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。     

基于EMD小波阈值化的SAR图像斑点抑制

为有效抑制SAR图像斑点噪声,提出了基于EMD小波阈值化的斑点抑制方法．该方法首先用EMD方法将含斑点噪声的SAR图像分解为若干层基本分量,对前几个分量用小波阈值化方法进行处理,然后重构图像,从而达到抑制斑点噪声的目的．实验结果表明,该方法同小波阈值方法和二维EMD方法相比,去噪效果较明显,在抑制斑点噪声的同时,较好地保持了边缘和细节信息．     

一种SAR图像相干斑噪声抑制新算法

为抑制合成孔径雷达(SAR)图像乘性相干斑噪声,同时有效保护SAR图像的边缘特征,给出了相干斑噪声在小波域的一种加性转换噪声模型．并以此模型为基础,提出了一种非下采样小波包分解下自蛇扩散与改进L1-L2联合优化相结合的相干斑噪声抑制新算法．该算法利用非下采样小波包变换对SAR图像进行多层子带分解,然后对低通子带系数进行自蛇扩散滤波,并将滤波处理后的系数作为原SAR图像在小波域的局部均值估计,再以此局部均值为基础,利用改进的L1-L2联合优化对其他各高频子带系数进行自适应软阈值收缩滤波去噪．最后通过重构滤波后的各子带系数实现SAR图像相干斑噪声抑制．实验表明: 与经典的空域Kuan滤波算法、P-M扩散滤波算法及基于非下采样小波变换的Γ-WMAP算法相比,本算法在SAR图像的相干斑噪声抑制与边缘保护方面均取得了较好的效果．     

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SVM的SAR图像分割方法

先去噪再分割的SAR图像分割方法会损失有用的纹理信息,因此本文给出了一种直接对含噪SAR图像进行分割的方法.首先利用小波变换提取SAR图像的纹理特征,计算图像的灰度均值作为图像的灰度特征,然后用完全无监督的聚类算法进行分类,最后将特征值与类别标记作为支持向量机的训练样本,用训练后的分类器对图像进行分割.实验结果表明:本文所给出的方法在分割的准确性和抗噪性方面都优于几种有代表性的分割方法.     

基于小波收缩及变指数和片相似的最小二乘重建算法

在低剂量计算机断层扫描(Computed Tomography,CT)重建方法中,针对最小二乘重建算法收敛速度慢,由于噪声而导致图像退化的问题,提出一种结合小波收缩以及基于变指数和片相似的最小二乘重建算法.它结合了小波收缩和各向异性扩散的优点,在最小二乘重建算法的每次迭代中对图像进行离散平稳小波分解,在小波域的高频部分使用小波收缩方法,低频部分使用基于变指数和片相似性的各向异性扩散进行消噪,最后用中值滤波处理图像残留的脉冲噪声点,从而进一步优化图像.仿真实验结果表明,混合去噪算法可以有效地去除低剂量图像的噪声,且在保持图像边缘和细节方面效果较好,从而可获得高质量的图像.     

结构相似性灰关联在强噪声图像增强中的应用

为提高强噪声环境下的图像质量,提出一种图像增强新算法．该算法首先对含噪图像进行多尺度小波分解,得到不同尺度、不同方向下的频域信息,然后利用图像中噪声与边缘在不同频带上的分布规律和衰减特性,通过灰色理论中的灰色关联度来区分噪声与边缘,从而在噪声抑制和边缘增强两个方面提高图像的质量．实验结果初步显示,与传统的空域滤波方法和相对较新的小波自适应阈值去噪、Contourlet域自适应阈值去噪等方法相比较,新算法所得图像的视觉效果得到了改善,峰值信噪比最优,可用于强噪声环境下的图像增强预处理．     

SAR图像滤波的小波域多尺度HMM方法

针对合成孔径雷达(SAR)图像固有的相干斑噪声,提出了基于小波域多尺度隐马尔可夫模型(HMM)的去噪方法.该方法首先分析了小波域系数的统计特性,利用B样条小波基所生成滤波器的线性相位性对图像系数进行了统计建模,通过将1D信号的处理技术应用到2D信号,实现了图像系数建模更为准确、参数训练速度更快、斑点噪声抑制更加有效的目的.与常用的几种滤波算法相比,实验结果也表明该方法在平滑噪声和保持有用信号细节两方面均显示出了较好的效果.     

