高分辨率合成孔径雷达图像的Gamma分布下最大后验概率降斑算法

针对传统的Gamma分布下最大后验概率降斑算法不能有效保留均匀区域的点目标, 不能有效保留弱边缘以及不能有效滤除强边缘区域的斑点等问题, 提出了基于第二类统计量的先验参数估计的高分辨率合成孔径雷达图像Gamma 分布下最大后验概率降斑算法. 使用Mellin卷积和斑点的乘性模型, Gamma先验分布的参数可由观察图像的前两阶对数累积量精确估计.所提算法具有解析的滤波输出, 便于实现.农田和城区的高分辨率合成孔径雷达图像的降斑实验表明, 与传统的Gamma分布下最大后验概率降斑算法相比, 所提算法既能有效保留均匀区域的点目标, 又能有效保留弱边缘, 还能有效滤除强边缘区域的斑点. 关键词： 高分辨率合成孔径雷达图像 Gamma分布下最大后验概率降斑算法 第二类统计量 对数累积量     

基于拖尾分布的高分辨率合成孔径雷达图像建模

基于中心极限定理的合成孔径雷达(SAR)图像统计分布不能反映高分辨率SAR图像尖峰和厚尾的统计特征.文中使用广义中心极限定理,由雷达回波的实部和虚部的对称稳定分布,得到SAR图像的拖尾分布(幅值图像的拖尾Rayleigh分布以及强度图像的拖尾指数分布),并以拖尾Rayleigh分布为例,讨论了拖尾分布的代数拖尾特征以及尖峰厚尾的统计特性.为了实现拖尾分布对高分辨率SAR图像的精确建模,基于第二类统计量,提出了对数累积量的参数估计方法,从而高效估计出拖尾分布的参数.真实SAR图像的建模实例表明,基于广义中心极限定理的拖尾分布可以精确描述高分辨率SAR图像的尖峰和厚尾的统计特征.     

基于区域分类、自适应滑动窗和结构检测的合成孔径雷达图像联合降斑算法

为了克服传统的基于合成孔径雷达(SAR)图像局部统计特性的降斑算法的缺点,提出了基于区域分类、自适应滑动窗和结构检测的联合降斑算法.首先,联合降斑算法对当前区域进行区域分类,并直接保留强边缘结构和点目标.接着,联合降斑算法对均匀区域和弱边缘结构区域进行滑动窗的自适应增长,从而获得合适的滤波窗口.最后,联合降斑算法对新的滤波窗口使用区域分类.如果滤波窗口属于均匀区域,则直接使用均值滤波;如果滤波窗口属于边缘结构区域,则进一步使用结构检测,并且选择窗口内的均匀子区域作为最终的滤波区域.降斑实验表明,联合降斑算 关键词： 区域分类 自适应滑动窗 结构检测 联合降斑算法     

基于斑点噪声的拖尾Rayleigh分布的合成孔径雷达图像最大后验概率降噪

为了反映合成孔径雷达图像中斑点噪声尖峰厚尾的统计特征，使用拖尾Rayleigh分布来描述斑点噪声.基于Gamma先验分布和斑点噪声的拖尾Rayleigh分布，推导出了合成孔径雷达图像的最大后验概率滤波方程，并给出了它在特定特征参数时的解析形式.使用Mellin变换从观察图像估计拖尾Rayleigh分布的未知参数.给出了在斑点噪声的拖尾Rayleigh分布下的最大后验概率降噪试验和量化指标.为了消除滑动窗大小和噪声强度对降噪结果的影响，给出了降噪能力随滑动窗大小和噪声方差的动态变化关系.结果表明，拖尾Ray 关键词： 斑点噪声 拖尾Rayleigh分布 最大后验概率降噪 Mellin变换