基于合成孔径雷达的SAR图像去噪

针对SAR图像相干斑抑制问题.提出一种双变量收缩函数与小波系数显著性增强相结合的SAR图像的斑点抑制算法.文中将双树复小波推广至斑点噪声模型,利用相邻尺度小波系数的联合概率密度函数与噪声的统计模型联立后.通过最大后验概率估计出滤波后图像的小波系数.再采用小波系数的模极大值准则对系数进行显著性增强.突出图像的边缘特征和点特征.仿真实验表明.与其他传统的去噪算法相比.本文提出的算法具有更好的去噪效果.     

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SWT自适应模糊萎缩的SAR图像降斑算法

提出了基于小波域高斯混合模型贝叶斯估计模糊萎缩的SAR图像降斑算法.该算法分析了SAR图像在平稳小波变换(SWT)域中的统计模型,并用高斯混合模型对其进行描述,推导出基于贝叶斯估计的信号最小均方误差(MMSE)的模糊萎缩因子.籍此再根据小波域相邻尺度间小波系数的相关性,采用分区域模糊萎缩思想,很好地得到无斑点真实信号小波系数的估计.仿真结果表明该算法在大大抑制斑点噪声的同时,有效的保持了边缘,其性能优于改进Lee滤波,小波软阈值和SWT萎缩降斑算法.     

基于局部熵的量子衍生医学超声图像去斑

针对现有医学超声图像去斑方法的不足,该文提出一种基于局部熵的量子衍生医学超声图像去斑新方法。首先,将对数变换后的图像进行双树复小波变换(DTCWT),并对信号与噪声分别建模;然后,提取复小波中子代与父代小波系数的实部,计算其局部熵并进行归一化乘积,结合量子衍生理论得到用来调整信号与噪声出现概率的可调参数;最后,利用改进的双变量收缩函数获得去斑后的图像。通过实验,结果表明该方法与已有方法相比能够更有效地滤除医学超声图像中的斑点噪声并保留细节信息。     

一种新的自适应小波阈值SAR图像滤波算法

为有效降低乘性斑点噪声对合成孔径雷达（SAR）图像的影响,提出了一种新的基于小波系数广义高斯分布（GGD）模型的自适应阈值估计去噪算法。首先分析了经对数变换的SAR图像小波系数的统计分布特性,然后提出了子带自适应阈值估计方法,通过对数变换,将该算法应用于含斑点噪声的SAR图像去噪。仿真图像和真实SAR图像的实验结果表明,该算法同目前流行的其他阈值算法相比,运算复杂度低,算法高效,并且在保留原始图像重要细节特征和图像后向散射特性的同时,显著地减少相干斑噪声。     

基于二维小波变换和独立分量分析的SAR图像去噪方法

该文给出了一种基于离散小波变换和独立分量分析的SAR图像斑点噪声抑制方法。首先利用小波变换对图像进行分解,然后将分解出的各部分子图像分别进行独立分量分析,提取出相应的独立源,去除噪声分量,最后依次进行ICA重构和小波重构。该文还同时比较了采用不同小波基函数时斑点噪声的抑制效果,研究了它们对斑点抑制的影响。对MSTAR实测SAR图像的实验结果表明该方法能够有效地抑制图像中的斑点噪声,且在性能上优于ICA和Lee滤波方法。     

基于模糊PCNN的小波域超声医学图像去噪方法

在分析了斑点噪声和PCNN的特点的基础上,将PCNN引入到小波域中,并结合小波软阈值去噪思想,提出了基于PCNN的超声医学图像软阈值去噪方法(ST-PCNN),该方法的优点是实现了在小波域中利用PCNN来识别高频信号的小波系数,并采用相应的方法处理小波系数,改善了PCNN难以确定斑点噪声的位置和采用固定阈值造成高频信号损失的缺点,更好的保留了低于固定阈值的高频信号的小波系数;在此基础上,将模糊算法引入到PCNN模型中,进一步提出了基于模糊PCNN的小波域超声医学图像去噪方法(F-PCNN-WD),该方法利用模糊算法来去除PCNN点火过程中大于点火阈值的斑点噪声的小波系数,以更好的去除斑点噪声。实验结果表明,ST-PCNN和F-PCNN-WD方法不仅能够有效地去除噪声,而且能够很好的保留图像的边缘和细节信息。     

基于小波域隐马尔可夫混合模型的SAR图像降斑算法

在小波域马尔可夫随机场(MRF)和隐马尔可夫树(HMT)的基础上,提出了一种新的合成孔径雷达(SAR)图像降斑算法.该算法在对乘性噪声不取对数变换的情况下,融合了贝叶斯最小均方误差(MMSE)抑制噪声技术.为了提高HMT的速度,采用了一个新的隐马尔可夫半树模型,该模型考虑了小波系数的持续性和聚类性,分别用HMT和MRF刻画.仿真结果表明该算法在抑制斑点噪声的同时,有效的保持了边缘,避免对数变换带来的一些误差,取得了好的效果,其速度比HMT模型提高了二十倍.     

