SAR相干斑噪声的抑制

研究了相干斑噪声抑制技术，提出了(1)增强小波软阈值相干斑噪声抑制方法．考虑SAR杂波复杂情况，不同类型的区域滤波要求不同，将小波软阈值滤波方法与SAR杂波特点结合．(2)增强小波维纳相干斑噪声抑制方法．基于合成孔径雷达图像杂波结构，结合小波变换和自适应维纳滤波提出了新的抑制SAR图像相干斑噪声方法，该方法能够较好保留杂波边缘和点目标．实验表明这两种相干斑噪声抑制方法能够获得比较满意的效果，并且增强小波维纳方法略优于增强小波软阈值方法效果．     

基于PDE和小波分解的SAR图像去噪研究

小波变换的优点在于其能够聚焦到图像的细微变化,并且有快速算法可以在短时间内完成其分解和重构。偏微分方程的各向异性扩散能够很好地保留边缘和细节,但是由于SAR图像数据过大导致其迭代次数的增加,使计算时间过长,算法效率降低。利用小波具有快速变换和"变焦距"的特性与偏微分方程的各向异性扩散模型相结合的方法对SAR图像固有的相干斑进行去噪。实验结果证明,该方法不但具有很强的抑制噪声的能力、很好地保持图像边缘和细节,而且提高了处理噪声的效率。     

一种有效的SAR图像相干斑噪声抑制方法

由于散射现象,SAR图像受到固有的乘性相干斑噪声的影响.文章提出了一种有效的基于平稳树状小波变换和贝叶斯估计的SAR图像噪声抑制方法.为了在抑噪过程中保持边缘,对原始图像采用比值边缘检测算子获取边缘信息.仿真结果表明,相对于一些经典的滤波方法和基于平稳小波变换方法,此方法具有更好的噪声抑制作用和边缘保持能力.     

基于Contourlet尺度相关的SAR图像融合

针对不同波段全极化SAR图像的融合,提出了一种基于Contourlet变换域进行图像融合的方法.利用Contourlet变换将图像分解为一个低频子带和多个不同方向的高频子带,对分解后的低频子带进行邻域能量加权融合;对方向高频子带依据尺度间相关性定义一个边缘信息量测指标,选择量测指标大的系数作为融合系数.最后对两波段全极化SAR图像进行了融合实验.实验结果表明：与小波变换等融合方法相比,利用所提出方法融合后的图像能够明显抑制SAR斑点噪声影响,在视觉特性以及评价指标上效果更好.     

非下采样轮廓波变换的前视声呐图像融合

针对前视声呐图像清晰程度不同,局部区域模糊的特点,本文提出一种基于非下采样轮廓波变换的前视声呐图像融合算法。依据图像多尺度分解的理论,对源图像进行非下采样轮廓波变换,得到一系列多尺度子带分解系数;根据图像中清晰目标反射声波能量大、对比度高特点,构建前视声呐图像融合规则,即低频子带采用Gabor能量、高频子带计算局部对比度指导融合规则,提出区域一致性校验准则抑制图像噪声,产生融合图像多尺度子带分解系数,并应用非下采样轮廓波逆变换获得融合图像。声呐图像融合对比实验证明,采用提出方法生成的融合图像在主观视觉和客观指标上均优于其他融合方法。     

基于平稳Contourlet变换的极化SAR图像融合

提出一种新颖而有效的基于平稳Contourlet变换的极化SAR图像融合算法。平稳Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用平稳Contourlet变换对多个单极化强度图像进行分解,对于低频系数和方向高频系数采用最优加权算法实现极化图像的融合处理。实验结果表明,该算法与PWF算法相比在保留原始图像边缘和纹理信息同时,可以有效地抑制相干斑噪声的影响,取得较好的融合视觉效果。     

利用各向异性扩散去除SAR图像中的斑点噪声

合成孔径雷达(SAR)图像受到相干斑点噪声的干涉，严重影响合成孔径雷达图像的质量。我们利用各向异性扩散方程抑制合成孔径雷达(SAR)图像中的斑点噪声，只要选择合适的扩散方向和速度，就能较好地保留图像的边缘和细节信息．最后对合成孔径雷达图像进行去噪实验，并与小波去噪滤波方法进行比较，各向异性扩散方程具有更好的抑制噪声的效果．     

基于多尺度自适应小波阈值的SAR图像降噪

为了抑制合成孔径雷达(synthetic aperture radar,SAR)成像系统所固有的相干斑噪声,提出一种小波域的多尺度自适应阈值滤波算法.本算法基于BayesShrink阈值,利用多尺度小波系数的局部统计量估计参数和阈值,并结合空域增强Lee算法的思想,平滑均匀区域,保留斑点发育不完全区域.实验结果表明,相对于传统的空域滤波算法、小波软阈值去噪算法和BayesShrink软阈值算法,本算法等效视数(equivalent number of looks,ENL)和边缘保持指数最高,能有效抑制斑点噪声,并且很好地保存了边缘细节。     

基于自适应收缩因子的SAR图像去噪

针对合成孔径雷达 (SAR)图像固有的斑点噪声 ,提出了基于自适应收缩因子的去噪方法 .该方法首先将图像分解至平稳小波域 ,利用与信号相关小波系数的空间及尺度相关性 ,自适应地得到收缩因子 ,修正小波系数 .与基于Mallat分解的阈值去噪及Wiener滤波相比 ,该方法在有效抑制SAR图像噪声的同时 ,较好地保持了图像边缘细节 ,达到了理想的去噪效果     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

