利用计算机图像处理技术消除SAR图像噪声的研究

本文介绍当前计算机数字图像处理技术消除图像噪声的基本情况,并总结分析了三类滤波方法：传统滤波算法、基于局域统计的自适应滤波算法、小波域斑点噪声滤波算法。随后应用增强Lee滤波方法对SAR（合成孔径雷达）图像进行实际处理,并对处理结果进行总结。     

基于局部统计的自适应SAR图像去噪算法研究

合成孔径雷达(SAR)图像固有的相干斑噪声对图像质量有严重影响,使检测、识别等进一步应用受到很大限制.相干斑噪声是一种乘性噪声,传统的空域去噪算法(均值滤波、中值滤波)难以将其消除.针对SAR图像的去噪问题,本文研究了Lee滤波和Kuan滤波两种基于局部统计的自适应去噪算法,给出了MATLAB实现并在MSTAR的SAR图像上进行实验.结果表明,Lee滤波和Kuan滤波都能够有效抑制SAR图像的相干斑噪声,去噪图像更平滑,目标更清晰.与传统的均值滤波和中值滤波相比,这两种基于局部统计的自适应去噪算法在视觉效果、方差和等效视数等评价指标上取得更好效果.     

基于算术-几何均值比的改进型各向异性扩散斑点噪声抑制

在传统的基于各向异性扩散斑点噪声滤波算法DPAD的基础上,利用A/G代替CV在DPAD中的作用,提出了一种新的基于A/G的改进型各向异型扩散的斑点噪声抑制算法.仿真实验表明了该算法具有效性;在对纹理信息丰富的SAR图像处理中,基于CV的传统斑点噪声滤波器比基于A/G的斑点噪声滤波器表现要好;而在对具有大范围边缘、亮线和全向纹理等特性的SAR图像的处理中,改进的算法更具优势;两类算法互为补充.     

合成孔径雷达图像的最小均方误差线性最优滤波

针对常用于合成孔径雷达(SAR)图像降噪的Lee滤波和Kuan滤波误差较大的问题,提出了基于最小均方误差(MMSE)准则的线性最优滤波.线性最优滤波通过把斑点噪声的乘性模型同时展开为一阶和二阶泰勒级数,然后使用MMSE准则获得线性滤波的统一模型,最后再对该统一模型使用MMSE准则而获得.线性最优滤波在所有的线性滤波中具有最低的滤波误差,因而具有最高的滤波精度.对某乡村和城区SAR图像的降噪实验表明:线性最优滤波对边缘细节的保留能力强于Kuan滤波,它对斑点噪声的滤除能力强于Lee滤波;与最大后验概率(MAP)滤波相比,线性最优滤波虽然具有较弱的边缘细节保留能力,但它对斑点噪声的滤除能力却强于MAP滤波.     

改进的基于小波变换SAR图像去噪方法的性能评价

文章从两个方面研究了改进的基于小波变换的SAR图像去噪方法的性能,与常用的几种滤波方法进行对比;并考察该算法在抑制相干斑点噪声的同时保持图像的边缘等细节信息的性能;结果表明,该算法在有效滤除SAR图像斑点噪声的同时,有更强的图像细节信息保持能力。     

基于Contourlet域隐马尔可夫树模型的SAR图像滤波方法

为了获得更好的合成孔径雷达(SAR)图像滤波效果,提出一种基于Contourlet域隐马尔可夫树(CHMT)模型的SAR图像滤波算法.提出基于粗分类的系数绑定方法,提高了CHMT模型参数的解算速度;综合应用对数变换、循环平移和均值校正等方法,建立了针对SAR图像乘性斑点噪声模型的统一滤波处理框架,并将基于CHMT模型的滤波算法融入该框架之中;通过对SAR影像进行滤波实验,并将该滤波算法与Lee滤波、小波软阈值滤波等方法进行了比较.可视效果和统计指标显示:基于粗分类的系数绑定方法在改善滤波效果的同时,对CHMT模型解算的速度有很大的提高;在统一滤波框架下,基于CHMT方法的滤波效果优于其他的几种滤波方法.     

