窗口大小对SAR图像滤波效果的影响分析

滤波窗口大小的选择直接影响SAR图像滤波的效果。选择Kuan、Frost与增强Frost以及Lee与增强Lee等滤波算法,分别采用3×3、5×5、7×7、9×9及11×11(像元×像元)等大小的滤波窗口进行处理,以常规图像统计参数、平滑指数和边缘保持指数等为评价指标,对滤波效果进行定量比较。试验表明,5像元×5像元滤波窗口能够取得较好的效果。     

高分辨率COSMO雷达遥感影像的滤波方法研究

针对高分辨率COSMO雷达卫星,在分析COSMO影像斑点噪声特性和主要滤波算法的基础上,将雷达主流滤波算法应用于COSMO影像,以统计特征指数和边缘保持指数等作为评价指标,对各种方法进行比较。结果表明,Kuan滤波方法能够较好的平滑影像的斑点噪声,增强Frost滤波方法能够较好的还原影像的纹理特征。通过应用不同滤波方法分析对比,发现改进增强Frost去噪效果更为有效。     

一种基于梯度信息的小波SAR图像滤波方法

提出一种基于梯度的自适应小波滤波方法.这种算法利用梯度和纹理信息控制阈值的选取,使滤波器在平坦区域能够有效去除噪声、在边缘区域有效保持边缘.应用于SAR图像斑点噪声滤波,并与增强Lee,Frost滤波,Gamma MAP滤波和Kuan滤波几种算法的结果进行比较分析,表明这种算法不仅能有效去除斑点噪声还能很好地保持图像的边缘等细节信息.     

一种改进的SAR影像斑点噪声抑制方法

合成孔径雷达（SAR）影像的应用越来越广泛,但斑点噪声很大程度上影响了SAR的应用。本文首先研究了常用斑点噪声滤波方法,在此基础上,将中值滤波与常用的Lee,Frost,Kuan滤波结合。实验结果表明,该方法在斑点噪声抑制及边缘保持上明显优于传统的滤波方法。     

PALSAR数据在植被覆盖区构造信息提取中的应用

为解决光学遥感在植被覆盖区地质构造信息难以识别提取的问题,利用具有一定穿透能力的L波段PALSAR双极化雷达数据对福建寿宁地区开展了研究。对双极化雷达图像进行了假彩色合成、滤波增强,针对HH极化通道将灰度图像变换成HSV彩色图像,突显了地质信息,并与该区ASTER多光谱影像进行了对比,分析了雷达影像优劣。结果表明PALSAR雷达构造解译结果与研究区的区域主要断裂方向基本一致,PALSAR雷达数据可以作为高效、准确的方法 ,在植被覆盖区开展遥感地质工作。     

基于方向增强平滑算法SAR影像去相干斑效果分析

为了解决方向平滑算法在去噪与边缘保留的效果与传统空域滤波相比并没有明显提升和规避纯乘性噪声影像中变异系数(标准偏差与信号值的比值)在每个点处并非都是恒定的问题,本文提出基于方向平滑算法改进的方向增强平滑算法,在该算法的基础上引入了同态滤波器,有效解决了方向平滑算法在相干斑滤波时造成的边缘细节缺失问题。该算法与中值、Kuan、Gamma、增强Lee、增强Frost、db15小波基1层分解和方向平滑算法SAR影像相干斑噪声去除方法进行比较表明:方向增强平滑算法在相干斑抑制性能和边缘保留效果方面有了较大提升。实验得出:与方向平滑相比,方向增强平滑在去噪效果方面提高了44%,在边缘保留效果方面提高了25%。     

SAR影像匹配算法的研究

提出了一种高效稳定的SAR影像匹配算法,该算法首先采用Frost滤波对SAR影像的斑点噪声进行预处理,再结合SIFT和SURF算法对滤波后的SAR影像进行特征点提取,使用Matlab程序实现立体影像无痕拼接,实现了SAR影像的高精度匹配,该方法提高了SAR影像的匹配成功率,减少了匹配时间。     

基于相位导数的GBSAR影像自适应滤波算法研究

GBSAR影像由于受到自身和周围环境的影响,在影像中易产生噪声,如不及时滤除噪声,将对后续的处理造成很大的影响,以往的滤波算法大部分是基于影像的幅度信息,没有将相位信息考虑在内,没达到真正滤波的效果。本文提出一种基于相位导数的算法对GBSAR影像进行滤波处理,并将结果与Lee函数滤波结果进行对比,结果表明基于相位导数的算法在GBSAR影像中具有良好的去噪效果,对GBSAR影像的后续处理提供了一种新的方法。     

星载PALSAR影像几何精度定量评价与误差分析

选择有代表性的星载PALSAR影像,利用Doppler、距离、椭球方程建立其成像模型,对其几何定位精度进行了试验,获得了它的几何系统误差和儿何纠正误差的定量值.根据地面高程误差是影响SAR影像几何纠正精度丰要因素的原理,利用计算机仿真技术定量系统地分析了地面高程误差对其几何纠正精度的影响,获得了地面高程误差对视角的影响、视角误差对影像几何精度的影响以及单位高程误差对影像几何精度的影响等定量结论及影响变化规律,为PALSAR影像的处理与应用提供了科学的依据,更重要的是为SAR影像几何精度分析和误差分析提供了一种新的定量方法.     

一种利用卷积神经网络的干涉图去噪方法

干涉图滤波是合成孔径雷达数据处理的关键,引入卷积神经网络（convolutional neural networks,CNN）进行干涉图去噪。首先,采用自编码器结构进行非监督学习,将干涉图去除局部地形坡度相位,所得残余噪声作为模型输入;然后将模型输出结果与去除的局部地形坡度相位相加,生成滤波结果。利用航天飞机成像雷达数据和哨兵一号A(Sentinel-1A)卫星数据,通过与Goldstein滤波器、均值滤波器、Lee滤波、Frost滤波、改进的去噪卷积神经网络（denoising convolutional neural network,DnCNN）进行对比实验,结果表明,该方法对干涉图相位质量有很大的改善,不仅能够较大程度地抑制噪声,而且能够更多地恢复出图像细节,保持干涉条纹边缘连续性。