一种基于斑点抑制的SAR图像舰船航迹检测算法

该文分析了合成孔径雷达(SAR)图像中舰船航迹的特性和斑点噪声模型及其局部统计特性。在此基础上,提出了一种先基于小波变换进行斑点噪声抑制,再基于Radon变换进行航迹检测的方法。对数据处理的结果表明,该方法较直接对SAR图像应用Radon变换能更有效、准确地检测到SAR图像中的舰船航迹。     

基于上下文和隐类属的小波域马尔可夫随机场SAR图像分割

该文针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像含有大量的乘性斑点噪声的特点,提出了一种小波域隐类属的马尔可夫随机场(Markov Random Field, MRF)图像分割算法来抑制噪声的影响。考虑到小波的聚集性和持续性,该算法重新构造了待分图像小波域模型以类属为隐状态的混合长拖尾模型,将隐类属的马尔可夫随机场推广到小波域上,并用改进的上下文模型估计尺度间转移概率,最后推导出了新的最大后验(Maximum A Posteriori, MAP)分割公式。仿真结果证明,该算法具有鲁棒性能够有效地抑制噪声对图像的影响,得到准确的分割结果。     

Multiresolution MAP despeckling of SAR images based on locally adaptive generalized Gaussian pdf modeling.

In this paper, a new despeckling method based on undecimated wavelet decomposition and maximum a posteriori MIAP) estimation is proposed. Such a method relies on the assumption that the probability density function (pdf) of each wavelet coefficient is generalized Gaussian (GG). The major novelty of the proposed approach is that the parameters of the GG pdf are taken to be space-varying within each wavelet frame. Thus, they may be adjusted to spatial image context, not only to scale and orientation. Since the MAP equation to be solved is a function of the parameters of the assumed pdf model, the variance and shape factor of the GG function are derived from the theoretical moments, which depend on the moments and joint moments of the observed noisy signal and on the statistics of speckle. The solution of the MAP equation yields the MAP estimate of the wavelet coefficients of the noise-free image. The restored SAR image is synthesized from such coefficients. Experimental results, carried out on both synthetic speckled images and true SAR images, demonstrate that MAP filtering can be successfully applied to SAR images represented in the shift-invariant wavelet domain, without resorting to a logarithmic transformation.     

多尺度SVR的SAR图像复原

针对合成孔径雷达图像中存在斑点噪声的缺陷,将支持向量拟合方法引入小波系数收缩策略中,提出了基于多尺度SVR(support vector regression)的SAR图像复原算法。该方法在不同尺度下选用不同的核参数。为保护边缘结构信息,首先对各小波高频子带进行SVM拟合,然后计算原始小波系数与拟合估计值的绝对差,并定义小波系数收缩准则,根据准则对小波系数进行收缩,使复原的图像能较好的保持原有图像的纹理和结构信息。实验采用真实的SAR图像,实验结果显示该方法优于常规小波滤波和Lee滤波方法。     

基于局部特征差异的异源图像融合算法

针对现有异源图像融合多以光学 图像为主、合成孔径雷达 (SAR)图 为辅和 光学图像 极易受 传播媒介 干扰 且 不 能同时保留纹理细节与颜色信息 等 问题, 提出一种新的基于局部特征差异的异源图像融合算法。 首先通 过 自适应分割 将 SAR 图像划分为规则特征区和不规则特征区两个区域;然后 进行 平移不变 离散 小波变换(SIDWT), 再根据 局部特征差异 性 设计 融合规 则,将 SAR 图像与全色遥感(PAN)图像的 小波系数 进行融合 , 以期保留图像的特征 信息与色彩信息 ;最后 通过 信息量 、 清晰度等 客观 评价指标 对 融合结果进行评价与分析 。 仿真实验 证明 了算法的有效性。     

SAR speckle reduction using wavelet denoising and Markov random field modeling

The granular appearance of speckle noise in synthetic aperture radar (SAR) imagery makes it very difficult to visually and automatically interpret SAR data. Therefore, speckle reduction is a prerequisite for many SAR image processing tasks. In this paper, we develop a speckle reduction algorithm by fusing the wavelet Bayesian denoising technique with Markov-random-field-based image regularization. Wavelet coefficients are modeled independently and identically by a two-state Gaussian mixture model, while their spatial dependence is characterized by a Markov random field imposed on the hidden state of Gaussian mixtures. The Expectation-Maximization algorithm is used to estimate hyperparameters and specify the mixture model, and the iterated-conditional-modes method is implemented to optimize the state configuration. The noise-free wavelet coefficients are finally estimated by a shrinkage function based on local weighted averaging of the Bayesian estimator. Experimental results show that the proposed method outperforms standard wavelet denoising techniques in terms of the signal-to-noise ratio and the equivalent-number-of-looks measures in most cases. It also achieves better performance than the refined Lee filter.     

