基于正则化参数估计的SAR图像分割算法

针对合成孔径雷达(SAR)图像感兴趣区域(ROI)的分割问题,提出了一种基于Mellin变换的正则化参数的自适应选取方法。首先将SAR图像乘性相干斑噪声转化为加性相干斑噪声,在此基础上应用正则化模型建立SAR图像特征增强目标函数。然后推导出正则化参数与相应范数项的关系式,应用共轭梯度法对模型进行求解,最终达到图形特征增强与相应ROI分割的目的。所提算法不仅有效抑制了背景杂波,降低了相干斑的影响,而且还克服了传统方法对参数经验值选取的弊端。基于真实SAR图像数据的实验结果验证了该方法的简便性和有效性。     

基于图像域的势函数正则化SAR车辆图像增强算法

SAR图像增强技术是SAR信号处理中很重要的一门技术。一幅SAR原始图像中除了包含模糊的目标区域和阴影区外还包含了大量的噪声。在目标识别过程中,如果先对原始SAR图像进行增强处理,降低噪声的同时增强模糊的目标区域和阴影区,然后进行特征提取,就可以大大降低识别系统的运算量,提高识别效率。正则化方法广泛应用于图像分割,图像增强等领域。通过对两种正则化算法的比较,结合两种方法的优点,提出了一种改进的基于图像域的势函数正则化图像增强算法。利用MSTAR数据库数据进行仿真试验,取得了良好的效果。     

基于图像域的势函数正则化SAR图像增强算法

SAR图像增强技术是SAR信号处理中很重要的一门技术。SAR原始图像中除了包含模糊的目标区域和阴影区外还包含了大量的噪声。在目标识别过程中,如果先对原始SAR图像进行增强处理,在降低噪声的同时增强模糊的目标区域和阴影区,然后进行特征提取,就可以大大降低识别系统的运算量,提高识别效率。正则化方法广泛应用于图像分割、图像增强等领域。通过对两种正则化算法的比较,结合两种方法的优点,提出了一种改进的基于图像域的势函数正则化图像增强算法。利用MSTAR数据库数据进行仿真试验,取得了良好的效果。     

基于正则化变分模型的SAR图像增强方法

讨论合成孔径雷达（SAR）图像的噪声抑制与分辨率增强问题.建立偏微分方程抑噪方法与正则化点增强方法相结合的正则化变分模型,该模型同时具有偏微分方程模型的抑噪优势和正则化模型的分辨率增强优势.在图像的背景区域采用偏微分方程模型进行噪声抑制,而在图像的目标区域,先采用后向扩散方程进行锐化,然后再采用正则化模型进行分辨率增强,使整幅图像的处理结果均得到优化.此外,在偏微分方程抑噪模型的构造上,结合SAR成像的工程背景,提出了基于SAR图像幅度信息的前向-后向扩散方程,使方程能有效抑制图像背景区域的噪声并锐化目标边缘.大量的试验结果表明该方法能有效增强目标的强散射点,显著抑制噪杂波区的噪声.     

SAR图像幅度域增强的正则化方法

正则化方法通过增加先验信息约束,达到增强SAR图像特征的目的。在分析现有先验信息约束条件的基础上,提出SAR图像幅度域上的正则化增强方法,从理论上证明了SAR图像复数域上正则化方法和幅度域上正则化方法的等价性,进一步解释了正则化方法的相位保持特性,提高了计算效率。通过参数变换,结合先验信息,给出正则化参数的选取方法,该方法操作简单,能有效地抑制噪声,保护目标。最后利用仿真图像和MSTAR图像验证了该方法的有效性。     

图像域正则化特征增强SAR成像方法

通过分析SAR成像过程和正则化特征增强方法的特点，提出了一种在图像域进行正则化特征增强的成像方法。实验结果表明，本文方法能较好地抑制旁瓣和噪声，提高SAR图像的对比度，保护目标并提高图像的分辨率，且计算量比传统方法大大减小，有效提高了计算效率。     

基于lk范数的SAR复图像域正则化方法分析及改进

正则化方法通过增加先验信息约束实现合成孔径雷达(SAR)图像的超分辨和噪声抑制,为目标识别提供了更高质量的图像信息。该文通过对基于lk范数的SAR复图像域正则化方法迭代过程的分析,揭示其增强分辨率的内在机理,并针对原有方法在不同强度散射点条件下分辨率提高不一致的问题,提出采用可变的正则化参数对其进行改进。仿真数据和MSTAR实测数据的实验结果证实了改进方法的有效性。     

基于统计模型的变分水平集SAR图像分割方法

针对SAR图像感兴趣区域分割问题,提出了一种基于统计模型的变分水平集分割方法。该方法在分析SAR图像特征的基础上,利用相干斑噪声的统计模型直接定义了关于水平集函数的能量泛函,不同于一般水平集方法中关于参数化曲线的能量泛函。通过极小化能量泛函,建立了水平集函数演化的偏微分方程。对水平集演化方程的数值求解,实现了对SAR图像感兴趣区域的分割。分别采用模拟和真实SAR图像对提出的方法进行了验证,试验结果表明该方法充分利用了SAR图像的特征信息,不需要相干斑噪声预处理,能够准确实现对SAR图像感兴趣区域的分割。     

基于水平集的SAR图像预处理方法

为了降低SAR图像中相干斑噪声和背景杂波的影响,针对SAR图像舰船目标切片,本文提出一种基于水平集的SAR图像预处理方法。首先对SAR图像切片进行水平集分割,将分割后的图像二值化处理,再将二值化后的图像采用区域消除的方法滤除杂波,从而获得预处理后的目标图像。为验证此方法的实验效果,将几种典型的SAR图像预处理方法与本文采用的方法进行了比较,实验结果表明,该方法能够较好地滤除杂波噪声并保留目标的边缘轮廓,降低了特征提取的难度,可以提高后续目标识别的精度,是一种有效的SAR图像预处理方法。     

SAR复图像域上的噪声抑制和目标特征提取

基于SAR图像的稀疏先验,提出了一种基于l_k范数的复图像域正则化方法,用于SAR复图像的噪声抑制和目标特征提取.文中通过算法设计及其收敛性的研究,保证了该方法的可行性和稳健性.同时,基于正则化方法与广义岭估计的契合之处,提出了一种新的正则化参数的选取方法.理论分析和实验结果均表明,本文方法可操作性强,具有有效的噪声抑制和目标特征稀疏表示寻优功能.     

