基于自适应窗和形状自适应小波变换的SAR图像相干斑抑制

结合SAR图像空域的先验知识和小波域系数的特性,提出了一种新的SAR图像相干斑抑制算法.使用最近提出的局部多项式近似-置信区间交叉(local polynomial approximation-intersection of confidence intervals(LPA-ICI))构造自适应窗,寻找到与SAR图像中每个像素点相对应的同质区域,在每个同质区域内利用本文给出的快速形状自适应小波变换进行硬阈值收缩抑斑,最后根据本文提出的稀疏加权方法融合多个估计样本获得最终抑斑图像.实验结果表明本文提出的算法有着很好的抑斑性能,尤其是在去除重构图像中的"振铃"效应以及有效保留原始SAR图像中的点目标方面性能更突出.     

基于场景相似性度量的SAR图像抑斑

通过研究SAR图像的信号相关加性噪声模型,结合提出的加性残留噪声模型得到一种图像域的期望加权滤波器,并引入像素间的相似性作为加权时的权值。接着,指出传统像素间相似性的度量方法不能鲁棒地用于噪声图像,提出从图像的灰度特性和空间结构两个方面考虑,利用灰度和梯度距离度量像素间的相似性,并应用局部场景之间的相似性估计像素间的相似性使之可靠地应用于SAR图像。实验表明,所提出的算法具有相当出色的抑斑性能,在有效的抑制斑点噪声的同时,均匀区域几乎没有出现“振铃”效应,并且非常好地保持了原始图像的边缘、纹理和点状目标。     

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。      

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.     

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     

Synthetic Aperture Radar Image Despeckling Based on Multi-Weighted Sparse Coding

Synthetic aperture radar (SAR) images are inherently degraded by speckle noise caused by coherent imaging, which may affect the performance of the subsequent image analysis task. To resolve this problem, this article proposes an integrated SAR image despeckling model based on dictionary learning and multi-weighted sparse coding. First, the dictionary is trained by groups composed of similar image patches, which have the same structural features. An effective orthogonal dictionary with high sparse representation ability is realized by introducing a properly tight frame. Furthermore, the data-fidelity term and regularization terms are constrained by weighting factors. The weighted sparse representation model not only fully utilizes the interblock relevance but also reflects the importance of various structural groups in despeckling processing. The proposed model is implemented with fast and effective solving steps that simultaneously perform orthogonal dictionary learning, weight parameter updating, sparse coding, and image reconstruction. The solving steps are designed using the alternative minimization method. Finally, the speckles are further suppressed by iterative regularization methods. In a comparison study with existing methods, our method demonstrated state-of-the-art performance in suppressing speckle noise and protecting the image texture details.     

基于广义高斯最大似然估计的小波域类LMMSE滤波算法

基于小波系数服从广义高斯分布,该文采用最大似然(ML)准则估计普通图像在子带上的系数方差。该文提出的估计子是一个子带自适应因子和一个次幂均值的乘积。与最近提出的SI-AdaptShr,LAWMAP和其它一些算法相比,所提出的算法取得了更好的去噪效果。进一步,一种简化的算法产生用于去除SAR图像的斑点噪声。这种新算法可以大大减少运算量,对大尺度的SAR图像后处理有帮助。     

基于非下采样Shearlet和方向权值邻域窗的非局部均值SAR图像相干斑抑制

非局部均值算法将传统的图像去噪算法由局部计算模型推广到非局部计算模型,取得了良好的效果.但对于合成孔径雷达图像,使用观测值和各向同性邻域窗来度量相似性,缺乏鲁棒性和方向性,不利于捕获图像边缘结构信息.提出了基于非下采样Shearlet特征描述子和方向权值邻域窗的非局部均值算法.实验表明,该算法不但有效地去除了相干斑,而且很好地保持了图像的几何结构信息,为后期SAR图像的理解与解译奠定了良好的基础.     

基于SWT域改进粒子滤波的SAR图像降斑算法

 粒子滤波(PF)非常适合处理非高斯状态空间模型的滤波问题,而SAR图像的非高斯降斑算法正是粒子滤波的一个有效应用,本文在平稳小波变换(SWT)域上提出了一种基于马尔可夫随机场(MRF)的改进PF的SAR图像降斑算法.新算法首先分析验证了SAR图像在SWT域比在DWT域中利用广义高斯分布(GGD)建模更为精确;然后针对基本PF降斑算法中的粒子整体权重偏差问题,引入MRF重新定义粒子权重,并通过权重更新粒子的采样区间以优化粒子分布;最后为了提高本文降斑算法的实时性,依据小波系数的局部统计特性把图像分为平滑和边缘进行分区域处理.本文针对模拟SAR图像和实测SAR图像进行了仿真,仿真结果和分析表明降斑后的图像能够在去除噪声的同时较好的保持图像的边缘和纹理结构特征,而且分区域处理有效地提高了算法的效率.     

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