SAR图像去噪方法研究论文

合集下载

基于机器学习SAR图像噪声抑制技术研究

基于机器学习SAR图像噪声抑制技术研究
类 问题 , 必须研究 专 门针对 S AR 图 像 的 噪 声 抑 制 技 术 算 法 。本 文 应 用 机 器 学 习 理 论 , 构建 色块 网络 , 把 景 物 估 计 和概率统计 学 习结 合 起来 , 研 究 一 个 人 工 合 成 的 统 计 特 性 ] , 提高 S AR 噪声 图 像 的 目标 识 别 能 力 。
物 世 界 。该 技 术 以 马 尔可 夫 网络 为 体 系 , 根 据 图像 与 景 物 、 景 物 与 景 物 之 间 的 联 系 来 确 定 网络 上 的 信 息传 递 规 则 , 从
大量 的训 练 事 例 中 学 习并 获 得 网 络 参 数 , 利 用 贝 叶 斯 方 法 为 原 图像 找 到 理 想 的后 验 概 率 , 生 成 一 个 清 晰 的 超 分 辨 率
在 马 尔 可 夫 网络 上 , 存在着从 - y , 到 , 以及 , 到z 这 两种联接 , 如 图 1所 示 , 在这两种联接基础上 , 进 行 问题 求
解, 两个求解短语分别为 : ( 1 ) 学习短语 , 从景物节点与 S AR 图 像 节 点 的 联 系 中
1 基 于机 器 学 习 的噪 声 抑 制 技 术 原 理
0 引言
合成孔径雷达 S AR( S y n t h e t i c Ap e r t u r e Ra d a r )是 2 0
像基础上生成 一 个合 成 景物 , 该 景 物 有 效 抑 制 了 图 像 噪 声, 提 高 了 图像 质量 。
1 . 1 马 尔 可 夫 网 络
结果 图。
关键词 : S AR 图像 ; 马 尔 可 夫 网络 ; 贝叶斯 ; 噪 声抑 制
中图 分 类 号 : TP3 1 7 . 4

基于NSCT域邻域收缩的SAR图像去噪

基于NSCT域邻域收缩的SAR图像去噪
188
2014, 50 (12)
Computer Engineering and AΒιβλιοθήκη plications 计算机工程与应用
基于 NSCT 域邻域收缩的 SAR 图像去噪
2 钟微宇 1, , 沈
汀2
2 ZHONG Weiyu1, , SHEN Ting2
1.中国科学院 研究生院, 北京 100049 2.中国科学院 对地观测与数字地球科学中心, 北京 100094 1.Graduate University of Chinese Academy of Sciences, Beijing 100049, China 2.Center for Earth Observation and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China ZHONG Weiyu, SHEN Ting. SAR image denoising using NeighShrink based on NSCT. Computer Engineering and Applications, 2014, 50 (12) : 188-193. Abstract:Speckle noise in Synthetic Aperture Radar (SAR) images seriously affects the subsequent processing of the SAR image. In order to solve this problem, a denoising method is presented for SAR image which combines median filtering and NeighShrink based on nonsubsampled contourlet transform. The original SAR image is decomposed by NSCT to get the low-frequency subband and high-frequency subband image, and then low-frequency noise in the low-frequency subband is removed by using the median filter. According to the correlation neighbouring coefficients of NSCT decomposition, the high-frequency noise in the high-frequency subband is eliminated by using NeighShrink. Experimental results show that this approach is better than the NeighShrink based on wavelet and the NSCT hard threshold denoising method in denoising performance and visual effects. The proposed denoising method can improve capability in speckle denoising and can protect the texture message better. Key words: Synthetic Aperture Radar (SAR) ; image denoising; Nonsubsampled Contourlet Transform (NSCT) ; NeighShrink 摘 要: 针对合成孔径雷达 (Synthetic Aperture Radar, SAR) 图像受到相干斑噪声的干扰, 严重影响了 SAR 图像的后

