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     

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．     

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．     

基于分形维数的SAR图像变化检测

斑点噪声是合成孔径雷达(synthetic aperture radar,SAR)相干成像所固有的,且不可避免的.为了尽可能地抑制斑点噪声对SAR图像变化检测的影响,利用分形维数方法对SAR图像的变化检测进行了研究,并提出了一种基于SAR图像分形维数的变化检测算法,该算法对SAR图像斑点噪声不敏感.并对计算分形维的滑动窗大小的选择进行了研究.用实测SAR图像进行了验证实验,结果表明分形维数可以用于SAR图像变化检测,它是一种新的SAR图像变化检测的方法与途径;同时,滑动窗大小的选择对SAR图像检测结果有影响.     

一种基于各向异性扩散方程的医学超声图像降噪方法

斑点噪声是超声成像机制引起的固有噪声形态,它给超声图像的特征提取、识别和分析造成了困难.基于各向异性扩散方程的滤波技术能够有效地抑制斑点噪声,提出了一种基于各向异性扩散方程的医学超声图像降噪方法,该方法改进了林石算子,设置了扩散门限,并将各向异性扩散方程的常规扩散方向扩展为8方向.仿真医学超声图像降噪实验表明了该方法的滤波和保边性能都明显优于经典的PM方程和林石算子,而该方法在实际医学超声图像降噪上的成功应用表明了其临床应用价值.     

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。     

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。     

一种基于小波变换的SAR图像斑点噪声抑制方法

给出了一种抑制合成孔径雷达斑点噪声的方法,它以小波多分辨分析理论为基础,通过对小波分解后细节子空间像素的幅度值进行处理,来抑制斑点噪声,并且设立适当的阈值对图像的边缘进行增强。使得在噪声抑制的同时达到保留图像边缘结构信息的效果。经过和现有的几种抑制班点噪声的滤波器进行定量和定性的实验比较,由实验结果可以看出使用小波方法处理的图像效果好于其他方法。     

典型目标SAR图像模拟

利用目标的缩比模型,通过微波暗室实验,用ＩＳＡＲ（逆合成孔径雷达）方法来模拟目标的ＳＡＲ（星载合成孔径雷达）图像,并给出目标的成像结果。     

New soft morphological parameterized symmetric logarithmic image processing filtering algorithm

Synthetic Aperture Radar (SAR) imaging has the inherent random speckle noise, which seriously affects the quality of the SAR image, and it is very important to study the suppression of the speckle noise. In view of the fact that the traditional spot noise suppression method could not remove speckle noise while protecting the image texture information, a novel filtering algorithm is proposed based on the soft morphological and parameterized symmetric logarithmic image processing model. The proposed algorithm combines the flexibility of the order-statistic soft morphological operations and the characteristic of the parameterized symmetric logarithmic image processing model which establishes a parameterized symmetric structure processing part of the image, which can suppress speckle noise while protecting the texture information on the image. In order to validate the despecking performance of the proposed algorithm, we compare the effect of the filter with some of the existing filtering algorithms, and use some of the image evaluation parameters of the suppress speckle noise image to evaluate the performance of the SMPSLIP filtering algorithm. Experimental results show the effectiveness of this algorithm.     

SAR图像分割的多尺度自回归滑动平均模型方法

给出了合成孔径雷达(synthetic aperture radar简称SAR)图像多尺度自回归滑动平均(multiscale autoregressive moving average简称MARMA)模型建模的一种新方法。研究了基于MARMA模型的SAR图像多尺度随机特征提取的方法，构造了相应的分类器．将这类方法用于实际SAR图像分割，并将MARMA模型与多尺度自回归(multiscale autoregressive简称MAR)模型的分割结果进行比较，说明SAR图像的MARMA模型分割方法优于MAR模型分割方法；最后给出了评价SAR图像分割结果的区域均匀性指标方法，实际应用结果表明该评价方法是有效的。     

对合成孔径雷达的干扰效果度量方法研究

提出了对合成孔径雷达(SAR)进行干扰的原理，给出了SAR经二维信号处理后的分布式地物信号、噪声、干扰的数学模型，讨论了对SAR干扰效果的度量方法——等轮廓曲线图的概念，等轮廓曲线图可以度量被干扰SAR图像的方位向范围．基于等轮廓曲线图，提出了对合成孔径雷达分布式干扰系统的流程，并且运用计算机仿真结果对地面保护区域完成了分布式干扰布站．     

基于KSVD和PCA的SAR图像目标特征提取

提出一种基于核的奇异值分解(KSVD)与主成分分析(PCA)相结合的SAR图像目标的组合特征提取方法。该方法首先利用核的奇异值分解得到图像非线性的代数特征,然后进一步经过PCA变换得到图像的最终分类特征。实验中,将本文提出的KSVD+PCA两步特征提取方法与PCA、SVD、KPCA、KSVD方法分别结合简单、快速的最近邻分类器在MSTAR坦克数据上进行了比较,实验结果表明,KSVD+PCA方法不仅有效地提高了目标的正确识别率,而且大大降低了对目标方位的敏感度,在目标方位信息未知的情况下,识别率可达到95.75%,是一种有效的SAR图像目标特征提取方法。     

俯仰向DBF SAR系统通道相位偏差估计算法

由于俯仰向多通道合成孔径雷达系统通道之间存在相位偏差,因此降低了数字波束形成后雷达图像的性能．为解决上述问题,提出了一种俯仰向通道相位偏差估计算法．该算法首先对相邻通道间的数据进行干涉处理,获得相邻通道之间的复干涉相位图; 然后,对复干涉相位进行干涉处理,获得邻近通道干涉相位的差分相位;最后,通过优化图像的最大对比度估计俯仰向通道间的相位偏差．利用车载俯仰向多通道雷达系统获取的数据验证了这种算法的有效性．     

快速的Otsu双阈值SAR图像分割法

在分析SAR图像的统计分布特征的基础上,根据SAR图像自动目标识别对SAR图像分割的要求,提出了一种适合SAR图像的Otsu分割算法。算法首先利用CFAR进行粗分割,然后利用Otsu进行细分割。实验结果表明,该算法分割准确且计算量小,客观评价值较高。