一种复合的SAR图像去噪算法

针对SAR图像噪声影响分辨率的问题,提出一种新的复合SAR图像增强和去噪方法．该方法首先利用信号的小波相邻尺度相关性将信号和噪声分离,然后根据SAR图像近似瑞利分布的特点把SAR图像转换为近高斯分布,再分别利用复数扩散震动滤波器对SAR图像信号部分进行增强,用各项异性扩散方程对含噪部分进行去噪,最后用小波平稳变换对图像进行重构．实验结果表明,与传统的SAR图像去噪算法相比,新算法在边缘增强和噪声去除能力方面均有显著提高．     

统计先验指导的非下采样Contourlet变换域SAR图像降斑

提出了一种合成孔径雷达(SAR)图像降斑方案．首先利用Gamma分布和指数分布给出了NSCT域信号系数和噪声系数分布的有效逼近形式,使缩减因子对NSCT域图像子带的冗余特性具有自适应性．然后,利用方向邻域模型给出了缩减因子先验比的计算表达式, 使缩减因子对NSCT域图像子带的方向特性具有自适应性,从而提高了NSCT系数缩减的有效性．实测SAR图像的降斑结果表明该降斑方案在减少斑点噪声的同时很好地保持了图像的细节特征．与多种降斑方法相比,该方案具有更好的边缘保持和后向散射系数保持性能．     

基于Curvelet和Wavelet结合的SAR图像降噪方法

提出一种新型的曲波和小波的结合降噪方法,可有效降低合成孔径雷达(SAR)图像的斑点噪声,同时更好的保持图像边缘信息。采用16个方向检测模版扫描图像,根据检测规则区分边缘区域和均匀区域,同时标记图像边缘区域。分别使用改进软阈值的曲波降噪方法和小波降噪方法处理SAR图像的边缘区域和均匀区域。最后组合2种降噪结果,生成完整降噪图像。作者提出的结合方法和目前已经提出两种结合算法(联合滤波算法、自适应结合算法)相比,在灰度均值比、等效视数等指标上都有一定提升。实验结果表明,新方法既能更有效去除SAR图像斑点噪声,又能更好地保持图像边缘信息。     

利用各向异性扩散去除SAR图像中的斑点噪声

合成孔径雷达(SAR)图像受到相干斑点噪声的干涉,严重影响合成孔径雷达图像的质量。我们利用各向异性扩散方程抑制合成孔径雷达(SAR)图像中的斑点噪声,只要选择合适的扩散方向和速度,就能较好地保留图像的边缘和细节信息。最后对合成孔径雷达图像进行去噪实验,并与小波去噪滤波方法进行比较,各向异性扩散方程具有更好的抑制噪声的效果。     

RADARSAT图象滤波的研究

在分析 SAR图象斑点噪声特性和主要滤波算法的基础上 ,将中值滤波、均值滤波、LEE与增强 LEE滤波、FROST与增强 FROST滤波、KUAN滤波、GAMMA滤波、小波软阈值滤波等算法应用于 RADARSAT图象滤波 ,以平滑指数和边缘保持指数等作为评价指标 ,对各种方法进行了比较 .结果表明 ,中值、均值滤波算法的效果较差 ,而各种自适应滤波算法和小波软阈值算法是最有效的     

基于多方向小波模糊融合的SAR图像边缘提取

合成孔径雷达图像通常带有较强的相干斑噪声。传统的边缘检测算法难以兼顾噪声抑制，检测边缘的完整性和定位的准确性，针对合成孔径雷达自身的特点，利用多方向小波变换各尺度间边缘梯度信息的关联及各方向上边缘梯度信息的互补，提出一种将小波变换的多方向多尺度与模糊积分相结合的边缘特征提取算法．这种算法能在有效克服斑点噪声影响的同时保留弱边缘．融合边缘比较完整．边缘定位准确。     

一种图像压缩算法研究

在现有SAR图像压缩技术的基础上,提出了一种基于小波变换的SAR图像压缩算法。该算法减少了SAR图像斑点噪声的影响,在一定程度上提高了SAR图像压缩性能,是一种有效的SAR图像压缩算法,并具有一定的实用价值。     

基于子波域隐含马尔可夫模型的SAR图像斑点抑制

为了抑制合成孔径雷达成像中的“斑点效应” ,提出了一种新颖的基于子波域隐含马尔可夫树的信号处理方法 .首先对图像进行对数变换 ,转换噪声的统计特性 ,然后在子波域建立隐含马尔可夫树模型 .根据此模型 ,进行最大似然估计 ,恢复图像并抑制斑点噪声 .实例显示 ,该方法在平滑斑点噪声的同时又保留了边缘信息 ,使得处理后的图像比较自然 .     

基于小波变换的数字全息再现像质量提高方法

数字全息再现像中存在的散斑噪声严重影响了数字全息的应用,通过分析边缘检测方法和小波变换阈值去噪方法的原理,提出了一种基于边缘检测的小波变换散斑噪声去除方法。首先利用高斯-拉普拉斯算法获得边缘图像,进而通过Neyman-Pearson准则获得自适应阈值,并采用改进折中阈值函数对边缘图像和非边缘图像小波系数进行处理,将两者处理后的小波系数相加,并进行反变换得到处理后的图像。研究结果表明,该方法能够较好地在去除散斑噪声的同时保留图像细节。