基于注意力卷积神经网络的SAR图像去噪算法研究

基于注意力卷积神经网络的SAR图像去噪算法研究

基于注意力卷积神经网络的SAR图像去噪算法研究摘要:合成孔径雷达(Synthetic Aperture Radar,SAR)技术在遥感图像领域应用广泛,但 SAR 图像本身就存在着大量的噪声,降低了其可视化效果和对后续数据处理过程的影响。

因此,本文提出了一种基于注意力卷积神经网络(Attention Convolutional Neural Network,ACNN)的 SAR 图像去噪算法。

ACNN 首先提出了一种特征挖掘方法,通过信噪比得分对输入 SAR 图像进行筛选和排序,探索 SAR 图像局部结构以降低噪声种类和强度。

然后,在去噪网络中引入注意力机制,提高神经网络对 SAR 图像正常区域与噪声区域的关注程度,同时降低对无关空间区域的关注度,加速去噪效率并提高去噪效果。

实验结果表明,与传统去噪算法相比,ACNN 在去除 SAR 图像噪声方面具有更高的精度和时效性,本文提出的方法对于SAR 图像去噪具有很好的应用前景。

关键词:SAR 图像;去噪算法;注意力卷积神经网络;特征挖掘;信噪比得分一、引言合成孔径雷达(Synthetic Aperture Radar,SAR)技术是一种利用雷达波信号实现图像成像的遥感技术,可以实现对地面多种物质的探测,包括地形、建筑物、水体等等。

由于 SAR 技术具有非常高的灵敏度和穿透力,因此在军事、海洋、气候预测等领域也有着广泛的应用。

但是,SAR 图像存在明显的斑点、梯度等不可避免的噪声,影响了对实际目标的准确识别和分类,因此需要对其进行噪声去除以提高其可视化效果和数据精度。

传统的 SAR 图像去噪方法主要包括基于小波变换的方法、基于非线性滤波的方法和基于矩阵分解的方法。

但由于这些传统方法对于 SAR 图像的特征和噪声分布不够精准,去噪效果往往不能令人满意。

随着深度学习技术的不断进步,越来越多的研究开始利用卷积神经网络(Convolutional Neural Network,CNN)对 SAR 图像进行噪声去除,其去噪效果在很大程度上取得了相对较好的效果。

基于局部统计的自适应SAR图像去噪算法研究

基于局部统计的自适应SAR图像去噪算法研究
2 0 1 4年 2月
Fe b . 2 01 4
汕 头 大 学 学报 (自然科 学版 )
J o u r n a l o f S h a n t o u Un i v e r s i t y( N a t u r a l S c i e n c e )
第2 9卷
第 l 期
声 模 型 】 :
I ( x , Y ) =R( x , Y ) ・ , _ y )
其 中,, ( , _ y ) 是观察到的图像 ,也就是受相干斑噪声污染的图像.R ( , y ) 是探测 目
标 的雷达散射特性 ,即理想 的不受相干斑噪声污染的图像 .F ( x , ) 是斑点噪声 ,它服从
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 .
关键词 :S A R图像 ;图像 去噪 ;L e e 滤波 ;K u a n滤波
中 图分 类 号 :T P 3 9 1 . 4 文献 标 识 码 :A
0 引 言
合成孔径雷达( S A R ) 是一种高分辨率微波成像系统 ,具有全天候工作 、分辨率与
5 7
的应用受到限制 ,无论是图像检测或识别 ,由于相干斑噪声的存在 ,都使应用效果大打 折扣.因此 ,抑制 S A R图像 中的相干斑噪声是一个具有重要意义的研究课题.空域去
噪算 法 是一 类 直接 对 图 像像 素灰 度值 进行 滤 波 处理 的去 噪算 法 ,常用 的有 均值 滤 波 】 、 中值滤 波 等 ,算法 实现 简单 ,运 行速 度快 ,广 泛用 于各 类 图像 的去 噪处理 .
图像灰度的平均值反映 了 S A R接 收到 的地 面 目标 回波强度 ,为了后续处理 ,去噪
算 法 应该 尽量保 持 原 图像 的平均 灰度 . 对 M ×N 图像 , Y ) , 1≤ ≤ M,1≤ Y≤ N,平均 值 的定 义 为 :

