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。     

一种基于小波变换的雷达图像边缘提取方法

图像最基本的特征是边缘,边缘特征提取是多传感器信息融合与景象匹配中的重要内容.合成孔径雷达图像通常带有较强的相干斑噪声,用传统的边缘检测算法效果很不理想.本文针对合成孔径雷达自身的特点,利用小波变换的特性,提出一种将小波变换的多尺度分析与模糊加权中值滤波相结合的边缘特征提取方法.实验证明方法有效,边缘定位准确,并对噪声有抑制作用,将提取结果用于匹配,定位精度达到1个象素.     

基于小波变换的SAR图像相干斑噪声消除方法研究

本文提出了一种基于小波变换的合成孔径雷达(SAR)图像相干斑消除滤波器.这种滤波器通过在小波细节子图像中减少小波分解系数的幅度来抑制相干斑噪声,同时利用小波细节子图像中提供的边缘信息来检测边缘和纹理细节,并保留其对应的小波分解系数值.实验结果表明,此方法除了对相干斑噪声有很好的抑制作用外,还保留了尽可能多的目标特性和图像细节,有着良好的图像视觉解译效果.     

基于小波变换的高分辨率SAR图像相干斑噪声抑制研究

论述了基于小波变换对高分辨率合成孔径雷达（SAR）图像的相干斑噪声进行抑制.首先从SAR图像相干斑噪声的产生机理出发,论述了在SAR图像中采用小波变换对相干斑噪声滤波的优越性和必要性;然后详细论述了在小波变换域中如何对相干斑噪声进行有效的滤波,同时利用小波细节子图像提供的信息来检测边缘和纹理细节;最后通过实验结果说明了此方法不但对高分辨率SAR图像相干斑噪声有良好的抑制作用,而且还尽可能多地保留了目标特性和纹理细节,使图像的视觉特性良好.     

Speckle filtering of SAR images based on adaptive windowing

Speckle noise usually occurs in synthetic aperture radar (SAR) images owing to coherent processing of SAR data. The most well-known image domain speckle filters are the adaptive filters using local statistics such as the mean and standard deviation. The local statistics filters adapt the filter coefficients based on data within a fixed running window. In these schemes, depending on the window size, there exists trade-off between the extent of speckle noise suppression and the capability of preserving fine details. The authors propose a new adaptive windowing algorithm for speckle noise suppression which solves the problem of window size associated with the local statistics adaptive filters. In the algorithm, the window size is automatically adjusted depending on regional characteristics to suppress speckle noise as much as possible while preserving fine details. Speckle noise suppression gets stronger in homogeneous regions as the window size increases succeedingly. In fine detail regions, by reducing the window size successively, edges and textures are preserved. The fixed-window filtering schemes and the proposed one are applied to both a simulated SAR image and an ERS-1 SAR image to demonstrate the excellent performance of the proposed adaptive windowing algorithm for speckle noise     

冗余轮廓波变换的构造及其在SAR图像降斑中的应用

构造了由非抽样塔式分解和方向滤波器组实现的冗余轮廓波变换。文中利用McClellan变换设计非抽样塔式分解中满足精确重构条件的圆对称滤波器组。利用冗余轮廓波变换系数的自适应局部统计模型及最大后验概率法对SAR图像进行降斑处理,并与基于平稳小波和轮廓波变换的降斑算法进行比较。结果表明,提出的算法能有效地去除散斑噪声,并且具有更强的边缘保持能力。     

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。     

基于复小波方向信息的SAR图像斑点噪声抑制

针对一般小波去噪方法在去除合成孔径雷达(Synthetic Aperture Radar-SAR)图像斑点噪声时不能有效保持图像边缘信息的问题,提出结合双密度双树复小波变换（Double-Density Dual Tree Complex Wavelet Transform –DD_DTCWT）方向信息进行边缘检测的SAR图像噪声抑制算法。本文对边缘检测指标进行改进,利用DD_DTCWT方向复小波系数的相对方差作为边缘检测指标,通过相对方差分布密度函数获取阈值处理的自适应门限,由此实现SAR图像的自适应滤波。实验结果表明,本文提出的边缘检测和主方向高频复系数提升方法可以有效保持并增强图像的边缘信息。与SRAD算法和基于DD_DTCWT的双变量收缩函数（Bivariate Shrinkage Function--BSF）算法相比较,本文算法具有更好的边缘保持能力。      

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。     

基于改进Wedgelet变换的SAR图像边缘检测

针对SAR图像边缘检测中,传统算法很难同时兼顾噪声抑制和对边缘完整准确定位的缺点,利用多尺度Wedgelet变换能够有效检测线目标的特点,提出了一种新的Wedgelet变换的代价函数,增强了其抑噪能力,同时选择了适当的分解尺度,在没有降低逼近图像质量的情况下提高了变换速度.基于此变换,对SAR图像进行自适应的边缘检测.实验结果表明该方法有效克服了斑点噪声的影响,对SAR图像的边缘检测是可行、有效的.     

