基于变差系数的SAR图像非局部均值滤波算法

SAR(synthetic aperture radar)图像有固有的乘性相干斑噪声,抑制相干斑噪声和保护边缘信息是研究的重要内容。文章提出了一种变差系数差构建的非局部平均滤波算法DCV-NLM(differenceof coefficient of variation non-local means)。首先,搜索窗口中的变差系数的像素与中心像素在相似窗口中之间的局部差,其次,局部差由两个范数构造的相似性参数,用负指数形式得到每个像素的加权系数,最后是对SAR图像的噪声执行加权滤波。通过提出的算法与IDPAD算法对比,从抑制相干斑图像视觉效果方面对比,DCV-NLM算法比起IDPAD算法有更好的相干斑抑制性能。     

一种基于SAR图像的典型线特征抽取方法

针对合成孔径雷达(Synthetic Aperture Radar)图像的相干斑噪声会使图像的分割和目标的提取困难的问题,文中利用改进的Lee滤波手段去除相干斑噪声,并使用照度均衡算法平衡SAR图像的光照度,最后使用图割(Graph Cuts)算法交互式地对SAR图像中的线性结构进行抽取。实验结果表明Lee滤波和照度均衡算法分别对于抑制相干斑噪声干扰和修正图像对比度有显著效果,图割算法可以有效地提取出用户感兴趣的线性结构。     

SAR图像频域特征保护的相干斑噪声抑制方法

针对SAR图像相干斑噪声抑制和特征保持问题,建立了多尺度自卷积(MSA)和相位一致(PC)的滤波器模型,结合MSA频域变换多尺度均值和PC高精度特征定位的特点,提出了一种频域有特征保护的SAR图像相干斑噪声抑制算法。算法判断SAR图像中不同类型区域,选择不同的滤波策略。对均匀区域采用MSA滤波;由PC测度判断特征区域,并对特征区域采用PC测度加强的MSA滤波;对分离点目标区域,采用观察值与MSA算术平均滤波。算法有效地解决了空域方法对SAR图像噪声抑制效果好而易破坏细节特征的矛盾。仿真实验和滤波性能评估指标分析显示,算法具有良好的抑制SAR图像相干斑噪声和保护特征的能力。     

一种新的极化滤波综合性能评估方法

极化合成孔径雷达(SAR)可以获得目标散射的相位信息,这种更加丰富的信息为极化SAR图像相干斑噪声抑制提供了更好的解决方法。通过对几种典型的极化滤波技术的算法实现,基于采样信号波形图、极化特征图和相对标准差,提出了一种新的极化滤波综合性能评估方法。对实测极化SAR数据进行实验验证,结果表明局部统计滤波在图像分辨率的保持、极化信息的保留和相干斑噪声的抑制3个方面都有很好的效果。     

一种新的高分辨率SAR图像相干斑噪声抑制算法

提出了一种新的基于小波变换对高分辨率合成孔径雷达图像相干斑噪声抑制的算法。首先从SAR图像相干斑噪声产生的机理出发，论述了通过传统的滤波方法在抑制高分辨率SAR图像的相干斑噪声时，损失了大量的边缘信息和纹理细节而采用小波变换降噪的优越性和必要性；其次论述了在小波域中如何利用高频局部的统计特性和分解尺度大小来选取滤波窗口尺寸进行滤波；最后通过实验结果说明了该方法比采用传统的固定窗来实现对高分辨率SAR图像的降噪、保留边缘信息和纹理细节有着更好的性能。     

多方向高斯窗匹配模板的SAR-BM3D相干斑抑制算法

针对三维块匹配(BM3D)算法在合成孔径雷达(SAR)图像相干斑抑制时存在的边缘方向信息获取不足和过度平滑的问题,提出一种基于非下采样的Shearlet变换(NSST)和多方向高斯窗匹配模板的SAR-BM3D相干斑抑制算法。通过NSST对图像的边缘纹理特征进行描述,通过多个方向不同的高斯窗来匹配SAR图像在空间域内的几何结构,保留较为完好的SAR图像边缘细节信息,将相似性估计的结果聚合得到相干斑抑制后的SAR图像。通过对比实验证明,本文提出的算法不仅对SAR图像的相干斑抑制效果明显,同时能够有效地保持SAR图像的纹理细节,具有良好的人眼视觉效果。     

采用混合特征相似性的极化SAR图像降噪算法

针对极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）图像在相干斑抑制过程中面临的结构信息和极化散射信息保持的问题,通过分析PolSAR图像的结构特性和极化特性,建立一种结构特征提取方法,并提出一种采用混合特征相似性的极化SAR图像降噪算法.该算法将图像的结构信息和极化散射信息与降噪过程相融合,能够在抑制相干斑噪声的同时,实现降噪后图像的结构信息和极化信息的有效保持.实测机载极化SAR数据的实验结果验证了算法的有效性.     