基于区域型MRF的SAR图像分割算法

针对迭代区域生长算法(IRGS)在处理含相干斑噪声严重的合成孔径雷达(SAR)图像时具有的边缘定位不准确和初始过度分割的两大不足,文章提出了一种新型的改进分割算法.通过各向异性扩散滤波(SRAD)抑制SAR图像的斑点噪声并增强图像的边缘信息,采用分水岭分割与区域邻接图(RAG)构建SAR图像的区域化表达.在此基础上,与...     

基于小波包分解的SAR图像斑点噪声抑制

论述利用小波包分解技术和软门限理论对合成孔径雷达(SAR)图像斑点噪声(speckle)进行抑制与滤除，首先对SAR图像进行小波包分解，选取最优基，加大小波系数之间的差距；然后应用Donoho的软门限(soft threshold)理论，针对SAR图像斑点噪声的特点，在小波包变换域内选取合适的门限进行滤波；最后，通过小波包重构技术获得去除斑点噪声的SAR图像，实验证明，该方法能有效抑制SAR图像中的斑点噪声。     

嵌入特征预提取和注意力机制的SAR图像目标检测

合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别技术广泛应用于道路、船舶等检测任务中,但合成孔径雷达图像易受散斑噪声干扰,直接将卷积神经网络(Convolutional Neural Network,CNN)应用在SAR数据集上难以高效准确地提取有效特征.针对以上问题,提出了一种嵌入特征预提取和注意力机制的SAR图像目标识别算法(Convolutional Automatic Encoder-Convolutional Neural Network-Channel and Spatial Atten-tion Mechanism,CAE-CNN-CSAM),即利用优化的Lee滤波算法降低SAR图像斑点噪声,通过编解码技术对SAR图像进行特征预提取,而后在卷积神经网络中引入注意力机制,提高算法对通道和空间特征的表达能力.在公开的Statoil/C-CORE数据集上,该算法对目标的识别准确率达到了94％,相比于目标识别准确率约为88％的CNN等基准模型具有更高的目标识别性能.     

基于极化合成孔径雷达图像的斑点滤波方法

斑点噪声是由合成孔径雷达(SAR)的相干成像原理造成的固有缺陷,为了更好地进行SAR图像地形分类、目标检测等后续处理,提出一种用于极化SAR图像的滤波方法.该方法利用新的优化函数和约束条件,在保持图像功率等于Lee滤波功率的前提下,通过最小化信号子空间向量与原始向量的欧式距离,达到降斑的目的.实验结果表明: 利用旧金山地区的真实极化SAR数据,使用该方法滤波的图像结果与原有的子空间滤波器相比,更接近原始图像的均值,并且通过滤波提高了不同类别的目标在特征空间的区分度,从而有利于不同类型地物的分类.     

基于同态滤波与Lee滤波器级联算法的散斑噪声压缩

提出一种用于压缩散斑噪声的同态滤波Lee滤波器级联算法,它首先对信号进行同态变换,然后用Lee滤波器作去噪声处理,最后再作同志逆变换,仿真结果表明它即保持了图像的边缘又有效地抑制了散斑噪声。     

基于边缘特性的极化Lee滤波改进算法

针对极化Lee滤波因受到滤波窗尺寸影响,存在抑制相干斑与保留细节信息这一矛盾,提出了一种基于边缘特性的自适应窗改进滤波方法。通过比较不同尺寸邻域窗内边缘方向的变化情况,自适应地选择滤波窗尺寸。实验结果表明,该方法在有效抑制相干斑的同时,也能较好地保留图像细节信息,能有效克服Lee滤波的固定尺寸滤波窗这一限制。     