干涉SAR图像的降噪方法分析_唐智

干涉SAR图像的降噪方法分析_唐智
排序过程没有实数加法与实数乘法 ;
与和矢量相位相加 1 次实数加法 。 总计算量为(5 ×Wr ×Wa +1)×Nr ×N a 次实数 加法 , 8 ×Wr ×Wa ×Nr ×Na 次 实数乘法 。 降噪效 果如图 3 所示 。
图 3 圆周期中值降噪后的干涉图像 Fig .3 Interferogram after pivoting median filtering
相位图受到噪声污染后 , 残留点大大增多 , 给相 位展开带来了麻烦[ 2~ 4] 。 在相位展开之前 , 应用有 效的算法降低噪声 , 避免噪声引入的误差向后传播 , 可以有效地提高 InSAR 的高度测量精度 。降低噪声 的方法有许多种 , 噪声为加性噪声时 , 多采用相邻多 点平均 , 也称 为多视平均 , 来 处理 InSAR 数据[ 3, 4] 。 由于噪声对某一像素点的影响是孤立的 , 和相邻点 相比 , 该点的相位将有明显不同 , 将多视平均加上邻
(3)SAR 图像中存在着较强的相干斑(speckle) 噪声 。由于雷达记录的信号是不同散射点回波矢量 叠加的结果 , 散射点的回波相位是随机分布的 , 造成 了相干斑点 , 这是相干成像固有的系统噪声[ 9] 。
基于上述特点 , 在研究干涉 SAR 图像降噪问题
时 , 必须以噪声模型为基础 , 分析其统计特性 , 给出
由于雷达记录的信号是不同散射点回波矢量叠加的结果散射点的回波相位是随机分布的造成了相干斑点这是相干成像固有的系统噪声基于上述特点在研究干涉sar图像降噪问题三种降噪方法为了检验降噪算法的优劣设置的无噪声干涉地面场景有个不同方向的条纹应用最小均方法展开相位得到的三维图中部凹陷四周高出如图所示
第 25 卷 第 4 期 2004 年 7 月

非局部均值滤波,SAR图像去噪

非局部均值滤波,SAR图像去噪
1.2 SAR
在早期的SAR相干斑噪声的滤波处理方法中,大多采用多视处理技术来抑制相干斑噪声,即在方位向或者距离向上分割SAR图像成N个独立的部分,每一部分都用来产生较低分辨率的单视图像,然后把N个单视图像对应的像素非相干地叠加后平均。如果对SAR图像进行N视处理,可以将噪声方差降低 倍,但同时图像的空间分辨率也会减少N倍。该过程是在成像处理中完成的,从而可以获得成像处理数据率的下降,但随着SAR图像应用的不断扩展,对其空间分辨率的要求越来越高,多视处理技术已经不能满足要求。以各种滤波技术为基础,对成像后的SAR图像进行相干斑噪声抑制已经成为高分辨率SAR图像处理的主流[5]。
Abstract
Currently, Interferometric Synthetic Aperture Radar (InSAR) has become one of the most potential techniques for earth-observing, owing to its prominent merits, such as all-time, all-weather, high accuracy and large observation areas, etc.This technique indicates the great prospect in aspects of earthquake deformation, volcanic movement, glacial drift, urban settlement and landslide.
Finally, we apply this algorithm to smooththesynthetic SAR image and true SAR image. Our experiments show that the iterative non-local means filter can obtain great results even withimages of complex textureand rich edge information. Compared to Boxcar filter, refined Lee filter and IDAN filter, the iterative non-local means filter is similar in aspect of noise suppression,but better indetails preserving.