基于自适应Bilateral滤波的SAR图像相干斑抑制

SAR图像的相干斑抑制一直是SAR图像预处理的关键步骤。Bilateral滤波器是一类可以同时利用像素间的空间相似性与灰度相似性进行图像去噪的算法。针对直接用Bilateral滤波器进行相干斑抑制时存在空间方差系数选择困难及灰度相似性模型不合理的问题,该文提出一种自适应Bilateral滤波算法,该算法根据图像的局域变差系数自动调整空间方差系数,利用SAR图像的似然概率函数代替高斯函数来进行灰度相似性度量。理论分析及实验表明,提出方法较相关算法有更强的噪声平滑能力和更好的细节保持能力。     

结构保持的双边滤波极化SAR图像降噪

针对极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)图像相干斑抑制时结构保持的难题,该文提出一种PolSAR图像的双边滤波算法:结构保持的双边滤波(SPBF)。该算法通过结合边缘结构特征和地物散射特性,增强对PolSAR图像结构信息的描述,减少滤波时图像结构信息的损失,实现滤波性能的提高。该算法首先使用边缘检测模板在极化总功率图像(Span)上提取边缘方向,实现自适应选择滤波方向窗;其次,采用Freeman-Durden分解获取像素的散射机制,并根据极化数据的统计分布特性获取地物散射的聚类标记;最终在所选的方向窗中,以聚类标记图为掩膜,利用改进的双边滤波算法对PolSAR数据进行相干斑抑制。真实SAR数据的实验结果表明,该方法能够有效抑制相干斑噪声,同时提高了对图像的边缘、强点目标和极化散射特性的保持能力。     

自适应调节滤波强度的SAR图像非局部平均抑斑算法

为提升对SAR图像乘性相干斑的抑制水平与边缘保护性能,该文提出了一种可自适应调节滤波强度(AFS)的SAR图像非局部平均(NLM)抑斑新算法(AFS-NLM)。该算法利用Frost滤波图像计算的局部均值与方差来改善SAR图像场景参量的估计,形成了一种能更好刻画SAR图像同质区与边缘区的改进Kuan滤波系数。利用局部均值比与改进Kuan滤波系数分别作为新的相似性测量参量与自适应衰减因子,构建了一种更适应SAR图像乘性噪声特性的改进NLM滤波。利用偏平滑参数与偏边缘保护参数控制下的改进NLM滤波,分别替代经典Kuan滤波模型中的像素局部均值与自身灰度值作为加权项,并采用由改进Kuan滤波系数构建的自适应调节因子对二者进行加权平均,从而形成了一种可自适应调节滤波强度的加权滤波新模型。实验表明,该文算法与近期多种先进算法相比,具有更好的相干斑抑制与边缘保护性能。     

SAR图像斑点噪声消除算法的研究

ＳＡＲ图像一般都存在相干斑点噪声,严重影响了地物信息的提取与ＳＡＲ图像的应用效果。文中在分析斑点噪声产生机理的基础上提出了一种噪声消除算法,该算法与最常用的均值平滑滤波、中值平滑滤波、Ｆｒｏｓｔ自适应滤波等方法相比具有更明显的效果。实验结果验证了本算法的有效性．     

基于2D-PWVD的SAR图像相干斑噪声抑制

合成孔径雷达(SAR)图像相干斑噪声是影响对SAR图像正确解译的主要因素之一,在二维魏格纳分布的框架内,提出了一种基于二维伪魏格纳威尔分布变换的SAR图像噪声抑制的方法。首先,根据魏格纳威尔分布的理论,阐述了图像的二维伪魏格纳威分布表示,以及分解后的多频段图谱的特性;然后,针对该特性,提出对应的计算处理方法,并将分解图像相加,形成SAR图像噪声抑制后图像;最后,利用MiniSAR实测SAR图像数据进行验证试验,并将结果与均值滤波、LEE滤波和小波软阈值滤波SAR图像噪声抑制算法进行对比分析,结果显示,文中所提算法是有效可行的。     

