基于低秩矩阵恢复的SAR图像相干斑抑制方法

针对合成孔径雷达(SAR)图像相干斑噪声的特点,提出了一种基于低秩矩阵恢复的SAR图像相干斑抑制算法。该算法首先对SAR图像进行对数变换,将SAR图像相干斑乘性噪声转化为加性噪声;然后对变换后图像等步长遍历提取图像子参考块,利用局部块匹配技术寻找子参考块的相似块组建相似子集,合并数据集中所有相似子集,构建近似低秩的矩阵;再通过低秩矩阵恢复算法将矩阵分解为低秩矩阵部分和稀疏矩阵部分;最后将低秩矩阵部分逆变换回图像块,基于图像块灰度值对图像的每个像素进行加权重构,生成相干斑抑制后的SAR图像。实验表明,文中所提出的算法能够有效抑制SAR图像中的相干斑噪声,同时很好地保留了边缘细节特征。     

SAR图像组合降斑算法

SAR图像存在较强的相干斑点噪声,严重的影响了地物信息的提取与SAR图像的应用效果,作者在研究分析斑点噪声产生机理以及统计特性的基础上,提出了一种组合降斑重构算法,该算法与降斑重构性能优异的模拟退火算法降斑重构性能相当,但极大的减少了计算代价;与许多其它SAR降斑算法相比,组合降斑重构算法具有很好的降斑以及场景结构保持性能,并有较好的实用性.     

基于块稀疏贝叶斯学习的SAR图像目标方位角估计方法

提出了一种基于块稀疏贝叶斯学习的合成孔径雷达（Synthetic aperture radar,SAR）图像目标方位角估计方法。SAR图像具有较强的方位角敏感性,因此对于具有某一方位角的SAR图像仅能与其具有相近方位角的样本具有较高的相关性。方法基于稀疏表示的基本思想,首先对所有训练样本按照方位角顺序排列为全局字典。在此条件下,待估计样本在该字典上的线性表示系数具有块稀疏特性,即非零表示系数主要聚集在字典上的某一局部区域。求解得到的块稀疏位置包含的训练样本可以有效地反映待估计样本的方位角信息。采用块稀疏贝叶斯学习（Block sparse Bayesian learning, BSBL）算法求解全局字典上的稀疏表示系数,并根据具有最小重构误差的原则获得最佳的局部分块。在获取最佳分块的基础上,方位角计算方法采用线性加权的方式综合了该分块区间内所有训练样本的方位角信息从而获得更为稳健的估计结果。所提出的方法在充分考察SAR图像方位角敏感性的基础上,综合运用局部区间内样本的有效信息,避免了基于单一样本估计的不确定性。为了验证所提出方法的有效性,基于Moving and stationary target acquisition and recognition （MSTAR）数据集进行了方位角估计实验并与几类经典方法进行对比分析。实验结果验证了所提出方法的性能优势。     

采用混合特征相似性的极化SAR图像降噪算法

针对极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）图像在相干斑抑制过程中面临的结构信息和极化散射信息保持的问题,通过分析PolSAR图像的结构特性和极化特性,建立一种结构特征提取方法,并提出一种采用混合特征相似性的极化SAR图像降噪算法.该算法将图像的结构信息和极化散射信息与降噪过程相融合,能够在抑制相干斑噪声的同时,实现降噪后图像的结构信息和极化信息的有效保持.实测机载极化SAR数据的实验结果验证了算法的有效性.     

一种基于提升小波的SAR图像有损压缩算法

该文根据合成孔径雷达(SAR)图像局部相关性较弱,存在相干斑噪声的特点,提出了一种基于提升小波的SAR图像有损压缩算法。它可有效去除相干斑噪声,提高计算精度和速度,改进SAR图像的压缩性能。该算法采用了嵌入式零树小波的编码方法,很好地利用小波系数的特性,使得输出的码流具有嵌入特性。利用大量的实际SAR图像对所提算法进行了仿真验证,并与其它图像压缩算法进行了对比分析,表明所提算法是有效的。     

基于最优非线性扩散的快速相干斑抑制算法研究

合成孔径雷达（Synthetic Aperture Radar,SAR）图像相干斑去噪一直以来都是SAR图像处理的一项关键技术.本文提出一种基于最优非线性扩散的快速相干斑抑制算法,该算法使用最近提出的基于可训练非线性扩散的图像复原框架,并针对合成孔径雷达强度图像,结合相干斑噪声的统计特性,训练非线性扩散过程中的滤波器参数和响应函数参数.实验结果表明,该算法性能与PPBit、SAR-BM3D等主流相干斑去噪算法性能相当甚至更优;同时与这些算法相比,该算法计算效率能够提高75%以上,并且适于并行运算实现.     

