基于双变量模型和非下采样Contourlet变换的SAR图像相干斑抑制

该文根据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,应用贝叶斯估值理论推导得到该模型相应的非线性双变量阈值函数。综合SAR图像非对数加性模型和双变量阈值函数,提出基于双变量模型的非下采样Contourlet变换域SAR图像相干斑抑制方法(SNSCTBI)。实验通过对幅度格式和强度格式的SAR图像做相干斑抑制,结果表明该文算法很好地保持了原始图像的辐射特性,有效抑制了同质区域的相干斑,同时边缘等纹理信息保持清晰。     

基于斑点方差估计的非下采样Contourlet域SAR图像去噪

 合成孔径雷达(SAR)图像固有的相干斑噪声严重影响图像质量,使得SAR图像的自动解译十分困难.本文联合SAR图像的统计特性和非下采样Contourlet对SAR图像细节信息的良好刻画能力,提出一种新的非下采样Contourlet域SAR图像去噪算法,通过估计到的各个高频方向子带的斑点噪声方差和变换系数模值的局部均值,对非下采样Contourlet变换系数进行判定,保留信号系数,抑制斑点噪声系数,实现SAR图像去噪.仿真实验结果表明,本文方法在斑点抑制的同时可以有效保持细节信息.     

非线性扩散方程在SAR图像噪声抑制中的应用

将光学图像加性噪声抑制的非线性扩散方程引入到SAR图像相干斑抑制中，通过分析SAR图像的相干斑噪声模型在功率图像域以及功率图像的对数域上的表现特性，说明了基于加性噪声模型的非线性扩散方程在SAR图像噪声抑制中的应用可能性，并由此设计了基于非线性扩散方程的SAR图像噪声抑制算法。计算结果表明，与现有的SAR噪声抑制方法相比，非线性扩散方程方法具有更强的对背景区域的噪声抑制能力，且能更好地保持目标特征。     

基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。     

基于高斯比例混合模型的图像非下采样Contourlet域去噪

为改善图像的去噪效果,该文提出了一种基于高斯比例混合模型的图像非下采样Contourlet域去噪算法。该算法首先建立非下采样Contourlet系数邻域的高斯比例混合模型,然后在模型基础上应用贝叶斯最小二乘法对系数进行估计,最后反变换得到恢复图像。算法结合了非下采样Contourlet变换对图像边缘的高效表示能力、非下采样变换的移不变性质以及GSM模型对非下采样Contourlet系数邻域相关性的概括能力。实验结果表明,该算法在视觉效果和峰值信噪比的改善上都取得了非常好的效果。     

基于正态逆高斯模型的非下采样Contourlet变换图像去噪

提出一种基于正态逆高斯先验模型的非下采样Contourlet变换图像去噪算法.在非下采样Contourlet变换域中,以正态逆高斯模型为先验模型,对图像分解系数的稀疏分布统计建模,估计每个子带内的模型参数,在贝叶斯最大后验概率估计准则下推导出与正态逆高斯模型相应的阈值函数表达式,以此对图像进行去噪处理.对于被加性高斯白...     

基于NSCT和FCM聚类的SAR图像无监督变化检测

提出了一种基于非下采样Contourlet(NSCT)和模糊C-mean聚类(FCM)的SAR图像无监督变化检测算法。首先利用基于NSCT的SAR图像去噪算法分别对两时相SAR图像进行高频系数去噪,然后利用去噪后的高频系数和低频系数构造差异图像,有效地去除了噪声对变化检测结果的影响,最后基于FCM算法实现了图像变化区域和非变化区域的分类。该算法不受变化类和非变化类统计分布的限制,不需要先验知识,适用性强。将本文算法与NSCTKFCM和UDWTKMEAN进行比较,实验证明,本文算法不仅能够很好地保留变化区域的细节和准确检测变化区域的边沿,而且对噪声有更好的鲁棒性。     

基于分形维数和FCM聚类的多时相SAR图像变化检测

提出了一种基于分形维数和FCM聚类的SAR图像无监督变化检测的算法。首先用非下采样Contourlet变换(NSCT),对两时相图像进行分解,然后求出其分形维数图,构造差异图,再由FCM聚类得到变化区域和非变化区域。并对计算分形维的滑动窗口大小的选择进行了研究。与现有的基于分形维数的图像变化检测算法进行对比,实验证实,本文算法不仅对斑点噪声不敏感,并且提高了变化检测的精确度。     