基于聚类算法的SAR图像去噪

基于聚类算法的SAR图像去噪路延【摘要】The remote sensing images are widely used. Synthetic aperture radar (SAR) image is an important type of re-mote sensing images. However,the inherent speckle makes it difficult to extract the information form the image,so speckle de-noising becomes the most important step of information extraction. The SAR image denoising method based on fuzzy C-means clustering algorithm and combined with wavelet transform is introduced in this paper. Its experiment results are compared with those of several available methods. The result shows that the method combining fuzzy C-means clustering with wavelet transform is effective and attractive in the speckle denoising domain of SAR images.%遥感图像的用途非常广泛,而合成孔径雷达图像是遥感图像中重要的一种,人们能从中提供更多的有用信息,但其固有的相干斑给人们对其信息的提取带来了困难,去除相干斑成为SAR图像信息提取中最重要的一步。

在此介绍了以模糊C均值聚类算法为基础,同时结合小波变换,对SAR图像进行去噪。

SAR图像斑点噪声滤除研究文献综述


术 … 。下 面具 体介绍 每类 方法 :
2 . 1 多视 处 理 滤 波
多视 处理 滤 波方 法 起 源 比较早 , 它是在 S A R 系 统成 像 中对 图像进 行去 噪。多 视 处 理滤 波 首 先要 把 同一 图像 分割 成 多 个 独 立 的 影像 ( 多视) , 然 后把 这 些影 像 进行平 均 。多视 处 理技 术 的 原 理决 定 了它 在 进行 抑 制斑 点 噪 声 必 须 以牺 牲 系 统 分 辨 率 为 代 价 , 例 如对 N视 S A R图像 来讲 , 可 以获 取 N倍 的噪 声抑
2 . 2 基 于 空 间
空 间域 滤波 方法 是在 空 域 内直 接 对 图像 进 行 平 滑 处理 , 来 达到抑 制 或消 除斑 点 噪声 的效 果 , 按 照 构 造 方法 不 同 , 空 间域 滤波 可 以分为 五种 :
( 1 ) 传 统方 法
析 了其 原理 、 优缺 点及 其适 用范 围 , 对 下一 步研 究 S A R噪 声 工作具 有一 定 的指 导意 义。 关键 词 :S A R 图像 ;斑 点噪 声 ;滤波 方法
中图分 类 号 : P 2 3 文献 标识 码 : B 文章 编 号 : 1 0 0 1 —3 5 8 X( 2 0 1 3 ) 0 3— 0 0 7 6— 0 3
制, 同 时却要 使 空间 分辨 率降低 N倍 。 多视处 理具 有计 算量 小 、 快 速 简捷 的算 法 特点 , 尽 管它 降低 了空 间分 辨 率 , 但 是 对 于覆 盖 面 积 比较
大, 不需 要 高 的分 辨 率 的 S A R 图像 , 比如 湖 泊 冰 覆 盖、 海 藻生 长监 视 、 水 资 源大 面 积 污染 、 城市变迁等 ,

基于字典学习的SAR图像去噪算法研究

基于字典进修的SAR图像去噪算法探究摘要:合成孔径雷达(SAR)是一种获得高区分率图像的重要技术,但由于天气条件和噪声等因素,SAR图像屡屡受到噪声和杂波的干扰。