基于NSCT变换与自蛇扩散的SAR图像相干斑抑制算法

针对SAR图像中乘性相干斑噪声的抑制与边缘保护问题,提出了一种基于非下采样轮廓波变换(NSCT)与自蛇扩散的抑斑新算法。该算法先利用NSCT变换对SAR图像进行多层子带分解,然后借助自蛇扩散对SAR图像不同子带分别实施参数不同的扩散滤波,最后对各去噪子带进行NSCT重构获得的SAR图像再次进行自蛇扩散滤波处理,从而实现带有边缘保护与增强的SAR图像相干斑抑制。实验表明,与多种传统抑斑算法相比,本文算法在相干斑抑制与边缘保护性能上均有明显提升。     

利用区域划分的合成孔径雷达图像相干斑抑制算法

为在有效保护合成孔径雷达(SAR)图像边缘特征的同时进一步提高乘性相干斑噪声的抑制性能,提出了一种基于区域划分的SAR图像相干斑抑制(DABRS)算法.首先利用带方向的高斯-伽马平行窗通过比率运算生成边缘强度映射(ESM),并利用阈值化ESM对SAR图像进行区域划分,然后利用改进的变窗Kuan滤波与改进的Sigma滤波分别对SAR图像的均匀区域与边缘区域进行相干斑抑制.为进一步提高抑斑效果,两种改进抑斑算法均采用迭代滤波方式,且改进Kuan滤波的窗尺度随迭代次数的增加而增大.实验结果表明:与多种抑斑算法相比,DABRS算法在抑斑与边缘保护方面具有优势,等效视数提高超过30％,边缘保持指数提高8％以上,而且抑斑图像同质区还具有更平滑的视觉效果.     

基于平稳小波域GSM模型的SAR图像去噪

为解决SAR图像处理中传统方法存在的图像边缘模糊、失真等问题,将平稳小波变换和高斯混合尺度模型（GSM）相结合,建立了基于平稳小波分解系数的邻域模型,并利用Bayes最小均方估计进行局部去噪,最后对各个方法的滤波结果用评估参数进行客观评价。实验结果表明,该方法具有比空域滤波及标准小波方法更优的去噪性能。     

基于主动轮廓模型的合成孔径雷达图像分割方法

针对合成孔径雷达(synthetic aperture radar,SAR)图像中的乘性相干斑噪声影响分割效果的问题,提出了一种基于主动轮廓模型的分割方法。该方法将改进的细节保持各向异性扩散(IDPAD)滤波和SBGFRLS模型相融合,构造了一个边迭代演化边抑噪的改进的演化微分方程。在每一次迭代演化中,先借助改进的演化微分方程演化水平集函数,然后利用高斯滤波器正则化水平集函数,最后通过检查水平集函数的收敛性判定分割是否完成。实验结果表明,与经典的分割方法相比,本文方法在保护边缘的同时减少了乘性相干斑噪声对SAR图像分割的影响,减少了误检轮廓,且对初始轮廓不敏感。     

Matlab在激光水下图像处理中的应用

 水下激光成像技术在水下探测等海洋开发中具有重要的实用价值,但水介质的特殊性,使其所成图像易受噪声污染而造成分辨率下降。即使采用同步扫描和距离选通等技术,获得的成像质量仍然不好,图像存在由后向散射形成的散斑噪声和其他一些高斯噪声。为了进一步改善成像效果,需要利用数字图像处理技术对水下成像进行后续加工,水下图像处理结果的好坏直接影响到后面的特征提取和目标识别等的成败。本文分析了Matlab在数字图像处理中的应用, 并结合对激光水下图像的处理,说明了Matlab在图像处理中的强大功能,对常用的噪声抑制算法：维纳滤波、中值滤波、均值滤波进行了介绍,并且通过对实际的激光水下图像处理,利用以上各算法计算了处理图像的散斑指数、峰值信噪比和归一化均方误差,比较了其散斑抑制能力。