基于Contourlet变换和多尺度Rentinex的水下图像增强算法

针对水下图像对比度低、边缘模糊、噪声大等特点,提出一种基于非下采样Contourlet变换和多尺度Retinex的水下图像增强算法。将水下图像进行多尺度多方向的非下采样Contourlet变换;利用多尺度Retinex算法调整低频系数,提高图像整体对比度;在各带通方向子带上估计噪声,抑制模值小于阈值的系数,改进神经网络中的Sigmoid函数用于调节模值大于阈值的系数;经非下采样Contourlet逆变换得到增强图像。与几种传统增强算法相比,本算法处理的图像达到了抑制噪声、改善图像对比度、突出目标轮廓的目的,具有较高的对比度评估值。     

基于NSCT扩散的图像去噪增强方法

本文提出了一种基于非下采样Contourlet变换与非线性各向异性扩散的方法进行含噪图像的去噪和增强。首先对含噪图像进行非下采样Contourlet分解,对每个分解层的各个子带进行非线性收缩和拉伸,以达到抑制噪声和增强图像特征的目的。然后,对去噪增强后图像的Contourlet小系数进行空间域的非线性各向异性扩散,以去除由于进行非下采样Contourlet去噪所造成的为伪Gibbs现象和 side-band效应。实验结果表明,本文方法相比于无扩散的Wavelet和Contourlet方法相比,不仅对图像进行了去噪和增强,而且有效的抑制了伪Gibbs现象和 side-band效应。     

基于局部平移瑞利分布模型的SAR图像相干斑抑制

该文提出了一种基于平稳小波域统计模型的SAR图像抑斑算法。首先对SAR图像应用非对数加性模型,接着针对该模型中的噪声在空域提出一种统计分布模型局部平移瑞利分布模型。最后基于该分布,在平稳小波域应用最大后验(MAP)方法获得真实信号平稳小波系数的解。实验表明,该文提出的局部平移瑞利分布模型是有效的,同时也表明该文给出的一种基于此分布模型的抑斑算法有很强的鲁棒性,抑斑性能优于许多现存的算法。     

基于NSCT域各向异性双变量萎缩图像去噪

提出了一种用各向异性双变量拉普拉斯函数模型去模拟NSCT域的系数的图像去噪算法,这种各向异性双边拉普拉斯模型不仅考虑了NSCT系数相邻尺度间的父子关系,同时满足自然图像不同尺度间NSCT系数方差具有各向异性的特征,基于这种统计模型,文中先推导出了一种各向异性双变量收缩函数的近似形式,然后基于贝叶斯去噪法和局部方差估计将这种新的阈值收缩函数应用于NSCT域,实验结果表明文中提出的方法同小波域BiShrink算法、小波域ProbShrink算法、小波域NeighShrink算法相比,能够有效地去除图像的高斯噪声,提高了图像的峰值信噪比;并较完整地保持了图像的纹理和边缘等细节信息,从而明显改善了图像的视觉效果。     

Despeckling SAR images based on a new probabilistic model in nonsubsampled contourlet transform domain

A method for synthetic aperture radar (SAR) image despeckling based on a probabilistic generative model in nonsubsampled contourlet transform (NSCT) domain was proposed. The shrinkage estimator in NSCT domain consists of a new type of likelihood ratio and prior ratio, both of which are dependent on the estimated masks for the NSCT coefficients. While the previous probabilistic approaches are restricted to parametric models, the limitation is eliminated and the hybrid density model is applied in this paper. The suggested approach does not make heavy assumptions on the NSCT coefficient distribution, so that it can handle complex NSCT coefficient structures. The likelihood ratio is composed of the hybrid density, and the prior ratio is equipped with the selective neighborhood systems to enhance the detail information. The method can effectively adapt the shrinkage estimator to the redundancy property of the NSCT. The proposed approach was applied to real SAR images despeckling and compared through the SAR image vision effect, the equivalent number of looks, and the edge sustain index. Experimental results show that the proposed approach outperforms previous works involved in the paper with the better despeckling result and edge preservation.     