一种基于Gaussian-Hermite矩的SAR图像分割方法

图像分割在SAR图像处理中具有很重要的意义。文中提出了一种基于Gaussian-Hermite矩的SAR图像分割方法。该方法针对合成孔径雷达(SAR)图像斑点噪声对现有分割方法带来的影响,利用Gaussian-Hermite矩的不同阶矩并结合SAR图像特征将目标从含噪背景中分割出来。实验部分同时采用了仿真数据和实测SAR数据,通过与小波能量等4种方法的分割结果进行比较,显示出了该方法的有效性。     

一种改进的基于各向异性微分的SAR图像增强方法

合成孔径雷达(SAR)图像经过相干斑抑制后,图像中目标边缘会出现模糊。针对这一问题,提出了一种改进的基于各向异性微分的SAR图像增强方法。该方法在梯度方向和与梯度垂直方向构造了两个扩散系数分布函数。在非目标边缘区域,各方向扩散程度不同,对相干斑噪声具有较好的抑制效果;在目标边缘区域,梯度方向不做平滑,以保护和增强边缘,而在垂直于梯度方向有较大的平滑,突出边缘轮廓。实验结果表明,该方法具有很好的相干斑抑制能力和边缘增强能力。     

Road network extraction in classified SAR images using genetic algorithm

Due to the complicated background of objectives and speckle noise, it is almost impossible to extract roads directly from original synthetic aperture radar(SAR) images. A method is proposed for extraction of road net-work from high-resolution SAR image. Firstly, fuzzy C means is used to classify the filtered SAR image unsupervis-edly, and the road pixels are isolated from the image to simplify the extraction of road network. Secondly, according to the features of roads and the membership of pixels to roads, a road model is constructed, which can reduce the extraction of road network to searching globally optimization continuous curves which pass some seed points. Final-ly, regarding the curves as individuals and coding a chromosome using integer code of variance relative to coordi-nates, the genetic operations are used to search global optimization roads. The experimental results show that the al-gorithm can effectively extract road network from high-resolution SAR images.     

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ICA的极化SAR图像相干斑抑制

根据极化SAR图像的特点,针对传统空域滤波方法总存在降低相干斑与有效保持边缘纹理信息这一对矛盾,探讨了基于独立分量分析的极化SAR图像相干斑抑制技术,研究了两种基于ICA的极化SAR图像相干斑抑制方法,并分析了其优缺点及应用条件。实验结果表明:基于独立分量分析的方法能有效降低相干斑噪声,较好地保留边缘纹理信息,是一种有效的相干斑抑制方法。     

随机噪声SAR的相干斑分析

针对不同信号对相干斑的影响,探讨了随机噪声(RN)SAR的相干斑.由于随机噪声信号的非周期性,从物理角度解释了随机噪声SAR的相干斑弱于通常的线性调频信号SAR的相干斑,然后利用拖尾Rayleigh分布,采用标准差和等效视数(ENL)指标对两幅SAR幅度图像的相干斑进行了评价.通过对同一场景的随机噪声SAR幅度图像和线性调频SAR幅度图像相干斑进行仿真分析,结果表明随机噪声SAR的相干斑弱于线性调频SAR的相干斑.     

利用小波变换技术星载SAR图像的斑点噪声

利用小波变换技术对星载合成孔径雷达（SAR）图象斑点噪声进行抑帛与滤除。选择合适的小波基对SAR图像进行小波分解,分析噪声对小波系数的贡献;针对噪声与图象灰度之间的乘性关系和SAR图象斑点噪声在空间上相关的特点设置适当的阈值,在小波域内滤波;通过小波重构技术获得滤波后的SAR图象。实验证明,该方法能有效地抑制SAR图象中的斑点噪声。     

注意力机制的SAR图像车辆目标检测网络

在SAR图像车辆目标检测过程中,车辆轮廓定位不仅能够提供车辆位置信息,而且还能够为车辆状态分析提供依据,是SAR图像理解的关键步骤。但SAR图像中乘性斑点噪声会对轮廓定位造成干扰,增加车辆目标检测的难度。针对这一问题,提出了一种注意力机制的SAR图像像素级车辆目标检测网络。该网络由目标筛选、目标定位和轮廓细化三个模块构成。目标筛选在一个轻量级的特征提取网络中采用通道注意力和自注意力机制,在抑制噪声影响的同时对包含目标图像进行快速筛选,并提供稳定的定位热力图;目标定位利用掩码交叉注意力机制根据定位热力图优化粗尺度特征细化目标定位,并融入细尺度信息改善目标轮廓细节;轮廓细化通过轮廓点筛选消除上采样及噪声带来的轮廓不确定点获取准确的轮廓像素点置信度。对MSTAR数据集进行车辆像素级标注,建立SAR图像车辆数据集及大场景图像数据集用于网络测试。实验结果表明,该网络具有良好的像素级检测性能,可实现大场景SAR图像中车辆目标的快速精确检测。