SAR图像斑点噪声抑制的本质

合成孔径雷达（SAR）图像的斑点噪声阻碍SAR的应用。在过去20多年中,提出了许多SAR图像去除斑点噪声方法。虽然每种去除斑点噪声方法都能有效去除斑点噪声,但都不同程度地损失了图像的边缘信息。本文首先以数学物理的观点描述了SAR图像斑点噪声抑制问题。其次分析了斑点噪声的统计特性和几种典型的去除斑点噪声方法并进行了简单的比较。在最后研究了SAR图像斑点噪声抑制的本质。这对开发既能有效去除斑点噪声,又能有效保持边缘信息的去除噪声方法十分重要。

SAR图像斑点噪声抑制方法与应用研究

通过详细分析SAR图像的判读和应用斑点噪声的算法,得出:多视处理能有效地平滑噪声,但降低空间分辨率;基于空间域滤波算法能有效地平滑斑点噪声,但不同程度地损失边缘和细节信息;基于变换域的小波多尺度滤波可以较好地保持边缘信息,然而其滤波效果不理想。在此基础上提出利用小波分析技术把两种或两种以上的单个滤波方法进行融合,在有效去除斑点噪声时能够较好地保持边缘、细节和纹理信息。最后初步讨论在实际应用中应根据不同情况和要求选择相应的滤波方法。

一种基于修正Frost核的SAR图像斑点噪声抑制方法

针对合成孔径雷达(SAR)图像的斑点噪声抑制问题,给出了一种新的基于斑点噪声统计特性的滤波方法。该方法是对Frost滤波核的修正,综合考虑滤波窗口内的中心像元以及其他像元的局部统计信息,克服了传统Frost滤波器由于等权运算所带来的边缘等结构信息的模糊;同时也弥补了增强型Frost滤波器保留过多“假细节”的不足。实验结果表明,该方法在噪声抑制和细节保持方面取得了较好的折衷。

基于提升小波的SAR图像斑点噪声抑制方法

斑点噪声去除是对合成孔径雷达(synthetic aperture radar,SAR)图像自动分割、分类、目标检测和其它定量专题信息提取处理前必要的步骤。首先简要回顾了各种传统的SAR图像斑点噪声去除方法。在充分考虑SAR图像斑点噪声乘性特征的基础上,对SAR图像进行对数变换,将乘性噪声转变为加性噪声,然后再对图像进行提升小波分解,采用Bayes Shrink阈值对小波系数进行处理。最后根据4个指标来对比不同方法的去噪效果。结果表明,与传统的滤波方法相比,基于提升小波的去噪方法在图像均匀区域的辐射特性保持和斑点噪声抑制能力方面具有较大的优势。与传统小波相比,提升小波不但在运算速度上有优势,而且省内存。

SAR图像斑点噪声抑制方法比较分析

合成孔径雷达图像固有的相干斑噪声严重降低了图像的可解译程度,影响了后续目标检测、分类和识别等的应用。本文对SAR图像的相干斑抑制问题进行了分析,总结了目前已有的相干斑抑制算法的主要思路,介绍了具有代表性的算法,并对这些方法进行比较分析,得出单个滤波器很难从去噪和边缘保持方面均达到最佳的结论。

基于小波包分解的SAR图像斑点噪声抑制

论述利用小波包分解技术和软门限理论对合成孔径雷达(SAR)图像斑点噪声(speckle)进行抑制与滤除.首先对SAR图像进行小波包分解,选取最优基,加大小波系数之间的差距;然后应用Donoho的软门限(softthreshold)理论,针对SAR图像斑点噪声的特点,在小波包变换域内选取合适的门限进行滤波;最后,通过小波包重构技术获得去除斑点噪声的SAR图像.实验证明,该方法能有效抑制SAR图像中的斑点噪声.