An evident sidelobe control method based on NSCT for ship target in SAR images

Evident sidelobe on faint ship target seriously affects the accuracy of the target segmentation in Synthetic Aperture Radar (SAR) images. To avoid this problem, a novel sidelobe control method based on NonSubsampled Contourlet Transform (NSCT) for ship targets in SAR images is presented in this paper. This method enhances the SAR images in NSCT domain based on target azimuth estimation and then inhibits the sidelobe directionally in NSCT high-pass frequency subbands. Experimental results on RADARSAT-2 images demonstrate that the proposed method can not only reduce the strong sidelobes effectively, but also enhance the intensity of the objects successfully. Therefore, it gives a good segmentation result on the dark ship images with strong sidelobe, and enhances the detection rate on these targets.     

基于NSCT和Tsallis熵的SAR图像快速分割方法

针对小波域SAR图像分割结果粗糙及运算速度低的不足,本文提出一种基于非下采样Contourlet变换(NSCT)和混沌粒子群优化(CPSO)的最大Tsallis熵的SAR图像快速分割方法。首先,利用NSCT提取SAR图像的概貌和细节信息,并建立相应的概貌-细节灰度级矩阵模型;然后,利用Tent映射CPSO算法搜索最优阈值,并提出递推算法大大减少迭代过程中适应度函数的重复计算。实验结果表明,与小波域SAR图像快速分割方法相比,该方法采用了具有多方向性和移不变性的NSCT分解图像,信息提取更为有效,分割结果更佳;同时由于引入混沌序列并以递推方式计算粒子适应度,粒子群搜索的收敛精度更高,运算时间更少。      

基于稀疏表示的Shearlet域SAR图像去噪

该文通过分析SAR图像的噪声成因以及其斑点噪声模型,结合图像的稀疏表示理论提出一种基于稀疏表示的Shearlet域SAR图像去噪算法。算法从整体上对SAR图像进行去噪:首先对SAR图像进行Shearlet变换,然后利用稀疏表示模型构造出去噪的最优化模型,在此基础上进行迭代去噪,然后重构SAR图像得到去噪后的图像。实验结果表明:该文所提出的算法不仅可以显著去除相干斑噪声,提高去噪图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR),还明显地改善了图像的视觉效果,更好地保留了图像纹理信息。     

基于双特征量和NSCT的多波段SAR图像融合算法

不同波段的SAR图像进行融合,能够综合不同波段SAR图像的信息,得到包含更多信息的SAR图像。针对传统融合方法不能很好地处理SAR图像中边缘及纹理等细节信息的问题,该文提出一种基于双特征量的在非下采样Contourlet变换域融合的方法。对NSCT分解后的高频分量提出了一种基于区域能量和梯度两个特征量,采用平均与选择相结合的规则来计算高频子带系数。实验结果表明,该方法得到的融合图像在客观评价上要优于传统融合方法,这说明该方法在综合了不同波段SAR图像信息的同时能更好地保持细节信息。      

基于Nonsubsampled Contourlet变换的SAR图像形状特征检索

Nonsubsampled Contourlet变换是一种非抽取得具有平移不变性的多尺度多方向的变换。将Canny算子和Nonsubsampled Contourlet变换(NSCT)[1]相结合,对图像运用Canny算子[2]提取边缘特征,再进行Nonsubsampled Contourlet变换,引入了三阶中心矩作为特征向量提取形状特征的算法。实现了基于Nonsubsampled Contourlet变换的图像形状特征检索,并将结果与基于2-D小波变换和基于Contourlet变换的图像形状特征检索作了比较,实验结果证明该方法的图像形状特征检索效率有较大的提高。     

Statistical properties of logarithmically transformed speckle

In synthetic aperture radar (SAR) image processing and analysis, the logarithmic transform is often employed to convert the multiplicative speckle model to an additive noise model. However, this nonlinear operation totally changes the statistics of SAR images. In this communication, we first review the statistical properties of speckle noise in both the intensity and the amplitude formats. Then, we derive the probability density functions, the mean values, and the variances to characterize the log-transformed speckle. Finally we discuss the problems introduced by the logarithmic transform on statistical analysis of SAR images. The statistical models developed in this communication will facilitate subsequent SAR image processing tasks based on the additive noise model