基于小波域双阈值分割的SAR图像预处理方法

为了抑制合成孔径雷达(SAR)图像中的相干斑噪声和背景杂波,克服使用单一SAR图像分割方法处理图像的缺点,提出了一种利用小波变换与双阈值分割相结合的SAR图像预处理方法,采用小波多尺度滤波方法削弱背景杂波及高频相干斑噪声,并使用简单易行且计算量小的双阈值分割法来滤除杂波。实验结果表明,与其它算法的分割结果相比较,该方法滤波效果好,图像边缘轮廓清晰,计算耗时短,是一种有效的SAR图像预处理方法,具有较强的实用性。     

SAR图像相干斑噪声滤除中局部窗的选择

许多合成孔径雷达（SAR）图像相干斑噪声滤除方法中都需要用到SAR图像的局部统计特性，这就不可避免地要用到滑动局部窗。通常都是用边长为奇数像素的正方形窗作为局部窗，但这些窗的使用均造成了滤波之后图像边缘及细节的模糊甚至丢失。提出了一种基于保留边缘及细节的包含子窗的非正方形局部窗，能够在滤除相干斑的同时很好地保持图像的边缘及细节纹理信息，并且计算量小，易实现，有较好的实用性。     

BM3D算法在海洋SAR图像去噪中的应用

相干斑噪声一直是困扰SAR图像处理的重要问题,噪声往往将有用信号完全掩盖。由于海洋图像邻域相似性高,将三维块匹配(BM3D)算法应用于海洋SAR图像相干斑噪声的滤除中,能够得到较好的去噪效果。该算法是基于变换域方法和非局部思想发展而来的,通过相似图像块匹配分组生成三维矩阵,然后在三维变换域去噪,最后逆变换还原图像。通过对BM3D算法的深入研究,发现该算法去噪性能与其参数密切相关。针对海洋SAR图像,通过大量实验,总结BM3D参数选择原则,优化了算法的去噪性能。     

基于ICA-SCS算法的极化SAR图像相干斑抑制

该文提出了采用基于独立分量分析的稀疏编码收缩(ICA-SCS)算法进行极化SAR图像相干斑抑制的新方法,结合软门限算子,有效抑制了图像中的相干斑噪声,保留了极化信息。实验结果表明,该算法具有较好的边缘保持和噪声抑制能力。     

基于结构保持MRF模型的SAR图像去斑

该文提出一种用于SAR图像贝叶斯去斑的,具有结构保持特性的马尔可夫随机场模型。该模型通过引入一组权重参数建模待处理像素与其邻域点的空间相关性,可有效描述图像中的各种局部特性。准确的参数估计是模型有效运用的关键,借鉴随机松弛算法的思想,通过引入温度变量,实现了迭代过程中权重参数的自适应估计。仿真和实际SAR图像数据的实验结果,验证了所提模型及参数估计方法的有效性。     

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。     

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.     

基于非线性SIFT框架SAR图像匹配

针对基于尺度不变特征变换（SIFT）的图像匹配算法性能受到SAR图像中严重斑点噪声而性能降低的问题，提出了一种改进的非线性尺度构建的SIFT算法，主要改进在于：在尺度空间构建阶段，该算法通过将滚动引导滤波器嵌入到尺度空间构造的过程中来生成多尺度图像金字塔，在去除斑噪的同时并保持边缘的方面表现出了较其他尺度空间构建算法更好的效果；在特征检测阶段，提出了一种使用ROEWA算子和Harris-Laplace检测算子相结合的特征点检测算法，有效地抑制SAR图像中的虚假特征点，并准确地提取具有高位置精度和低误差率的不变特征点。3种不同类型的仿真和真实SAR图像对该算法进行了检验，并与其他2种基于SIFT的方法相比较，实验结果表明，该算法在匹配精度和内联点比率方面可以实现更好的性能。     