基于背景匀质性双边滤波的SAR图像斑点噪声抑制算法

针对双边滤波在抑制SAR图像相干斑噪声的不足,本文提出了一种基于背景匀质性的改进双边滤波算法BH-IBF(Improved Bilateral Filtering algorithm based on Background Homogeneity),并将其应用于SAR图像斑点噪声抑制。BH-IBF以传统双边滤波作为基本框架,并利用了双边滤波器中的双边核函数描述像素灰度值之间的相似性以及相邻像素间的几何空间信息。然而,传统双边滤波存在不能有效地滤除强斑点噪声的缺点,并且SAR图像又因成像原理的缺陷导致强斑点噪声普遍存在。针对这些问题,BH-IBF设计了一种根据背景窗口的匀质性进行自适应样本截断的方法,并根据描述背景匀质性的指标自动获取样本截断的截断深度。此外,本文将自适应滤波窗口尺寸以及权重核修改的方案应用到BH-IBF中,以增强匀质区域的斑点噪声平滑强度以及异质区域的边缘信息效果。最后,使用自适应截断后的样本作为已调整权重核的双边滤波器的输入。实验数据显示,BH-IBF能够在有效保留SAR图像纹理信息的同时,获取较好的斑点噪声平滑性能。

高分辨率星载SAR单视图像斑点噪声抑制实现方法

本文提出了实现高分辨率星载合成孔径雷达单视图像斑点噪声抑制的TDRGMAP方法 .它以最大后验概率滤波器实现斑点平滑 ,以无偏修正使其适用于单视图像 ,结合边缘和线条检测 ,并加以点目标检测及保持 ,获得高空间分辨率和高辐射分辨率的SAR单视图像 .本文详细阐述了TDRGMAP方法的机理和实现 ,最后利用仿真生成的星载SAR单视图像进行实验 ,证明了TDRGMAP方法的有效性 .

星载SAR图像的斑点噪声抑制与滤波研究

根据斑点噪声的来源,分析和比较了抑制SAR图像斑点噪声的Lee滤波、Gamma MAP滤波、Frost滤波算法,并用台湾地区的SAR图像数据验证了不同滤波算法对斑点噪声的抑制效果.结果表明,Lee滤波抑制斑点噪声的综合性能最好.

模拟退火法在SAR单视图像斑点噪声抑制中的应用研究

本文针对合成孔径雷达 (SAR)单视图像的特点 ,对R .G .White采用模拟退火估计雷达散射截面积(RCS)的算法进行了分析和改进 ;构造了新的邻域结构模型 ,在该模型上定义了一种新的目标函数 ,提出了相应的新算法 .理论分析和对仿真SAR图像、真实SAR单视图像的处理结果表明 ,新算法在不影响均匀区域降斑效果的同时可以更好地保持图像的结构特征 ,辐射失真小 。

基于分割途径的SAR单视图像斑点噪声抑制方法

在图像分割思想的基础上 ,结合合成孔径雷达 (SAR)图像的区域特征 ,利用恒虚警率边沿检测技术将分割区域最大化 ,并在分割区域内根据SAR图像特性进行优化滤波 ,得到了一种基于图像分割的单视SAR图像降斑方法 .其中 ,边沿检测和区域分割在多视图像中进行 ,保证了检测和分割的有效性 .

一种抑制SAR图像斑点噪声的图像融合方法

首先研究了图像融合小波基的选区,并利用提升小波技术分别对合成孔径雷达图像和光学遥感图像进行小波提升分解然后,对分解后的SAR低频分量进行邻域平均,再与光学图像的低频分量进行加权平均;为了抑制SAR图像斑点噪声的影响,重点研究了高频分量的融合方法,并提出了一种依据斑点噪声特征变化而自适应地改变融合窗口的方法,该方法提高了SAR图像的目标解译和识别能力;最后,使用融合前后的SAR图像进行图像的目标检测,结果表明,融合后的图像能够明显抑制SAR斑点噪声影响,使SAR图像目标检测的效果更佳。

基于几何模型的SAR图像斑点噪声的抑制

斑点噪声的抑制一直是合成孔径雷达(SAR)图像处理的重要研究课题。本文利用几何模型对合成孔径雷达图像进行滤波。通过对几何模型除噪性能进行分析,提出了一个数值计算的改进格式。新的迭代格式能较好地保留图像的边缘、尖点和细节信息。最后对合成孔径雷达图像进行去噪实验,与小波阈值除噪、Lee滤波进行比较具有更好的滤波效果。

基于改进型GIW算法的TerraSAR-X图像斑点噪声抑制

针对TerraSAR-X图像中的斑点噪声抑制问题,分析了噪声的基本数学模型,并考察了经典处理方法,进而结合Kuan滤波的基本思想,给出了一种改进型梯度倒数加权(GIW)滤波算法,利用邻域像素和中心像素的灰度梯度倒数及其邻域统计信息构造滤波加权模板,然后通过卷积操作实现斑点噪声的抑制。对TerraSAR-X图像处理的结果表明该算法原理简单,实现方便,可有效抑制图像中的斑点噪声,同时具有优良的边缘细节保持能力,非常适合边缘提取、目标检测等后续处理。

