SAR图像相干斑抑制研究进展

相干斑抑制是SAR图像处理领域的研究热点之一,也是SAR图像解译和应用中的关键步骤,因此SAR图像的相干斑抑制算法具有重要的研究价值。在简要介绍SAR图像相干斑的产生机理和数学模型的基础上,综述了国内外相干斑抑制的最新研究成果,重点分析了空域滤波和变换域滤波两类方法。从算法的可行性角度出发,分析了几种具有代表性的相干斑抑制方法及其优缺点,总结了常用相干斑抑制效果评价指标,最后对今后工作方向进行了展望。     

基于小波变换和PCA的SAR图像相干斑抑制

提出一种SAR图像相干斑噪声抑制新的滤波方法。该方法利用小波变换结合主分量分析(PCA)对SAR图像进行去噪。小波变换可以很好地保持边缘细节信息,主分量分析(PCA)能从混合信号中提取出主分量即信号的主要特征,将小波变换结合PCA用于图像处理,能在有效消除噪声的同时保持边缘信息。与Kirsch模板加权平滑滤波和结合小波变换的Kirsch模板加权平滑滤波去噪方法进行比较,实验结果表明,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

SAR图像异质性测量在相干斑抑制中的应用*

目前,将算术—几何均值比应用于SAR图像相干斑噪声抑制的算法还不成熟。为此,将算术—几何均值比引入增强型的Lee和Frost等滤波器中,并取代变差系数在这些滤波器中的作用,推导得出一类新的基于算术—几何均值比的自适应斑点噪声滤波器。通过对比仿真实验,验证了新滤波器的有效性和优越性。     

自适应边缘保护的SAR图像降斑算法

针对以往SAR图像相干斑抑制算法中存在的难以兼顾均匀区域平滑和边缘细节保护的不足,提出一种自适应边缘保护的SAR图像降斑算法。采用方差系数、均值比值和空间相关性等信息作为滤波器权重分配因子。实验结果表明,综合运用以上3种图像的局部邻域信息,该算法在均匀区域平滑和边缘保护两方面都有较好的效果。     

自适应边缘保护的SAR图像降斑算法

针对以往SAR图像相干斑抑制算法中存在的难以兼顾均匀区域平滑和边缘细节保护的不足,提出一种自适应边缘保护的SAR图像降斑算法。采用方差系数、均值比值和空间相关性等信息作为滤波器权重分配因子。实验结果表明,综合运用以上3种图像的局部邻域信息,该算法在均匀区域平滑和边缘保护两方面都有较好的效果。     

一种基于小波域隐马尔可夫模型的SAR相干斑抑制算法

相干斑噪声是SAR图像的固有特点。对相干斑抑制的要求是在平滑噪声的同时，尽量保持原始图像的结构信息。现有的许多相干斑抑制方法各有优点和不足，没有普遍的适用性。基于图像在小波域的隐马尔可夫模型(HMMs)结构，结合SAR图像中相干斑噪声的统计特性，本文提出了一种新的小波域相干斑抑制方法。仿真及实测数据处理结果表明，该方法在有效抑制相干斑的同时，更好地保持了边缘结构。与小波域软阈值去噪方法和Lee滤波器相比较，该方法在噪声平滑及边缘保持上都取得了较大的改进，并得到了较好的视觉效果。     

基于线性规划的SAR图像相干斑抑制算法

通过雷达图像优化,能提供高质量源图像.针对传统的软阈值搜索方法由于没有考虑图像本身的分布特点,容易造成各子带去噪的不平衡,从而影响SAR 图像重建的问题,为了进行SAR图像相干斑抑制,提出了一种新的最优阈值确定算法,结合经典的线性规划理论,把最优阈值搜索问题抽象为线性规划问题,再利用简单的图解法求出对不同分解层的小波系数进行最优阈值确定,保证了不同应用背景下的阈值选取的最优性,从而获得了更好的相干斑抑制效果,为SAR图像的压缩、传输和重建等处理过程提供了更好地源图像.仿真证明,算法在保证SAR图像相干斑噪声抑制效果,相比其它算法能更好的细节信息,可提供视觉优化的SAR图像.     

