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．     

基于多尺度自适应小波阈值的SAR图像降噪

为了抑制合成孔径雷达(synthetic aperture radar,SAR)成像系统所固有的相干斑噪声,提出一种小波域的多尺度自适应阈值滤波算法.本算法基于BayesShrink阈值,利用多尺度小波系数的局部统计量估计参数和阈值,并结合空域增强Lee算法的思想,平滑均匀区域,保留斑点发育不完全区域.实验结果表明,相对于传统的空域滤波算法、小波软阈值去噪算法和BayesShrink软阈值算法,本算法等效视数(equivalent number of looks,ENL)和边缘保持指数最高,能有效抑制斑点噪声,并且很好地保存了边缘细节。     

基于小波变换的SAR图像边缘提取新方法研究

由于SAR图像含有相干斑噪声，使得常规方法应用于SAR图像边缘检测时遇到了较大的困难，提出了一种新的SAR图像边缘提取方法，该方法首先用基于结构信息的统计滤波方法对SAR图像进行滤波，然后利用小波变换具有多分辨分析的特性，并结合模糊中值滤波、阈值化处理及微分梯度算子对SAR图像进行边缘提取。实验结果表明了该方法是一种有效的对SAR图像进行边缘提取的方法。     

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．     

一种有效的SAR图像相干斑噪声抑制方法

由于散射现象,SAR图像受到固有的乘性相干斑噪声的影响.文章提出了一种有效的基于平稳树状小波变换和贝叶斯估计的SAR图像噪声抑制方法.为了在抑噪过程中保持边缘,对原始图像采用比值边缘检测算子获取边缘信息.仿真结果表明,相对于一些经典的滤波方法和基于平稳小波变换方法,此方法具有更好的噪声抑制作用和边缘保持能力.     

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．     

极化SAR图像的多纹理最大似然估计

提出了一种新的极化SAR图像相干斑抑制的方法。该方法在多纹理乘性相干斑噪声模型的假设下,采用最大似然估计法来同时估计多个极化通道的纹理参数。该方法保存了极化信息,消除了极化通道间的耦合,取得较好的相干斑抑制效果;并与极化白化滤波法(PWF)作了比较。     

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     

一种改进的基于各向异性微分的SAR图像增强方法

合成孔径雷达(SAR)图像经过相干斑抑制后,图像中目标边缘会出现模糊。针对这一问题,提出了一种改进的基于各向异性微分的SAR图像增强方法。该方法在梯度方向和与梯度垂直方向构造了两个扩散系数分布函数。在非目标边缘区域,各方向扩散程度不同,对相干斑噪声具有较好的抑制效果;在目标边缘区域,梯度方向不做平滑,以保护和增强边缘,而在垂直于梯度方向有较大的平滑,突出边缘轮廓。实验结果表明,该方法具有很好的相干斑抑制能力和边缘增强能力。     

基于ICA的极化SAR图像相干斑抑制

根据极化SAR图像的特点,针对传统空域滤波方法总存在降低相干斑与有效保持边缘纹理信息这一对矛盾,探讨了基于独立分量分析的极化SAR图像相干斑抑制技术,研究了两种基于ICA的极化SAR图像相干斑抑制方法,并分析了其优缺点及应用条件。实验结果表明:基于独立分量分析的方法能有效降低相干斑噪声,较好地保留边缘纹理信息,是一种有效的相干斑抑制方法。     

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。     

SAR图像滤波的小波域多尺度HMM方法

针对合成孔径雷达(SAR)图像固有的相干斑噪声,提出了基于小波域多尺度隐马尔可夫模型(HMM)的去噪方法.该方法首先分析了小波域系数的统计特性,利用B样条小波基所生成滤波器的线性相位性对图像系数进行了统计建模,通过将1D信号的处理技术应用到2D信号,实现了图像系数建模更为准确、参数训练速度更快、斑点噪声抑制更加有效的目的.与常用的几种滤波算法相比,实验结果也表明该方法在平滑噪声和保持有用信号细节两方面均显示出了较好的效果.     

