改进的基于非局部均值的极化SAR相干斑抑制

贝叶斯形式的非局部均值模型在极化SAR图像相干斑抑制中有良好的应用,在实现抑制相干斑的同时较好地保持了边缘细节和点目标.通过分析合成孔径雷达(SAR)图像多视数据的空间统计分布,结合贝叶斯形式的非局部均值模型,得出在该模型下多视与单视SAR图像中像素间相似性度量函数一致性的结论,并对该相似性度量函数进行了修正,使之满足对称性;最后针对算法全局使用一个固定滤波参数影响滤波效果的问题,提出一种根据像素间相似程度自适应选取滤波参数的方法.实验结果验证了本文算法的有效性.     

基于非局部均值滤波的结构保持相干斑噪声抑制方法

提出了一种基于非局部均值滤波的合成孔径雷达(SAR)图像相干斑噪声抑制新方法.与传统方法相比,该方法通过利用SAR图像块之间的相似性来辨别具有相同结构属性的像素,从而实现在抑制相干斑噪声的同时有效减少图像结构信息的损失.针对SAR图像中各种结构基元相似性的特点,进一步采用两级非局部均值滤波,来削弱相干斑噪声对结构相似性度量的影响,提高去噪性能.通过采用添加不同程度相干斑噪声的合成sAR图像和真实SAR图像对提出的方法进行评价,实验结果表明,与传统的Lee滤波方法,增强的Lee滤波方法以及各向异性扩散相干斑抑制方法相比,提出的方法在相干斑噪声抑制尤其是结构信息保持性能上有显著提高.     

基于Zernike矩的快速PPB相干斑抑制算法

应用非局部均值算法到SAR图像相干斑抑制中时存在计算量大、图像自相似性利用不足等缺点,严重制约该类算法的实际应用.针对该问题,提出一种SAR图像快速PPB滤波算法.给出基于积分图的PPB快速算法,引入Zemike矩构造一种图块相似性度量,利用Cosmo实测SAR数据进行实验.实验结果表明,该算法提高了图像自相似特征利用率,显著改善了滤波效果.     

极化SAR相干斑抑制的非局部加权最小均方误差滤波算法

目的 相干斑的存在严重影响了极化合成孔径雷达(PolSAR)的影像质量.对相干斑的抑制是使用SAR数据的必不可少的预处理程序.提出一种基于非局部加权的线性最小均方误差(LMMSE)滤波器的极化SAR滤波的方法.方法 该方法的主要过程是利用非局部均值的理论来获取LMMSE估计器中像素样本的权重.同时,在样本像素的选取过程中,利用待处理像素的极化散射特性和邻域块的异质性来排除不相似像素以加速算法,同时达到保持点目标和自适应调节块窗口大小的目的.结果 模拟影像和真实影像上进行的实验结果表明,采用这种方法滤波后影像的质量得到明显改善.和传统的LMMSE算法相比,无论是单视的影像还是多视的影像,本文方法去噪结果的等效视数都高出8视以上;峰值信噪比也提升了5.8 dB.同时,去噪后影像分类的总体精度也达到了83％以上,该方法的运行效率也比非局部均值算法有了较大提升.结论 本文方法不仅能够有效抑制相干斑噪声,还能较好地保持边缘和细节信息以及极化散射特性.这将会为后续高效利用SAR数据提供保障.     

基于梯度特征的双核非局部均值去噪算法

针对传统非局部均值（NLM）滤波算法中邻域间相似性计算易受噪声干扰的问题，提出了一种基于梯度特征的双核非局部均值滤波算法。通过图像块之间的欧氏距离及梯度特征度量邻域间相似性，采用双核函数代替传统指数核函数计算相似性权值，并通过衡量搜索区域中的邻域块与当前像素邻域的相似程度，对像素点的权值进行重分配，在此基础上，重估像素点去噪值并得到滤波图像。实验结果表明，提出的滤波算法与传统的NLM滤波算法及分别含有高斯核和正弦核的改进NLM滤波算法相比，可以更准确地反映邻域间的相似度，保存图像的细节及边缘信息，从而有效提升图像的去噪效果。     