因此,如何准确地去除噪声和杂波成为了SAR图像处理中的重要问题。

本文提出了一种基于字典进修的SAR图像去噪算法,并对其进行了探究和分析。

起首,接受小波变换将SAR图像进行分解,得到SAR图像的低频重量和高频重量。

接着,通过字典进修的方法,进修SAR图像的稀疏表示,得到一组稀疏基。

然后,使用这组稀疏基对高频重量进行稀疏表示,从而去除噪声和杂波。

详尽来说,本算法将高频重量表示为一个稀疏向量,将该向量表示为稀疏基的线性组合的形式,即:x = Dα其中,D表示稀疏基,α表示系数向量。

通过L1范数最小化,将噪声和杂波系数的肯定值最小化,同时保证其与原始高频重量的L2范数的差值最小化,得到最优解。

本文还通过试验对算法进行了验证。

试验结果表明,本算法具有较好的去噪效果,能够在保证高频重量信息的前提下,有效地去除噪声和杂波。

此外,本算法还具有较快的运行速度和较低的计算复杂度,适用于大规模SAR图像的处理。

关键词:基于字典进修;SAR图像去噪;稀疏表示;L1范数最小化;试验验证。

SAR(Synthetic Aperture Radar)图像在军事、海洋、天气预报等领域有着广泛的应用。

然而,由于SAR图像得到过程中受到天气条件、像素间相干性等因素的影响,SAR图像屡屡具有高斯噪声、斑点噪声等不同形式的噪声和杂波。

这些噪声和杂波会影响SAR图像的质量和诠释性,降低SAR图像的识别、检测和分析等应用效果。

因此,SAR图像去噪一直是SAR图像处理领域中的一个热门探究方向。

传统的SAR图像去噪方法包括中值滤波、小波阈值去噪、自适应局部噪声减弱等方法,这些方法在一定程度上可以有效地去除噪声和杂波。

然而,这些方法轻忽了SAR图像本身具有的稀疏性和结构信息,因此在去除噪声和杂波的同时对SAR图像的结构信息造成了破坏,降低了SAR图像的可识别性、可诠释性和可用性。

图像噪声分类及去噪方法综述论文.doc

图像噪声分类及去噪⽅法综述论⽂.doc图像噪声分类及去噪⽅法综述数字图像中,噪声主要来源于图像的获取或传输过程。

成像传感器的性能受各种因素的影响,如图像获取过程中的环境条件和传感元器件⾃⾝的质量。

例如,在使⽤CCD摄像机获取图像时,光照⽔平和传感器温度是影响结果图像中噪声数量的主要因素。

图像在传输中被污染主要是由于传输信道中的⼲扰。

例如,使⽤⽆线⽹络传输的图像可能会因为光照或其他⼤⽓因素⽽污染。

图像噪声的分类图像噪声是图像在摄取或传输时所受的随机信号⼲扰,是图像中各种妨碍⼈们对其信息接受的因素。

很多时候将图像噪声看成是多维随机过程,因⽽描述噪声的⽅法完全可以借⽤随机过程的描述,即⽤其概率分布函数和概率密度分布函数。

图像噪声是多种多样的,其性质也千差万别,所以了解噪声的分类是很有必要的。

⼀.按产⽣的原因分类1.外部噪声,即指系统外部⼲扰以电磁波或经电源串进系统内部⽽引起的噪声。

如电⽓设备,天体放电现象等引起的噪声。

2.内部噪声,⼀般有四个源头:a)由光和电的基本性质所引起的噪声。

如电流的产⽣是由电⼦或空⽳粒⼦的集合,定向运动所形成。

因这些粒⼦运动的随机性⽽形成的散粒噪声;导体中⾃由电⼦的⽆规则热运动所形成的热噪声;根据光的粒⼦性,图像是由光量⼦所传输,⽽光量⼦密度随时间和空间变化所形成的光量⼦噪声等。

b)电器的机械运动产⽣的噪声。

如各种接头因抖动引起电流变化所产⽣的噪声;磁头、磁带等抖动或⼀起的抖动等。

c)器材材料本⾝引起的噪声。

如正⽚和负⽚的表⾯颗粒性和磁带磁盘表⾯缺陷所产⽣的噪声。

随着材料科学的发展,这些噪声有望不断减少,但在⽬前来讲,还是不可避免的。

d)系统内部设备电路所引起的噪声。

如电源引⼊的交流噪声;偏转系统和箝位电路所引起的噪声等。

这种分类⽅法有助于理解噪声产⽣的源头,有助于对噪声位置定位,对于降噪算法只能起到原理上的帮助。

⼆.按噪声频谱分类频谱均匀分布的噪声称为⽩噪声;频谱与频率成反⽐的称为1/f噪声;⽽与频率平⽅成正⽐的称为三⾓噪声等等。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

