二进小波增强与边缘局部信息FCM的SAR图像变化检测

合成孔径雷达图像中固有的相干斑噪声往往导致变化检测结果中存在大量虚警与漏警。针对这一问题,本文提出一种利用二进小波增强与边缘局部信息模糊C均值的变化检测方法。首先利用二进小波对对数比差异图进行自适应增强,平抑噪声的同时均衡灰度分布;然后,利用指数加权均值比算子对差异图进行边缘信息提取,修正局部信息模糊C均值算法中邻域窗内像素点权值,使邻域窗滑动至变化区域的边缘部分时能够对噪声切向平抑,保留细节信息。最后对差异图进行分割,得到变化检测结果二值图。仿真与实测数据实验结果表明,本文方法能够有效抑制相干斑噪声,同时对变化区域的细节保持效果较好。      

抑制式非局部空间直觉模糊C-均值图像分割算法

针对传统的模糊C-均值(FCM)算法没有考虑图像像素的空间邻域信息,对噪声敏感,算法收敛较慢等问题,该文提出一种抑制式非局部空间直觉模糊C-均值图像分割算法。首先,通过计算像素的非局部空间信息提高抗噪能力,克服传统的FCM算法只考虑图像单个像素的灰度特征信息的缺陷,提高分割精度。其次,根据直觉模糊集理论,通过“投票模型”自适应生成犹豫度作为抑制因子修正隶属度,提高算法的运行效率。实验结果表明,该算法对噪声鲁棒性较强并且有较好的分割性能。     

一种融合局部像素信息和改进NLFCM的SAR图像分割方法

针对传统局部信息模糊C均值聚类算法权重系数仅由像素间欧式距离决定，无法准确衡量和充分利用像素间的相似性，对SAR图像分割不准确的问题，提出了一种全新的局部信息相似性描述方法，并结合图像的非局部信息，对像素到聚类中心的距离和像素隶属度计算方法进行改进，并提出了一种同时包含图像局部和非局部信息的改进SAR图像分割方法。实验表明，与其他模糊聚类方法相比，该方法在抑制SAR图像相干斑噪声的同时，能较好地保护SAR图像目标的边缘和细节，具有很好的SAR图像分割效果。     

一种基于复小波域的SAR图像相干斑抑制算法

相干斑噪声是SAR图像的固有特性.对相干斑噪声的抑制应在滤除噪声的同时尽量保留原图像的细节信息.本文针对SAR图像相干斑噪声的统计特性,将高斯混合尺度模型(GSM)引入二元树复小波(DTCWT)变换域,构造基于复小波域分解系数的邻域模型,将其相邻尺度邻域视为高斯变量和一个尺度因子的乘积,并利用Bayes最小均方估计进行局部去噪.对仿真图像和真实SAR图像的实验表明,本文方法有效去除斑点噪声,且较好的保持了图像边缘等细节信息.与传统的空域滤波和小波等方法相比,该方法改善了噪声平滑和边缘保持等性能,并取得了满意的视觉效果.     

双层约束下基于局部和全局信息的图像插值新模型

该文提出一种双层约束的图像插值模型,模型在原始未插值图像梯度模约束下同时基于局部和全局信息处理。使用偏微分方程处理边缘像素,锐化边缘同时平滑边缘块状效应;平滑区域像素点的插值操作使用非局部均值模型,非局部均值模型通过对原始图像全局信息加权平均得到待处理图像像素值,图像平滑。使用双层约束模型处理纹理图像可以保持纹理特征,平滑纹理部分线形特征位置的块状效应。最后理论和实验结果证明使用双层控制模型可以直接将噪声图像插值放大。     

基于非局部均值滤波的SAR图像去噪

该文提出一种基于结构相似性指数(SSIM)的非局部均值(Non Local means,NL-means)滤波的合成孔径雷达(SAR)图像相干斑噪声抑制新方法。该方法用SSIM改进NL-means算法中小块相似性的度量,能利用结构信息来进行相干斑抑制。通过在真实SAR图像上的实验表明,与GammaMAP滤波、CHMT算法、BLS-GSM算法、NL-means滤波相比,此方法在有效去除相干斑噪声的同时能更好地保持边缘结构信息。     