基于局部平移瑞利分布模型的SAR图像相干斑抑制

该文提出了一种基于平稳小波域统计模型的SAR图像抑斑算法。首先对SAR图像应用非对数加性模型,接着针对该模型中的噪声在空域提出一种统计分布模型局部平移瑞利分布模型。最后基于该分布,在平稳小波域应用最大后验(MAP)方法获得真实信号平稳小波系数的解。实验表明,该文提出的局部平移瑞利分布模型是有效的,同时也表明该文给出的一种基于此分布模型的抑斑算法有很强的鲁棒性,抑斑性能优于许多现存的算法。     

基于自适应Bilateral滤波的SAR图像相干斑抑制

SAR图像的相干斑抑制一直是SAR图像预处理的关键步骤。Bilateral滤波器是一类可以同时利用像素间的空间相似性与灰度相似性进行图像去噪的算法。针对直接用Bilateral滤波器进行相干斑抑制时存在空间方差系数选择困难及灰度相似性模型不合理的问题,该文提出一种自适应Bilateral滤波算法,该算法根据图像的局域变差系数自动调整空间方差系数,利用SAR图像的似然概率函数代替高斯函数来进行灰度相似性度量。理论分析及实验表明,提出方法较相关算法有更强的噪声平滑能力和更好的细节保持能力。     

抑制SAR图像相干斑的迭代方向滤波算法

为保护SAR图像边缘特征并有效提高对乘性相干斑噪声的抑制性能,该文提出一种基于迭代方向滤波的抑制图像相干斑新算法。该算法先借助高斯-伽马平行窗估计出的比率边缘强度映射(ESM)与方向信息,自适应地控制各向异性高斯核(AGK),生成沿ESM方向分布的具有各向异性支撑区域的局域窗。然后将SAR图像多种局部统计参量联合作为衰减因子,形成与SAR图像区域分布特性相适应的负指数衰减型加权系数,进而将负指数衰减型加权系数与局域窗带方向的各向异性支撑区域结合形成局域加权的方向滤波。最后对SAR图像迭代地进行方向滤波即可实现带边缘保护的相干斑抑制。实验结果表明,与多种抑斑算法相比,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。     

SAR image despeckling via bilateral filtering

Bilateral filtering (BF) can realise both smoothing images and preserving edges, whereas its filtering results are always influenced since its two parameters are difficult to configure to the optimum. In this reported work, the application of BF is extended to synthetic aperture radar (SAR) image despeckling, and the despeckling evaluation indexes, including the equivalent number of looks and the edge save index, are used to estimate the parameters. After BF with estimated parameters imposed on a normalised SAR image, further processing can achieve both despeckling and edge preservation simultaneously. Experimental results show that the visual quality and evaluation indexes of the proposed algorithm outperform the classical Lee filtering.     

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。     

Wavelet-Based SAR Image Despeckling and Information Extraction, Using Particle Filter

This paper proposes a new-wavelet-based synthetic aperture radar (SAR) image despeckling algorithm using the sequential Monte Carlo method. A model-based Bayesian approach is proposed. This paper presents two methods for SAR image despeckling. The first method, called WGGPF, models a prior with Generalized Gaussian (GG) probability density function (pdf) and the second method, called WGMPF, models prior with a Generalized Gaussian Markov random field (GGMRF). The likelihood pdf is modeled using a Gaussian pdf. The GGMRF model is used because it enables texture parameter estimation. The prior is modeled using GG pdf, when texture parameters are not needed. A particle filter is used for drawing particles from the prior for different shape parameters of GG pdf. When the GGMRF prior is used, the particles are drawn from prior in order to estimate noise-free wavelet coefficients and for those coefficients the texture parameter is changed in order to obtain the best textural parameters. The texture parameters are changed for a predefined set of shape parameters of GGMRF. The particles with the highest weights represents the final noise-free estimate with corresponding textural parameters. The despeckling algorithms are compared with the state-of-the-art methods using synthetic and real SAR data. The experimental results show that the proposed despeckling algorithms efficiently remove noise and proposed methods are comparable with the state-of-the-art methods regarding objective measurements. The proposed WGMPF preserves textures of the real, high-resolution SAR images well.