一种新型的空域SAR图像相干斑抑制方法

为了有效抑制SAR强度图像中的相干斑噪声,提出一种改进Sigma滤波并结合Gamma MAP滤波的空域相干斑抑制方法。首先利用阈值判断法判断并保留强点目标,然后结合SAR图像分布模型和MMSE准则判断Sigma区间,其中可以根据图像局部统计特性自适应调整窗口尺寸,最后选择Sigma区间内像素进行Gamma MAP滤波。实验结果表明:对于星载和机载SAR图像,在相干斑噪声抑制和边缘纹理细节信息保持方面,该方法较其他常用的空域相干斑抑制方法具有明显的优越性,能极大地提高SAR图像判读和目标识别能力。     

极化SAR图像相干斑抑制的ICA方法与分析

极化合成孔径雷达(synthetic aperture radar,SAR)图像为雷达图像中的信息处理和获取提供了更为便捷的途径。提出了基于独立分量分析(independent component analysis,ICA)的极化SAR图像相干斑抑制方法。该方法将极化SAR图像斑点噪声的乘积模型,变换为应用ICA的信号加噪模型。并且将HV/VV的比值图像,也作为ICA的输入数据。分别使用几种不同的ICA算法,得到了分别对应于HH、HV和VV极化的3幅降噪图像,并对结果进行了比较分析。实验结果表明,应用ICA算法可以有效地降低极化SAR图像的相干斑噪声,提高图像质量。     

基于独立分量分析的极化SAR图像的相干斑抑制

研究基于独立分量分析( ICA)的极化合成孔径雷达（SAR）图像相干斑抑制方法。该方法将极化SAR图像斑点噪声的乘积模型,变换为应用ICA的信号独立加噪模型。并且将HV/VV的比值图像,也作为ICA的输入数据。利用ICA 的分离性,得到了分别对应于HH、HV和VV极化的三幅降噪图像。经本文方法处理后的图像,其相干斑噪声得到了有效的抑制,具有较高的等效视数,明显地改善了图像的质量。     

基于Contourlet域的SAR图像去噪算法

从SAR图像斑点噪声特性和Contourlet变换系数的统计特点出发,将Contourlet变换与二元收缩去噪模型相结合,提出一种新的基于Contourlet变换的SAR图像去噪方法。对于高分辨率SAR 图像,该算法能更有效地去除SAR图像上的斑点噪声。     

基于多阈值的非下采样轮廓波图像去噪方法

非下采样轮廓波变换(NSCT)是一种新的多尺度几何分析工具,具有平移不变性、多方向性和各向异性。与小波变换相比,NSCT能更好地表示图像中的边缘等信息。对合成孔径雷达图像进行NSCT分解,考虑其系数统计特性,基于BayesShrink对每个分解层的各个子带做多层阈值估计和软阈值收缩处理。实验结果表明,采用该方法得到的图像在视觉效果和客观衡量指标上均符合要求。     

基于非下采样Contourlet和扩散的图像去噪

根据非下采样Contourlet变换同时具有多尺度、多分辨分析和平移不变的性质,提出一种基于非下采样Contourlet变换和P-Laplace扩散相结合的图像去噪方法。该方法不但继承了非下采样Contourlet 变换捕捉边缘信息的能力,而且在P-Laplace扩散去噪时具有保持图像边缘信息的优点。实验结果表明该方法具有较好的图像去噪效果。     

基于贝叶斯估计的改进Contourlet变换的SAR图像滤波

针对小波变换和轮廓波变换在合成孔径雷达(Synthetic aperture radar, SAR)图像中去噪应用的不足,结合小波变换和轮廓波变换的优点,将小波变换与轮廓波变换相结合,提出一种改进轮廓波变换方法。首先将待处理图像进行小波变换,然后对低频子带图像进行重建,得到一个细节子带图像,然后使用方向滤波器组对其进行多方向划分。再采用贝叶斯最大后验概率估计对划分后的方向子带信号进行估计。实验结果表明此方法在抑制图像斑点噪声的同时,很好的保持了均匀区域的辐射特性,保持了图像中的边缘以及细小纹理,且没有人为畸变。此外算法的高频子带图像含有更为丰富的纹理,对于边缘特征的提取非常有益。     