基于稀疏表示的Shearlet域SAR图像去噪

该文通过分析SAR图像的噪声成因以及其斑点噪声模型,结合图像的稀疏表示理论提出一种基于稀疏表示的Shearlet域SAR图像去噪算法。算法从整体上对SAR图像进行去噪:首先对SAR图像进行Shearlet变换,然后利用稀疏表示模型构造出去噪的最优化模型,在此基础上进行迭代去噪,然后重构SAR图像得到去噪后的图像。实验结果表明:该文所提出的算法不仅可以显著去除相干斑噪声,提高去噪图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR),还明显地改善了图像的视觉效果,更好地保留了图像纹理信息。     

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。     

基于斑点方差估计的非下采样Contourlet域SAR图像去噪

 合成孔径雷达(SAR)图像固有的相干斑噪声严重影响图像质量,使得SAR图像的自动解译十分困难.本文联合SAR图像的统计特性和非下采样Contourlet对SAR图像细节信息的良好刻画能力,提出一种新的非下采样Contourlet域SAR图像去噪算法,通过估计到的各个高频方向子带的斑点噪声方差和变换系数模值的局部均值,对非下采样Contourlet变换系数进行判定,保留信号系数,抑制斑点噪声系数,实现SAR图像去噪.仿真实验结果表明,本文方法在斑点抑制的同时可以有效保持细节信息.     

小波包域值法去除合成孔径雷达图像斑点噪声

合成孔径雷达(SAR)图像的斑点噪声使图像的解译能力明显降低,影响了SAR图像的应用,去除图像斑点噪声是SAR图像处理及应用的前提。去除的方法在图像域有很多,在频率域,也有基于FFT变换和小波变换的许多方法。文中根据沙漠地区的SAR图像的特点,对基于图像域和频率域的几种滤波方法进行了比较,提出了一种基于小波包变换的SAR图像斑点噪声去除方法,结果表明该方法既去除了斑点噪声,又保持了边缘特征信息。     

基于图像信息损失率的合成孔径雷达干扰效果评估指标

本文给出了有、无干扰时合成孔径雷达图像的统计模型以及图像间的统计关联,对合成孔径雷达图像的信息量以及干扰造成的图像信息损失进行了定量分析,从而建立了基于图像信息损失率的干扰效果指标,为合成孔径雷达干扰效果的综合定量描述提供了基础.     

基于Contourlet域K-L变换的SAR图像相干斑抑制

针对SAR图像相干斑噪声去除问题,提出了一种基于多尺度分解的Contourlet域K-L变换的SAR图像去噪的新方法。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K-L变换进行能量保持即提出信号的主要特征,用重构图像来进行去噪,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及边缘特征,且信噪比也较高。     

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。     

基于低秩分解和改进的非局部平均的SAR图像相干斑抑制

为抑制合成孔径雷达（SAR）图像成像过程中形成的相干斑噪声,提出了一种基于低秩分解和改进的非局部平均的SAR图像相干斑去噪方法。首先将SAR图像进行对数处理,将乘性噪声转换为加性噪声;然后利用低秩稀疏分解将对数图像分解成低秩图像部分和稀疏图像部分;接着对含噪严重的稀疏图像部分分析其结构张量,生成非局部平均滤波所需的衰减因子,进行改进的非局部平均滤波去噪;最后再做图像合成,经指数变换得到去噪后的SAR图像。实验结果表明,该方法经视觉评价、边缘保持指数（EPI）和等效视数（ENL）等方面评测,具有较好的抑制噪声和保持边缘及纹理细节的能力。      

合成孔径雷达图像斑点噪声抑制与滤波

斑点噪声的存在,严重阻碍了合成孔径雷达（SAR）图像的应用。根据斑点噪声的形成机理,分析并比较了抑制SAR斑点噪声的传统滤波算法及统计滤波算法的原理,利用ERS-2的SAR图像数据比较了这几种算法对SAR图像斑点噪声的滤除效果,根据噪声滤波效果评价参数得出Gamma滤波抑制斑点噪声的综合性能最好。     

一种基于像素差值编码度量不确定SAR图像相似性的新方法

在SAR图像目标识别、图像匹配等应用中,定义合理可靠的相似度尤为重要。该文在分析现有SAR图像相似度基础上,提出一种基于像素差值编码的相似度准则。首先将SAR图像按照相邻像素灰度差异生成编码图像,然后以编码图像之间的一致性作为相似度。该文从理论上证明了该相似度对SAR图像中相干斑噪声、部分遮挡和模糊等因素的鲁棒性和适应性,还讨论了将该准则应用于SAR图像匹配时,如何针对不确定性,给出一定置信水平下所有合理的匹配位置。理论和实验结果表明该文提出的相似度准则对SAR图像上相干斑噪声、部分遮挡以及模糊不敏感,能有效应用于不确定SAR图像的匹配。