基于AOS非线性扩散的SAR图像去噪研究

针对合成孔径雷达(SAR)图像的斑点噪声,介绍了一种基于非线性各向异性扩散的去噪方法,该方法经过加性算子分离(AOS)方案离散可以保证其扩散迭代过程中滤波结果的绝对稳定,并且利用其在消除噪声的同时锐化边界的特点,将之引入SAR图像的斑点噪声抑制问题当中.通过对一幅SAR图像的滤波处理,以及若干衡量滤波算法效果的评价指标,将其与传统的自适应局域统计滤波方法进行分析比较,并得出相关结论,从而证实了该研究提出的AOS非线性扩散滤波法(AOS ND法)抑制SAR图像相干斑的可行性和有效性.     

一种新的各向异性扩散SAR相干斑抑制算法

该文提出了一种基于各向异性扩散偏微分方程以及鲁棒估计的合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干斑噪声的算法.该算法利用SAR图像局部特性和鲁棒估计,建立了一种新的扩散系数,对均匀区域进行各向同性扩散,对边缘细节区域进行各向异性扩散,不仅可以有效抑制SAR图像的相干斑噪声,较好地保持边缘细节,而且处理所得的图像结果有着良好的视觉效果.     

BM3D算法在海洋SAR图像去噪中的应用

相干斑噪声一直是困扰SAR图像处理的重要问题,噪声往往将有用信号完全掩盖。由于海洋图像邻域相似性高,将三维块匹配(BM3D)算法应用于海洋SAR图像相干斑噪声的滤除中,能够得到较好的去噪效果。该算法是基于变换域方法和非局部思想发展而来的,通过相似图像块匹配分组生成三维矩阵,然后在三维变换域去噪,最后逆变换还原图像。通过对BM3D算法的深入研究,发现该算法去噪性能与其参数密切相关。针对海洋SAR图像,通过大量实验,总结BM3D参数选择原则,优化了算法的去噪性能。     

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。     

一种基于非线性扩散方程的SAR图像相干斑抑制方法

研究合成孔径雷达(Synthetic aperture radar,SAR)图像的相干斑抑制问题.传统的相干斑抑制方法通常会导致图像中边缘和目标的模糊.针对该问题,分析了基于非线性扩散方程的相干斑抑制方法,该方法的关键在于扩散系数的构造.通过分析SAR图像的先验信息和SAR图像不同特征区域的不同处理要求,提出了一种新的更适合SAR图像相干斑抑制的扩散系数构造方法.实验结果表明,新方法相对现有方法具有更好的相干斑抑制能力和目标边缘特征增强能力,等效视数和边缘清晰度均提高了3倍左右.     

一种基于小波SAR图像斑噪声抑制的改进算法

基于小波变换的合成孔径雷达(SAR)图像斑噪声抑制算法,能很好的减小相干斑噪声对SAR图像的影响.但该算法在平滑噪声的同时,往往也会使图像的边缘变得模糊,降低了SAR图像的分辨率.比例边缘检测算法能较完整和准确的检测出SAR图像的边缘.我们试图提出一种改进算法,结合小波方法和比例边缘检测两种算法的优点.利用比例边缘检测提取出SAR图像的边缘图,用小波的方法对去边缘的图像进行去斑噪声处理,再把边缘图叠加到去噪后的图像上.试验证明这种算法能够在去除SAR斑噪声的同时,较好的保持SAR图像边缘.     

一种用各向异性扩散方程抑制SAR相干斑噪声的方法

本文提出了一种基于各向异性扩散偏微分方程抑制合成孔径雷达(SAR)图像的相干斑噪声的算法,简称DSADE算法。本算法根据SAR图像的局部特征在均匀区域各向同性扩散,边缘细节区域各向异性扩散,不仅可以很好地保持边缘细节信息,而且可以对其进行增强。实验结果表明,本算法不仅有效抑制了SAR图像的相干斑噪声,保持并增强了边缘细节,而且有着良好的图像视觉效果。     

一种改进的基于小波变换的相干斑去噪方法

对于合成孔径雷达(SAR)图像中含有的相干斑噪声的抑制一直是SAR图像处理的热点和难点。相干斑噪声的存在对SAR图像的后续相关的图像处理,例如图像的分割、图像的特征提取以及目标的分类与识别有很大影响。提出了一种基于平稳小波变换的相干斑去噪方法,通过平稳小波变换对图像进行小波分解,对于子图像的高频区域进行阈值分割和双边滤波,利用平稳小波更好的冗余性和平稳不变性更好地去除了SAR图像的相干斑噪声。实验结果表明,这种改进的去噪方法对SAR图像的相干斑噪声抑制有很好的效果,并且尽可能地保留了图像的边缘和纹理细节。     

基于小波-Contourlet变换与Cycle Spinning相结合的SAR图像去噪

由于合成孔径雷达（SAR）在农业、林业、水文、地矿、海洋、测绘等领域广泛应用,SAR图像质量和视觉效果提升成为了各国学者研究的热点问题。SAR图像的主要噪声源——相干斑噪声的抑制和去除显得越来越重要。本文通过分析了SAR图像的噪声成因以及其噪声模型。基于SAR图像的特性,本文结合小波变换和Contourlet变换各自的优点,提出了一种基于小波-轮廓波变换与图像循环平移结合的SAR图像去噪算法。本文所提出的算法不仅可以显著去除相干斑噪声,提高图像的信噪比,而且还具有平移不变性,可明显改善图像的视觉效果。实验结果表明:与单独使用小波变换去噪相比,本文算法的信噪比提高2分贝;与单独使用Contourlet变换去噪相比,本文的算法去噪后的图像更平滑,抑制了人造纹理产生,视觉效果得到了明显的改善。      