核空间自适应非局部均值鲁棒分割算法

为改善传统模糊C均值(FCM)算 法对噪声干扰下图像的分割效果,提出了一种基于核空间邻域信息和自适应非局部均值相结 合的图像鲁棒分割算法。首先,利用传统FCM聚类算法进行初始聚类分割,将 所得聚类中心作为改进算法的初始聚类中心; 其次通过自适应非局部均值算法对图像进行平滑处理,避免图像过度分割;然后对引入核空 间邻域信息的目标函数进行最优化求解, 获取聚类中心和隶属度的迭代表达式;最后对像素进行分类时,利用邻域像素隶属度对像素 进行进一步滤波处理。实验结果表明:本文的 改进算法与传统FCM聚类算法、核空间FCM(KFCM)算法、基于邻域信息的FCM(FCM S)算法和基 于邻域信息KFCM(KFCM-S)算法相比,改进算法对强噪声干扰下的图像具有较好 的鲁棒性,并且能够有效分割图像的目标信 息和背景信息。从几种算法进行聚类分割结果所对应的峰值信噪比(PSNR)也可以看出,本文 改进算法的PSNR更高。     

基于双变量模型和非下采样Contourlet变换的SAR图像相干斑抑制

该文根据非下采样Contourlet分解系数与其父系数之间的相关性,给出非高斯双变量分布模型,应用贝叶斯估值理论推导得到该模型相应的非线性双变量阈值函数。综合SAR图像非对数加性模型和双变量阈值函数,提出基于双变量模型的非下采样Contourlet变换域SAR图像相干斑抑制方法(SNSCTBI)。实验通过对幅度格式和强度格式的SAR图像做相干斑抑制,结果表明该文算法很好地保持了原始图像的辐射特性,有效抑制了同质区域的相干斑,同时边缘等纹理信息保持清晰。     

基于同质像素预选择的极化SAR图像非局部均值滤波

该文针对在极化合成孔径雷达(PolSAR)图像相干斑抑制过程中结构特征和极化散射特性保持的难题,提出一种基于同质像素预选择的非局部均值滤波算法(NLM-HPP)。该算法结合像素统计特性和极化散射机制选择滤波同质像素,并引入结构损失函数提高非局部均值(NLM)算法中像素间相似性度量的准确性,最后用改进的相似性度量对同质像素的协方差矩阵进行加权平均,实现对PolSAR图像的相干斑抑制。对真实PolSAR数据进行的实验结果表明,与现有的Refined Lee滤波、基于散射模型的滤波方法和两种非局部均值滤波相比,此方法在有效滤除相干斑点的同时能更好地保持PolSAR图像的结构信息和极化信息。     

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。      

Bayesian Shearlet shrinkage for SAR image de-noising via sparse representation

As SAR has been widely used nearly in every field, how to improve SAR’s image in both quality and visual effect has become necessary. Before what we really process the SAR image like image segmentation, edge detection, target detection or other processing, we must suppress the speckle noise in the image firstly. By analyzing the sorts and origins of noises, we present a new de-noising method of SAR image in the Shearlet domain based on sparse representation and Bayesian theory. Firstly, we apply the Shearlet transform to the noised SAR image. Secondly, we construct a new de-noising model via sparse representation and then use iterative algorithm based on Bayesian theory to solve it. Lastly, we can obtain the clean SAR image from the de-nosing Shearlet coefficients. The experimental results show that the proposed algorithm can not only effectively suppress speckle noise to improve the PSNR of SAR image, but also significantly improves the visual effect of SAR image, especially in enhancing the image’s texture.     

基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。     

基于邻域信息的SAR图像变化检测

为了减少合成孔径雷达(SAR)图像中乘性斑点噪声对变化检测结果的影响,充分地利用了像素的邻域信息。首先使用邻域比值(NR)方法构造差异图像,然后提出基于邻域信息的模糊C均值聚类(FCM)算法。NR算子在构造差异图像时能够较好地保留图像信息并抑制噪声的干扰。同时将邻域信息引入到FCM算法的目标函数,以邻域加权距离改进了FCM算法在欧式距离计算中的不足,并约束了隶属度函数,减少了噪声对邻域中心像素的干扰。通过以上考虑像素邻域信息的算法,得到了差异图像的聚类结果,从而实现了SAR图像的变化检测。实验结果表明,所提算法较传统的FCM和K-means聚类算法,可以较好地保留图像变化区域的信息,同时提高了SAR图像变化检测的准确度。     

SAR图像的自动分割方法研究

由于存在相干斑噪声的影响,给SAR图像分割造成很大的困难,该文提出了一种SAR图像的自动分割方法。首先在特征提取阶段,通过计算小波能量提取纹理信息,用邻域统计量提取灰度信息,用保边缘平均灰度提取边缘信息,以确保边缘准确。然后提出一种改进的完全无监督的聚类算法进行图像分割,该算法可以自动确定分割的类型数目。由于该方法充分考虑了SAR图像的纹理、灰度和边缘信息,因而极大地提高了其最终分割性能。实验结果证明了该方法的有效性。     