一种抑制SAR图像相干斑的空域滤波算法

为在保护SAR图像边缘特征的同时有效抑制乘性相干斑噪声,提出了一种空域滤波新算法。该算法以负指数衰减型加权滤波模型为基础,通过将SAR图像多种局部统计参量巧妙结合作为联合衰减因子,形成与SAR图像区域分布特性相适应的负指数型加权系数;同时采取两次滤波策略,先由预滤波削弱SAR图像相干斑噪声并估计获得更精准的局部统计参量,然后借助精细局部统计参量再对原SAR图像实施精细滤波。实验结果表明,与多种抑斑算法相比,该算法在SAR图像抑斑与边缘保护方面均获得了更好的性能。     

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。     

多区域SAR图像分割的改进水平集方法

由于合成孔径雷达（SAR）图像易受相干斑噪声的影响,光学图像的分割方法并不适用于SAR图像,更不能获得精确的分割结果对比,因此,首先基于GA^0统计模型定义能量映射函数以代替像素值进行后续处理,减小相干斑的影响;其次,使用水平集算法对处理后的图像进行分割处理,选用了一种形式更为简单的水平集函数,并可以较容易地推广到多区域SAR图像分割情况。实验结果表明,该方法可以减少相干斑噪声对SAR图像分割过程的不良影响,具有较好的准确性。     

改进非局部均值滤波的SAR图像降噪

在非局部均值滤波(NLMF)的基础上,通过预生成相似集与2DPCA(two-dimensional principle component analysis)对NLMF进行改进,提出一种新的SAR(synthetic aperture radar)图像降噪方法。在NLMF算法框架下,针对SAR图像噪声的特点,首先经预处理选择邻近的子图像生成相似集,然后通过2DPCA提取子图像的主要特征,此过程减小了斑点噪声对相似性度量的影响,最后在降维后子图像的基础上进行相似性度量。通过仿真SAR图像和真实SAR图像的降噪实验,将本文方法与经典Lee滤波、Kuan滤波、Gamma-Map滤波和NLMF滤波相比较,结果表明,该方法无论在边缘保持还是一致区域的平滑上,都能取得较好的效果,是一种有效的SAR图像降噪算法。     

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。     

Change detection in synthetic aperture radar images based on non-local means with ratio similarity measurement

Image change detection is of widespread interest due to a large number of applications in diverse disciplines. In this study, a novel change detection approach for synthetic aperture radar (SAR) images based on a non-local means algorithm is proposed. A non-local means technique is introduced to generate a difference image by using complete information from a pair of observed images. To take the characteristics of SAR images into account, a new ratio-based relativity measurement between two speckled SAR image patches based on a ratio distance is proposed. Theoretical analysis indicates that the ratio distance is valid for SAR images. The probability density function of the ratio distance is deduced to map the distance into a relativity value. Furthermore, the ratio distance and the probability density function are both parameter-free. The new non-local means technique is successfully applied to extend the classical mean-ratio detector for SAR image detection. Experimental results on real SAR images show that the proposed approach is robust to speckle noise and effective for the detection of change information between multitemporal SAR images.     

Novel class-relativity non-local means with principal component analysis for multitemporal SAR image change detection

One of the main problems for change detection in multitemporal synthetic aperture radar (SAR) images is the presence of speckle noise, since it degrades the image quality significantly and may hide important details in the image. In this article, we investigate a novel class-relativity non-local means (CRNLM) algorithm that reduces the effect of speckle noise in the principal component analysis (PCA) feature space for SAR image change detection. Note that the non-local means averaging process is particularly true when the assumed noise model is additive. Thus, we adopt the difference image produced by the ratio image expressed in logarithmic scale and then transform it onto PCA space. This is done so that its signal energy is concentrated, and the noise spreads over the whole PCA space and is additive. A task-dependent CRNLM algorithm is applied to the PCA transformed data set so as to combine local and non-local geometries and capture the robustness to noise. The idea is based on the assumption that non-local similar patches have similar class structures. Visual and quantitative results obtained on real multitemporal SAR image data sets confirm the effectiveness of this method as compared with several state-of-the-art techniques.     