基于双密度双树复数小波变换的合成 孔径雷达图像降噪研究

 针对合成孔径雷达(SAR)图像相干斑噪声抑制问题,本文将双密度双树复数小波变换(DD-DT CWT)结合具有局部方差估计的双变量收缩阈值函数(BSF)构成一种新的SAR图像降噪算法实现合成孔径雷达图像降噪.首先将SAR图像用双密度双树复数小波变换进行多尺度分解,考虑小波系数间的相关性,用双变量概率密度函数作为小波系数及其父代系数的统计关性的模型,并通过Bayesian估计理论导出相应的非线性双变量收缩函数对图像不同方向的小波系数进行非线性自适应的处理,最后重建降噪后的图像.分别用仿真SAR图像和实际图像对算法进行验证,并与其它方法的性能进行比较,对不同算法处理后图像进行了主客观评价,分析结果表明,新算法的去噪效果明显优于传统的小波变换方法,不仅有效实现了图像降噪,而且较好保留了图像细节.含噪SAR图像经该算法处理后,图像性能指标均有提高.     

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。     

基于混合迭代滤波的SAR图像相干斑抑制

该文将变窗Lee滤波与自蛇扩散结合,提出了一种抑制SAR图像相干斑噪声的混合迭代滤波新算法,并给出了SAR图像噪声方差的一种有效估计方法。该算法首先估计SAR图像局部统计参量,进而通过改进的变窗Lee滤波对SAR图像进行平滑去噪,接着利用自蛇扩散去除Lee滤波难以平滑的孤立点噪声与边缘噪声。在Lee滤波与自蛇扩散的混合迭代中,Lee滤波的窗尺度随迭代次数的增加而增大,从而在保护SAR图像边缘细节的同时,同质区得到更好平滑。实验结果表明,与已有多种抑斑算法相比,该文算法在SAR图像抑斑与边缘保护方面均获得了更好的性能。     

采用GSM模型进行稀疏表示的SAR图像降斑算法

针对SAR图像降斑过程中会产生过平滑现象及相干斑的滤除不彻底等问题,提出了稀疏结构符合高斯比例混合（Gaussian Scale Mixture,GSM）模型的SAR图像降斑算法。根据贝叶斯原理以及相干斑的统计特性推导该算法的数学模型,在块匹配过程中使用概率而不是欧式距离进行权重衡量,根据图像块之间的结构相似度,可以有效区分同质区与异质区,并得到图像块的较优均值估计。使用PCA字典学习方法对每个图像块进行子字典训练,实现同步稀疏编码（Simultaneous Sparse Coding,SSC）,数学模型的求解利用迭代正则化方法。分别使用合成场景SAR图像及真实场景SAR图像对算法进行验证,实验表明,相比于目前已提出的PPB算法、SAR-BM3D算法及FANS算法,该算法能有效提高等效视数,在滤除相干斑的同时很好地保留了图像的局部结构特性与纹理特征。      

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.     

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。     

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.     

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。     

Wavelet-Based SAR Image Despeckling and Information Extraction, Using Particle Filter

This paper proposes a new-wavelet-based synthetic aperture radar (SAR) image despeckling algorithm using the sequential Monte Carlo method. A model-based Bayesian approach is proposed. This paper presents two methods for SAR image despeckling. The first method, called WGGPF, models a prior with Generalized Gaussian (GG) probability density function (pdf) and the second method, called WGMPF, models prior with a Generalized Gaussian Markov random field (GGMRF). The likelihood pdf is modeled using a Gaussian pdf. The GGMRF model is used because it enables texture parameter estimation. The prior is modeled using GG pdf, when texture parameters are not needed. A particle filter is used for drawing particles from the prior for different shape parameters of GG pdf. When the GGMRF prior is used, the particles are drawn from prior in order to estimate noise-free wavelet coefficients and for those coefficients the texture parameter is changed in order to obtain the best textural parameters. The texture parameters are changed for a predefined set of shape parameters of GGMRF. The particles with the highest weights represents the final noise-free estimate with corresponding textural parameters. The despeckling algorithms are compared with the state-of-the-art methods using synthetic and real SAR data. The experimental results show that the proposed despeckling algorithms efficiently remove noise and proposed methods are comparable with the state-of-the-art methods regarding objective measurements. The proposed WGMPF preserves textures of the real, high-resolution SAR images well.     

基于非线性SIFT框架SAR图像匹配

针对基于尺度不变特征变换（SIFT）的图像匹配算法性能受到SAR图像中严重斑点噪声而性能降低的问题，提出了一种改进的非线性尺度构建的SIFT算法，主要改进在于：在尺度空间构建阶段，该算法通过将滚动引导滤波器嵌入到尺度空间构造的过程中来生成多尺度图像金字塔，在去除斑噪的同时并保持边缘的方面表现出了较其他尺度空间构建算法更好的效果；在特征检测阶段，提出了一种使用ROEWA算子和Harris-Laplace检测算子相结合的特征点检测算法，有效地抑制SAR图像中的虚假特征点，并准确地提取具有高位置精度和低误差率的不变特征点。3种不同类型的仿真和真实SAR图像对该算法进行了检验，并与其他2种基于SIFT的方法相比较，实验结果表明，该算法在匹配精度和内联点比率方面可以实现更好的性能。     

基于结构保持MRF模型的SAR图像去斑

该文提出一种用于SAR图像贝叶斯去斑的,具有结构保持特性的马尔可夫随机场模型。该模型通过引入一组权重参数建模待处理像素与其邻域点的空间相关性,可有效描述图像中的各种局部特性。准确的参数估计是模型有效运用的关键,借鉴随机松弛算法的思想,通过引入温度变量,实现了迭代过程中权重参数的自适应估计。仿真和实际SAR图像数据的实验结果,验证了所提模型及参数估计方法的有效性。