基于复小波方向信息的SAR图像斑点噪声抑制

针对一般小波去噪方法在去除合成孔径雷达(Synthetic Aperture Radar-SAR)图像斑点噪声时不能有效保持图像边缘信息的问题,提出结合双密度双树复小波变换（Double-Density Dual Tree Complex Wavelet Transform –DD_DTCWT）方向信息进行边缘检测的SAR图像噪声抑制算法。本文对边缘检测指标进行改进,利用DD_DTCWT方向复小波系数的相对方差作为边缘检测指标,通过相对方差分布密度函数获取阈值处理的自适应门限,由此实现SAR图像的自适应滤波。实验结果表明,本文提出的边缘检测和主方向高频复系数提升方法可以有效保持并增强图像的边缘信息。与SRAD算法和基于DD_DTCWT的双变量收缩函数（Bivariate Shrinkage Function--BSF）算法相比较,本文算法具有更好的边缘保持能力。      

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。     

SAR image despeckling using heavy-tailed Burr distribution

Multiplicative speckle noise diminishes the radiometric resolution of the synthetic aperture radar (SAR) images and all the coherent images. Speckle removal adds an extra value to an automated SAR image interpretation and analysis. In this paper, dual-tree complex wavelet-transform-based Bayesian method is proposed for despeckling the SAR images. In each subband, the reflectance and noise of the logarithmically transformed wavelet coefficients are modeled using heavy-tailed Burr and zero-mean Gaussian distributions. The closed-form expression for the shape parameter of Burr distribution is derived by employing the Mellin transform. The resultant complex-free quadratic maximum a posteriori solution with suitable shrinkage function yields despeckled SAR images. Extensive experiments are carried out using real SAR images as well as simulated images. The proposed method performs well in terms of equivalent number of looks with 3.5751 dB improvement in homogeneous region1 of Pipe river SAR image, edge preservation with 0.6158 improvement, peak signal to noise ratio of 51.3305 dB, and mean structural similarity index measure of 0.9397 at 0.05 noise variance for synthetically speckled image in comparison to the existing methods and takes averagely 2.3461 times less computing time. The proposed method provides a computationally efficient better speckle reduction in homogeneous regions while still preserving the edge.     

结合多尺度边缘检测的SAR结构邻域滤波方法

噪声抑制是合成孔径雷达(SAR)图像处理的一个重要环节,通常的方法在抑制噪声的同时也使得图像的边缘模糊。该文提出一种结合宏观边缘信息的SAR图像结构邻域滤波方法。首先利用多尺度边缘检测算法获得SAR图像主要的边缘信息,在此基础上对结构邻域滤波法进行改进。结构邻域滤波法用一系列反映图像局部方向信息的邻域模板描述图像的细节特性,滤波过程中引入图像的宏观边缘信息,对邻域模板的选择范围进行约束。最后运用模拟退火算法选取合适邻域模板对目标点的强度进行MAP估计。实验表明该方法能够较好地保持图像的边缘特征,同时有效抑制了斑点噪声。     

基于各向异性扩散的SAR图像斑点噪声滤波算法

在SAR(Synthetic Aperture Radar)图像噪声抑制处理中,为了有效地保持图像边缘,作者在斑点噪声去除的各向异性扩散模型(SRAD模型)的基础上,提出了一个基于各向异性扩散的SAR图像斑点噪声滤波算法.该算法对应的扩散系数从理论上满足Charbonnier 等人提出的构造扩散系数准则,同时该算法能够通过对边缘直方图上累计百分比和相对信噪比阈值进行调节来得到一系列不同的滤波效果,从而满足不同的应用需求,如绘图、高分辨率或细节丰富的处理结果.实验结果表明,与传统的方法相比,该算法不论从噪声去除能力、边缘和纹理保持能力上,还是从视觉评价效果来看,都具有一定的优越性.     

基于改进Wedgelet变换的SAR图像边缘检测

针对SAR图像边缘检测中,传统算法很难同时兼顾噪声抑制和对边缘完整准确定位的缺点,利用多尺度Wedgelet变换能够有效检测线目标的特点,提出了一种新的Wedgelet变换的代价函数,增强了其抑噪能力,同时选择了适当的分解尺度,在没有降低逼近图像质量的情况下提高了变换速度.基于此变换,对SAR图像进行自适应的边缘检测.实验结果表明该方法有效克服了斑点噪声的影响,对SAR图像的边缘检测是可行、有效的.