Speckle Suppression in SAR Images Using the 2-D GARCH Model

A novel Bayesian-based speckle suppression method for Synthetic Aperture Radar ( SAR) images is presented that preserves the structural features and textural information of the scene. First, the logarithmic transform of the original image is analyzed into the multiscale wavelet domain. We show that the wavelet coefficients of SAR images have significantly non-Gaussian statistics that are best described by the 2-D GARCH model. By using the 2-D GARCH model on the wavelet coefficients, we are capable of taking into account important characteristics of wavelet coefficients, such as heavy tailed marginal distribution and the dependencies between the coefficients. Furthermore, we use a maximum a posteriori (MAP) estimator for estimating the clean image wavelet coefficients. Finally, we compare our proposed method with various speckle suppression methods applied on synthetic and actual SAR images and we verify the performance improvement in utilizing the new strategy.     

小波域马尔可夫随机场在THz 图像处理中的应用

目前THz 自由空间成像面临的挑战主要有大气损耗和水分吸收,辐射功率低,成像要获得高的信噪比,需要有更高功率的辐射源;数据获取时间长;图像质量仍需改善。分析了THz 成像技术的最新发展趋势及国内外发展现状。阐述了利用THz 辐射进行合成孔径成像、THz 压缩感知成像的基本原理,并对两种种成像方法形成的THz 图像的特点进行了分析。应用Wiener2,基于熵标准的ddencmp 选定小波系数阈值降噪法、Donoho 提出的小波系数阈值降噪法以及基于小波系数幅值渐近最优降噪法等图像降噪算法对THz 图像进行处理效果从均方根误差、信噪比、相关系数等方面进行了定性、定量的比较。提出将小波域马尔可夫随机场应用于THz 图像降噪中。主要完成了以下几个方面:对每个小波系数引入两个状态,一个状态对应图像的非平稳区域,如边缘;另一个状态对应图像平稳区。每个状态下的小波系数用高斯分布函数来描述,虽然每个状态下的小波系数服从高斯分布,但每个小波系数的两个状态混合模型服从非高斯分布。然后利用EM（Expectation Maximization）算法估计混合模型中的参数,采用贝叶斯准则初步确定理想图像小波系数的收缩因子。最后将小波域隐马尔可夫模型的降噪算法进行对比试验,仿真结果表明小波域隐马尔可夫模型的降噪算法更具有效性和优异性。     

基于非零小波系数比的图像传输速率控制

该文提出一种新的图像传输速率控制方案:基于非零小波系数比的线性图像传输速率控制算法。通过对图像小波变换系数中速率-失真关系曲线的分析,提出了小波变换系数中非零系数占总像素的比率与输出比特率之间的线性关系模型,并在此基础上实现X树图像传输编码的前向传输速率控制。实验表明该文提出的速率控制算法具有简单、高速、准确等优点,是一种较理想的图像传输速率控制方案。     

Speckle removal from SAR images in the undecimated wavelet domain

Speckle reduction is approached as a minimum mean-square error (MMSE) filtering performed in the undecimated wavelet domain by means of an adaptive rescaling of the detail coefficients, whose amplitude is divided by the variance ratio of the noisy coefficient to the noise-free one. All the above quantities are analytically calculated from the speckled image, the variance and autocorrelation of the fading variable, and the wavelet filters only, without resorting to any model to describe the underlying backscatter. On the test image Lena corrupted by synthetic speckle, the proposed method outperforms Kuan's local linear MMSE filtering by almost 3-dB signal-to-noise ratio. When true synthetic aperture radar (SAR) images are concerned, empirical criteria based on distributions of multiscale local coefficient of variation, calculated in the undecimated wavelet domain, are introduced to mitigate the rescaling of coefficients in highly heterogeneous areas where the speckle does not obey a fully developed model, to avoid blurring strong textures and point targets. Experiments carried out on widespread test SAR images and on a speckled mosaic image, comprising synthetic shapes, textures, and details from optical images, demonstrate that the visual quality of the results is excellent in terms of both background smoothing and preservation of edge sharpness, textures, and point targets. The absence of decimation in the wavelet decomposition avoids typical impairments often introduced by critically subsampled wavelet-based denoising.     

基于双树复数小波变换的SAR图像噪声抑制方法

利用双树复数小波变换(Dual Tree Complex Wavelet Transform,DTCWT)的近似平移不变性和多方向选择性,提出了一种基于DTCWT变换的SAR图像噪声抑制方法。首先对无噪声污染图像的复数小波系数的统计概率分布进行建模;然后利用此先验概率模型,采用最大后验概率方法从含噪小波系数中估计出无噪声污染的小波系数;最后经重构得到滤波后的图像。实验结果表明,此方法优于其他一些相干斑抑制方法。