小波变换与中值滤波相结合图像去噪方法

为了很好地保持图像的边缘细节,在对二维图像去噪平滑的过程中,采用基于小波变换和中值滤波相结合的图像去噪处理方法.将含有复杂噪声的图像首先进行小波分解,对各频带的子图像采用不同的阈值(软阈值和硬阈值)进行中值滤波处理,在去除图像噪声的同时,较好地保持了图像所包含的边缘信息.经实验证明,对二维图像的处理效果优于单一的小波变换去噪或中值滤波等方法.在由相干切片数据形成的二维地震图像处理中得到了应用,提高了地震解释的效率.     

一种基于区域分集的SAR相干斑抑制算法

合成孔径雷达（ＳＡＲ）因为相干成像原理所固有的相干斑噪声是影响其图像质量的主要原因。文中根据ＳＡＲ图像的纹理特征和相干斑噪声的统计特征，提出了一种基于区域分类的相干斑抑制算法。本算法能够完全保留ＳＡＲ图像边缘特征，同时对相干斑具有较好的抑制能力。实验结果表明，本算法处理效果优于目前常用的相干斑滤波算法。     

RADARSAT图象滤波的研究

在分析 SAR图象斑点噪声特性和主要滤波算法的基础上 ,将中值滤波、均值滤波、LEE与增强 LEE滤波、FROST与增强 FROST滤波、KUAN滤波、GAMMA滤波、小波软阈值滤波等算法应用于 RADARSAT图象滤波 ,以平滑指数和边缘保持指数等作为评价指标 ,对各种方法进行了比较 .结果表明 ,中值、均值滤波算法的效果较差 ,而各种自适应滤波算法和小波软阈值算法是最有效的     

基于Curvelet和Wavelet结合的SAR图像降噪方法

提出一种新型的曲波和小波的结合降噪方法,可有效降低合成孔径雷达(SAR)图像的斑点噪声,同时更好的保持图像边缘信息。采用16个方向检测模版扫描图像,根据检测规则区分边缘区域和均匀区域,同时标记图像边缘区域。分别使用改进软阈值的曲波降噪方法和小波降噪方法处理SAR图像的边缘区域和均匀区域。最后组合2种降噪结果,生成完整降噪图像。作者提出的结合方法和目前已经提出两种结合算法(联合滤波算法、自适应结合算法)相比,在灰度均值比、等效视数等指标上都有一定提升。实验结果表明,新方法既能更有效去除SAR图像斑点噪声,又能更好地保持图像边缘信息。     

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。     

不同小波基下的SAR图像相干斑抑制性能分析

分析了合成孔径雷达(SAR)图像中相干斑(Speckle)的统计特性。基于小波变换(WT),给出了一种多尺度的Speckle滤波方法,该方法利用小波分解后的HH分量(低频分量)作Speckle抑制,得到图像Speckle的相当大的改进。文中还对不同的小波基进行了理论分析,并利用实验数据,从等效视数(ENL)角度进行了比较,证实了不同小波基下该方法对Speckle具有较好的抑制性能。     

融合Canny边缘检测技术的SAR图像改进滤波方法

5×5窗口的增强型Lee滤波方法能够有效抑制相干斑噪声,但边缘细节等纹理信息损失严重。针对增强型Lee滤波方法的这一缺点,结合边缘提取技术,提出改进的滤波方法。该算法首先对图像进行5×5窗口增强型Lee滤波处理,然后对图像使用Canny算子进行边缘纹理信息提取,最后将增强型Lee滤波后图像的边缘和纹理区域的像元值用边缘提取技术得到的结果进行取代。通过利用均值滤波、Lee滤波及其增强型、Kuan滤波及其增强型、Gamma MAP滤波和改进方法对SAR图像进行处理,得到改进的滤波方法在克服相干斑抑制和边缘保持这一对矛盾上是有效的。     

基于特征的SAR图像与光学图像自动配准

针对现有配准方法在用于SAR图像和光学图像配准时,存在受SAR图像相干斑噪声影响大,手工选取配准点精度低等缺点,提出了一种基于区域特征提取的图像配准方法．对SAR图像首先进行相干斑噪声抑制,并采用图像分割的方法提取出封闭区域的边界作为特征,然后与可见光中提取的边缘利用闭合区域边缘链码的相关寻求匹配,精确配准的误差达到子象素级水平．实验结果表明,该方法能够以较高的精确度从SAR图像中提取配准控制点,从而实现了多传感器图像的自动配准．