用小波变换抑制SAR图像中的斑点噪声

抑制合成孔径雷达图像中的斑点噪声一直是处理图像并得到准确图像信息的难点，提出了一种基于小波变换抑制合成孔径雷达（SAR）图像中的斑点噪声的方法，对原有的小波变换方法作了改进，能更好地保留图像的边缘信息，并能简化计算量。在仿真实验中使用了合成的模拟图像和真实的合成孔径雷图像，并与以往的小波去噪滤波方法以及一些经典的斑点噪声滤波方法（包括中值滤波，Lee滤波，Frost滤波）进行比较，在综合考虑了滤波算法在均匀区域对斑点噪声的抑制能力以及保留边缘信息能力的情况下，提出的算法有更好的效果。     

多尺度SVR的SAR图像复原

针对合成孔径雷达图像中存在斑点噪声的缺陷,将支持向量拟合方法引入小波系数收缩策略中,提出了基于多尺度SVR(support vector regression)的SAR图像复原算法。该方法在不同尺度下选用不同的核参数。为保护边缘结构信息,首先对各小波高频子带进行SVM拟合,然后计算原始小波系数与拟合估计值的绝对差,并定义小波系数收缩准则,根据准则对小波系数进行收缩,使复原的图像能较好的保持原有图像的纹理和结构信息。实验采用真实的SAR图像,实验结果显示该方法优于常规小波滤波和Lee滤波方法。     

一种从SAR海洋图像中检测舰船航迹的算法

分析了合成孔径雷达 (SAR)图像中舰船航迹的特性和斑点噪声模型及其局部统计特性 ,在此基础上 ,提出了一种结合小波多分辨率分析、自适应阈值选择、边缘检测算子和Radon变换进行斑点噪声抑制和航迹检测的算法。数据处理的结果表明 ,该方法较直接对SAR图像应用Radon变换更有效、准确地检测到SAR图像中的舰船航迹     

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。     

自适应SAR图像边缘检测算法

边缘检测是图像分析的基础,在对SAR图像进行边缘检测时,由于SAR图像存在很强的相干乘性斑点噪声,几乎没有一种方法既能有效地检测边缘又能排除斑点噪声的影响而不产生较多的虚假边缘,特别是在低视数SAR的情况下,该文指出了在低视数情况下应当如何对Touzi ratio边缘检测方法和最大似然(ML)边缘方法的检测窗口进行改进,在对SAR图像进行边缘检测时,引入了自适应窗口的方法,并将其应用到Touzi ratio边缘检测和最大似然 (ML)两个恒虚警边缘检测算法中,取得了很好的改进效果,引入自适应窗口的方法也适用于其它的SAR图像边缘检测算法。     

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。     

结合Wedgelet和平稳小波变换的SAR相干斑噪声抑制

针对SAR图像提出一种Wedgelet逼近和平稳小波变换相结合的斑点噪声抑制方法.这种方法充分利用了wedgelet变换具有良好逼近线目标,同时平滑面区域的特性,并结合平稳小波变换较强的保持纹理特征的性质.仿真结果表明,与单纯的平稳小波变换相比,该方法不仅可以有效地抑制图像的斑点噪声,而且在很大程度上保持了图像的边缘及细节特征,具有较好的视觉效果.     

Moving window-based double Haar wavelet transform for image processing.

Image denoising is a lively research field. The classical nonlinear filters used for image denoising, such as median filter, are based on a local analysis of the pixels within a moving window. Recently, the research of image denoising has been focused on the wavelet domain. Compared to the classical nonlinear filters, it is based on a global multiscale analysis of images. Apparently, the wavelet transform can be embedded in a moving window. Thus, a moving window-based local multiscale analysis is obtained. In this paper, based on the Haar wavelet, a class of nonorthogonal multi-channel filter bank with its corresponding wavelet shrinkage called Lee shrinkage is derived. As a special case of this filter bank, the double Haar wavelet transform is introduced. Examples show that it is suitable for a moving window-based local multiscale analysis used for image denoising, edge detection, and edge enhancement.     

Synthetic aperture radar image compression using tree-structured edge-directed orthogonal wavelet packet transform

Currently, wavelet-based coding algorithms are popular for synthetic aperture radar (SAR) image compression, which is very important for reducing the cost of data storage and transmission in relatively slow channels. However, standard wavelet transform is limited by spatial isotropy of its basis functions that is not completely adapted to represent image entities like edges or textures, which means wavelet-based coding algorithms are suboptimal to image compression. In this paper, a novel tree-structured edge-directed orthogonal wavelet packet transform is proposed for SAR image compression. Inspired by the intrinsic geometric structure of images, the new transform improves the performance of standard wavelet by filtering along the regular direction first and then along the orthogonal direction with directional lifting structure. The cost function of best basis selection is designed by textural and directional information for tree-structured edge-directed orthogonal wavelet packet transform. The new transform including speckle reduction can be used to construct SAR image coder with the embedded block coding with optimal truncation for transform coefficients, and arithmetic coding for additional information. The experimental results show that the proposed approach outperforms JPEG2000 and Fast wavelet packet (FWP), both visually and item of PSNR values.     

Nonlinear multiscale wavelet diffusion for speckle suppression and edge enhancement in ultrasound images

This paper introduces a novel nonlinear multiscale wavelet diffusion method for ultrasound speckle suppression and edge enhancement. This method is designed to utilize the favorable denoising properties of two frequently used techniques: the sparsity and multiresolution properties of the wavelet, and the iterative edge enhancement feature of nonlinear diffusion. With fully exploited knowledge of speckle image models, the edges of images are detected using normalized wavelet modulus. Relying on this feature, both the envelope-detected speckle image and the log-compressed ultrasonic image can be directly processed by the algorithm without need for additional preprocessing. Speckle is suppressed by employing the iterative multiscale diffusion on the wavelet coefficients. With a tuning diffusion threshold strategy, the proposed method can improve the image quality for both visualization and auto-segmentation applications. We validate our method using synthetic speckle images and real ultrasonic images. Performance improvement over other despeckling filters is quantified in terms of noise suppression and edge preservation indices.