基于Contourlet域主成分分析的SAR图像去噪

相干斑噪声是合成孔径雷达图像所固有的,并且严重降低了图像的可编译性,影响了后续图像分割,特征提取,目标分类和识别等工作.因此,SAR图像的相干斑去除问题一直是SAR图像应用研究的重要问题之一.针对SAR图像噪声去除问题,提出了一种基于Contourlet多尺度分解域主成分分析的SAR图像去噪新方法,并且简要归纳了已有的SAR图像去噪方法.方法首先对源图像进行Contourlet分解,在不同频段的子带图像中,利用主成分分析方法进行能量保持,用重构图像来进行子带去噪,最后通过Contourlet逆变换得到去噪之后的图像.在SAR图像上的实验结果表明,方法不仅较好地保持了图像的纹理和细节特征,且信噪比也较高.     

基于非抽样Contourlet变换的多聚焦图像融合算法

文中研究了非抽样Contourlet变换（NSCT）的原理,以及其多尺度、局部化、方向性和各向异性等优点。提出了一种基于NSCT的多聚焦图像融合新算法。本算法将多聚焦图像进行NSCT分解,不同子带采用不同的融合规则,低频子带采用新的基于灰度形态学梯度算子的融合算法,并做一致性检测,带通子带采用基于区域能量的融合算法。最后将融合得到的系数进行NSCT反变换得到融合图像。实验结果表明,与其他融合算法相比较,该算法可以更有效地保留源图像信息和细节特征。     

基于非抽样Contourlet变换的最佳软阈值图像去噪

研究了小波变换在图像处理中的缺陷,以及Contourlet变换在图像处理中产生伪Gibbs失真的原因。为了在多尺度分析框架下改进图像去噪的效果,提出了一种基于非抽样Contourlet变换的图像去噪算法,利用非抽样Contourlet变换的多尺度多方向性以及平移不变性,对加噪图像进行非抽样Contourlet变换得到变换系数,然后对变换系数采用分层最佳软阈值处理,最后将其反变换得到去噪后的图像。实验结果表明,与Contourlet变换图像去噪算法相比,该算法可以达到更好的效果。     

一种新的SAR图像快速自适应去斑算法

针对SAR图像斑点噪声的滤除,提出了一种新的基于Countourlet变换的快速自适应性噪声去除方法。鉴于SAR图像的Countourlet系数主要取决于斑点噪声和信号腐化,且呈现出很强的非高斯分布特性,据此,首先建立了SAR图像Countourlet系数的高斯混合分布解析模型;然后用每个系数的邻域系数通过估计其去斑收缩因子来实现系数的自适应收缩;最后对Lee滤波、Foster滤波、Gamma滤波、小波、Curvelet和Contourlet变换的去斑性能进行了比较分析。实验结果表明,该新方法在保留细节和锐化图像的同时,能强有力地抑制斑点噪声。     

基于提升Directionlet域高斯混合尺度模型SAR图像噪声抑制

提出了一种新的SAR图像相干斑噪声抑制方法.该方法将高斯混合尺度(GSM)模型引入Directionlet变换域,构造了基于提升Directionlet分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪.作为一种新的多尺度几何分析工具,Directionlets通过多方向选择来捕捉图像中各向异性特征,滤波器结构为可分离设计;采用提升方案进一步减小变换的运算量.文中对相邻位置和尺度的系数建立GSM模型,能较好地描述系数的边缘分布,充分体现邻域间系数的相关性.对大量真实SAR图像的去噪实验表明,文中方法取得了比空域滤波及小波方法更优的去噪性能,同时在图像边缘等细节特征保持方面具有明显优势.     

基于非抽样Contourlet变换的医学图像融合算法

分析了非抽样Contourlet变换（Nonsubsampled Contourlet Transform,NSCT）的原理,提出了一种新的基于NSCT的医学图像融合算法,应用NSCT对CT和MRI图像进行多尺度、多方向分解,低频子带采取区域能量加权法融合,带通子带采取模最大融合,最后将融合的系数进行NSCT逆变换得到融合图像。实验表明,与其它融合算法比较,该算法融合图像效果较好。