等效视数非监督估计方法

等效视数(ENL)是极化SAR多视数据统计模型的重要参数。而一些极化SAR图像的自动化应用中,需要在没有人工干预下实现ENL非监督估计。现有的等效视数非监督估计方法在异质程度较高的图像中就难以得到准确估计结果。针对这一问题,该文提出一种将混合区域剔除与纹理信息聚类相结合的等效视数非监督估计方法,有效地减弱了地物混合及纹理两类主要异质因素对估计结果的影响。通过仿真数据和不同复杂度的实际图像验证了该方法的有效性。