基于数据融合的SAR图像斑点噪声抑制

合成孔径雷达图像中的斑点噪声极大地降低了图像的可读性，不利于图像解译和信息提取。根据均值滤波和小波软阈值去噪算法的优点，提出了一种基于数据融合的合成孔径雷达图像相干斑抑制算法。该方法首先对含噪图像进行均值滤波和小波软阈值去噪，再对滤波后的两幅图像在小波域进行数据融合。实验结果表明，这种方法抑制SAR图像斑点噪声的效果较好。     

广义形态滤波实现星载SAR图像斑点噪声抑制

提出了实现高分辨率星载SAR单视图像斑点噪声抑制的广义形态滤波法.它以广义形态滤波器实现斑点噪声的抑制,并加以点目标的检测和保持,获得高空间分辨率和高辐射分辨率的SAR单视图像.最后用实际数据进行实验,验证了算法的有效性.     

基于无监督分类的多视极化SAR相干斑滤波

相干斑噪声是引起SAR图像降质的主要原因之一。多视极化白化滤波器(MPWF)是一种专门应用于多视极化SAR图像降噪的有效技术。其中,滤波器参数估计的精确度直接决定了其滤波性能的好坏。对此,该文提出了一种新的基于无监督分类的自适应窗算法。该算法以分类图像作为对象;在滑动矩形窗内以中心像素作为参照物,自动搜索与其同类的像素并用于MPWF参数估计。实验结果表明,与其他几种典型的算法相比,该法不仅有效地抑制了相干斑,而且对图像的纹理信息具有很好的保持能力。     

一种新的SAR图像的相干斑滤波方法

该文分析了合成孔径雷达（SAR）图像中的相干斑（Speckle）的统计特性，基于小波变换（WT），提出了一种新的相干斑滤波方法，该方法将小波变换后的HH分量采用Lee滤波，对HG，GH和GG分量则利用恒虚警技术（CFAR），保留重要的目标和边缘，再将这四个分量进行重构。实验结果表明，该方法具有相当良好的相干斑抑制性能，等效视数得以大幅度提高，并且能很好地保持原图像的边沿特征，其性能明显优于通常采用的Lee算法。     

一种基于各向异性尺度空间的SAR图像匹配算法

针对斑点噪声对合成孔径(SAR)图像匹配算法的影响,提出了一种基于各向异性尺度空间的SAR图像匹配算法。首先,采用加性算子分裂算法解方案来构建各向异性尺度空间,在滤除斑点噪声的同时更好地保留图像细节;然后,在非线性尺度空间中提取特征点,并采用改进的SURF描述子描述特征,弱化斑点噪声对匹配的影响;最后,采用变换参数约束策略筛选匹配点对,提高匹配正确率。该方法既保持了同名点的精度还增加了同名点的数量,通过对不同极化、时相、波段以及不同视角下多种地物的匹配实验,验证了该方法的优越性。     

基于PSO优化空间约束聚类的SAR图像分割

相干斑噪声的存在使得合成孔径雷达(SAR)图像的分割问题变得非常复杂.本文提出一种具有鲁棒抗噪特性的SAR图像分割方法,该算法通过将多尺度条件下的边缘信息以及相邻像素的相对位置和强度信息所构成的空间信息融入模糊C-均值(FCM)聚类算法的相似性测度中,增强了分割方法的抗噪性.空间信息对FCM聚类算法的调控由粒子群优化(PSO)算法完成,优化的调控参数有助于获得良好的分割结果.该算法对初始分割不敏感,并具有鲁棒的抗噪性能.MSTAR数据的分割实验结果表明:该算法能够有效地分割SAR图像,与通过改进型FCM(IFCM)算法获得的分割结果比较,分割结果明显改善.     

A hybrid feature extraction method for SAR image registration

Extracting and matching correct correspondence between two images are significant stages for feature-based synthetic aperture radar (SAR) image registration. Two methods of feature extraction were employed in this study. Blob features were obtained by combining a Gaussian-guided filter (GGF) with a scale invariant feature transform, and corner features were obtained from the GGF. A GGF can store edge information and operate more effectively than a Gaussian filter. The ratio of average was used to compute gradients in order to reduce the speckle effect. Fast sample consensus (FSC) algorithm was combined with complete graph method for feature correspondence matching. Although FSC algorithm can extract valid correspondence, it may not be efficient enough to deal with SAR images due to its random nature and the large number of outliers in the data. Therefore, a graph-based algorithm was employed to solve the problem by eliminating outliers. The proposed hybrid method was tested on several real SAR images having different properties. The results showed that the proposed method performed the automated registration of SAR images more accurately and efficiently.