基于贝叶斯非局部平均滤波的超声图像斑点噪声抑制算法

超声成像是现代医学影像学最重要的诊断技术之一。然而,由于乘性斑点噪声的存在,使得超声成像的发展受到了一定的限制。针对这种问题,提出了一种贝叶斯非局部平均（NLM）滤波算法的改进策略。首先,运用贝叶斯公式推导出适应于超声图像斑点噪声模型的非局部平均滤波器,由此引出了两种图像块之间距离计算的方式——Pearson距离和根距离;其次,为了减轻计算负担,在非局部区域中选取相似图像块时采用图像块预选择的方式来加速算法;另外,根据多次实验,总结出了一种滤波参数和噪声方差的关系,实现了参数的自适应;最后,利用Visual Studio和OpenCV实现了算法,使得程序的运行时间大幅缩短。为了评估所提算法的去噪性能,在幻影图像和真实超声图像上进行了实验,结果表明：与现有的一些经典算法相比,该算法在去除斑点噪声的表现上有很大提升,并且在保留图像边缘和结构细节方面取得了令人满意的结果。     

Adaptive noise-reducing anisotropic diffusion filter

In image processing and computer vision, the denoising process is an important step before several processing tasks. This paper presents a new adaptive noise-reducing anisotropic diffusion (ANRAD) method to improve the image quality, which can be considered as a modified version of a speckle-reducing anisotropic diffusion (SRAD) filter. The SRAD works very well for monochrome images with speckle noise. However, in the case of images corrupted with other types of noise, it cannot provide optimal image quality due to the inaccurate noise model. The ANRAD method introduces an automatic RGB noise model estimator in a partial differential equation system similar to the SRAD diffusion, which estimates at each iteration an upper bound of the real noise level function by fitting a lower envelope to the standard deviations of pre-segment image variances. Compared to the conventional SRAD filter, the proposed filter has the advantage of being adapted to the color noise produced by today’s CCD digital camera. The simulation results show that the ANRAD filter can reduce the noise while preserving image edges and fine details very well. Also, it is favorably compared to the fast non-local means filter, showing an improvement in the quality of the restored image. A quantitative comparison measure is given by the parameters like the mean structural similarity index and the peak signal-to-noise ratio.     

改进极化白化滤波的边缘检测

针对SAR影像边缘检测受斑点噪声影响严重和极化信息利用不充分的问题,用滑动模板边缘两侧目标的协方差矩阵代替了极化白化滤波中杂波背景与窗口中心的协方差矩阵,提出一种基于改进极化白化滤波的边缘检测新方法,充分利用了极化通道间的相关性,在有效抑制斑点噪声的同时,提高了极化信息的利用率。模拟和真实极化影像的实验验证了新方法的有效性。     

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。     

小波与双边滤波的医学超声图像去噪

目的：医学超声图像中的斑点噪声降低了图像质量并且限制了超声图像自动化诊断技术的发展。针对斑点噪声问题,提出了一种新型的基于小波和双边滤波的去噪算法。方法：首先,根据医学超声图像在小波域内的统计特性,在通用小波阈值函数的基础之上,改进了小波阈值函数。其次,将无噪信号的小波系数和斑点噪声的小波系数分别建模为广义拉普拉斯分布模型和高斯分布模型,利用贝叶斯最大后验估计方法得到了新型的小波收缩算法,利用小波阈值法对小波域内的高频信号分量进行去噪。最后,对小波域内的低频信号分量进行双边滤波处理,然后利用小波逆变换便得到去噪后的图像。结果：在仿真实验中,通过与其它7种去噪算法作对比,观察峰值信噪比(PSNR)等图像质量评价指标,结果表明本文算法的去噪效果优于其他相关算法。临床超声图像的实验结果进一步验证了本文算法的去噪性能。结论：本文提出了一种新型的去噪算法,实验表明本文算法能够很好地抑制斑点噪声,并且能保留图像病灶边缘等细节。     

基于稀疏表示与非局部相似的图像去噪算法

针对受加性高斯白噪声(AWGN)与椒盐噪声(SPIN)以及随机值冲击噪声(RVIN)组成的混合噪声污染的图像进行去噪的问题,提出一种在现有加权编码算法的基础上将图像稀疏表示和非局部相似先验融合的改进算法。首先,利用基于字典的图像稀疏表示构建去噪变分模型,对模型中的数据保真项设计一个权重因子来抑制冲击噪声的干扰;其次,利用非局部平均思想对混合噪声图像进行初始去噪,在得到的图像中构建掩膜矩阵将冲击噪声点排除进而求取非局部相似先验知识;最后,将非局部相似先验与稀疏先验融合进变分模型的正则项中,求解变分模型得到最终去噪图像。实验结果表明,在不同的噪声比率下,所提算法与模糊加权非局部平均算法相比,峰值信噪比(PSNR)提高了1.7 dB,特征相似性指数(FSIM)提高了0.06;与加权编码算法相比,PSNR提高了0.64 dB,FSIM提高了0.03。该算法对于纹理较强的图像可以显著提升去噪效果,能有效地保留图像的本真信息。