多极化SAR图像斑点抑制综述

SAR(合成孔径雷达)图像斑点抑制一直是SAR图像应用中的一个重要课题。近二十几年来,伴随着SAR的发展和应用,涌现出了大量的斑点抑制算法。这些算法可分为两类:一类是基于单通道数据;另一类是基于多通道数据。对相干斑抑制问题进行了全面系统的研究,并侧重于多极化SAR图像的斑点抑制,归纳总结了近十几年来国内外所出现的多极化SAR图像斑点抑制算法,并对各种算法的性能进行了分析和比较。

利用经验模态分解方法抑制SAR斑点噪声

提出了一种利用经验模态分解 (EMD)方法抑制SAR斑点噪声的方法。利用经验模态分解方法 ,可以将SAR图像分解为一系列的以空间周期尺度不同为特征的模态 ,定义空间特征周期尺度不大于 4的为噪声。通过从图像中减掉噪声成分使SAR斑点噪声得以抑制。用这种方法处理SAR图像在斑点抑制和纹理信息保持两方面取得了令人满意的结果。

基于提升Directionlet域高斯混合尺度模型的SAR图像噪声抑制

提出了一种新的SAR图像相干斑噪声抑制方法.该方法将高斯混合尺度(GSM)模型引入Directionlet变换域,构造了基于提升Directionlet分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪.作为一种新的多尺度几何分析工具,Directionlets通过多方向选择来捕捉图像中各向异性特征,滤波器结构为可分离设计;采用提升方案进一步减小变换的运算量.文中对相邻位置和尺度的系数建立GSM模型,能较好地描述系数的边缘分布,充分体现邻域间系数的相关性.对大量真实SAR图像的去噪实验表明,文中方法取得了比空域滤波及小波方法更优的去噪性能,同时在图像边缘等细节特征保持方面具有明显优势.

基于各向异性扩散的SAR图像斑点噪声滤波算法

在SAR(Synthetic Aperture Radar)图像噪声抑制处理中,为了有效地保持图像边缘,作者在斑点噪声去除的各向异性扩散模型(SRAD模型)的基础上,提出了一个基于各向异性扩散的SAR图像斑点噪声滤波算法.该算法对应的扩散系数从理论上满足Charbonnier等人提出的构造扩散系数准则,同时该算法能够通过对边缘直方图上累计百分比和相对信噪比阈值进行调节来得到一系列不同的滤波效果,从而满足不同的应用需求,如绘图、高分辨率或细节丰富的处理结果.实验结果表明,与传统的方法相比,该算法不论从噪声去除能力、边缘和纹理保持能力上,还是从视觉评价效果来看,都具有一定的优越性.

SAR图像斑点噪声的小波软门限滤除算法

本文介绍利用小波分析和软门限对合成孔径雷达（ＳＡＲ）图像斑点噪声（Ｓｐｅｃｋｌｅ）进行抑制与滤除的算法。首先选择合适的小波基对合成孔径雷达（ＳＡＲ）图像进行小波分解，应用ＤａｖｉｄＬ．Ｄｏｎｏｈｏ的软门限（ｓｏｆｔ－ｔｈｒｅｓｈｏｌｄｉｎｇ）理论，并且将其推广到２维信号。针对ＳＡＲ图像斑点噪声的特殊性，即在小波变换域内图像和斑点噪声的奇异性不同，选取合适的门限在小波域内滤波。最后进行小波反变换得到去噪后的ＳＡＲ图像。实验证明，该算法能有效的对合成孔径雷达ＳＡＲ图像斑点噪声滤除。

利用小波变换抑制星载SAR图象的斑点噪声

利用小波变换技术对星载合成孔径雷达 (SAR)图象斑点噪声进行抑制与滤除 .选择合适的小波基对 SAR图象进行小波分解 ,分析噪声对小波系数的贡献 ;针对噪声与图象灰度之间的乘性关系和 SAR图象斑点噪声在空间上相关的特点设置适当的阈值 ,在小波域内滤波 ;通过小波重构技术获得滤波后的 SAR图象 .实验证明 ,该方法能有效地抑制 SAR图象中的斑点噪声 .