摘要合成孔径雷达(SAR)图像的相干斑噪声严重降低了图像的可解译度,影响了后续目标检测、分类和识别等应用。

SAR图像的相干斑噪声是成像过程中出现的原理性缺陷。

在过去的二十年里,国内外的诸多学者提出了大量抑制图像相干斑噪声的方法。

其中大多数方法是利用一个定义好的滤波器窗口来估计相干斑图像局部噪声方差,然后在局部分别作滤波处理。

结果表明这些方法在均匀的区域内能够大大削减相干斑噪声,而在非均匀区域内图像变得模糊或过于平滑而失去细节信息,降低了图像的空间分辨率,图像的解译性因此变差。

理想的降噪方法是能在很好地保留边缘和细节信息的前提下抑制相干斑噪声。

本论文的研究内容:(1)首先介绍了SAR图像及其噪声的国内外研究动态,然后简述了SAR图像噪声的形成机理。

(2)重点对SAR图像斑点噪声的抑制算法进行了研究,对经典斑点噪声抑制算法(卷积滤波中的中值滤波;还有基于统计估计理论的Lee滤波算法及其增强算法、Kuan 滤波算法、Frost滤波算法、小波滤波算法、均值滤波算法等)进行了原理说明。

(3)结合实例,将各种算法的处理结果进行了分析和比较,对其效果和优缺点进行了评价。

关键词:合成孔径雷达;噪声抑制;效果评价ABSTRACTThe presence of speckle noise in the synthetic aperture radar (SAR)images。

severely restricts the appl ication of the coherent images.Speckle noise is generated by the coherent processing of radar signals.During the past two decades,many speckle reduction techniques have been developed for removing ospeckle.An ideal algorithm should smooth the speckle without blurred edges and fine detail.But most algorithms cannot satisfy these two demands very well.This paper the research content:(1) First introduced the SAR and the noise of the image research dynamic, then briefly introduced the formation mechanism of the SAR image noise.(2) Focus on studying the algorithm of image noise suppression of SAR spots, introduced the principle of the classic spots noise suppression algorithm ( the convolution filter median filtering, and based on the statistical estimation theory of filter algorithm and its enhancement algorithm Lee Kuan, filter algorithm, Frost filter algorithm, wavelet filter algorithm, average filtering algorithm, etc).(3) Combined with an example, all with the result of the algorithm is analyzed and compared, evaluated their effects, advantages and disadvantages.Keywords:SAR; Noise inhibition; Effect evaluation目录1绪论 (1)1.1 SAR图像噪声抑制研究背景及其意义 (1)1.2 SAR图像纹斑噪声抑制的研究现状 (2)1.3本论文的研究内容 (6)2 SAR图像常用去噪方法介绍 (8)2.1 SAR图像噪声产生机理 (8)2.2传统的SAR图像去噪方法 (9)2.2.1均值滤波 (9)2.2.2中值滤波 (10)2.3基于自适应滤波的SAR图像去噪方法 (10)2.3.1 Lee 滤波 (11)2.3.2增强Lee滤波 (11)2.3.3 Kuan滤波 (11)2.3.4 Frost滤波 (11)2.3.5增强Frost滤波器 (12)2.3.6 Sigma滤波 (12)2.3.7 Gamma MAP滤波 (13)2.3.8 Bit Erros滤波 (13)2.4其它的SAR图像去噪方法 (14)2.4.1连续小波变换滤波 (14)2.4.2离散小波变换滤波 (15)3去噪实现与评价 (16)3.1各种去噪方法的实现 (16)3.1.1SAR图像数据介绍 (16)3.1.2图像的滤波结果 (17)3.2图像滤波效果评价 (23)3.2.1相干斑噪声滤波算法的评价标准 (23)3.2.2不同去噪方法的对比分析 (25)4结论展望 (28)4.1论文研究内容总结 (28)4.2研究展望 (28)致谢 (30)参考文献 (31)1 绪论1.1 SAR图像噪声抑制研究背景及其意义合成孔径雷达(Synthetic Aperture Radar,简称SAR)是微波遥感的代表。

由于合成孔径雷达工作在微波波段,而大气分子对电磁波的吸收基本上处于可见光/红外波段(波长:0.4pm~14pm),所以SAR不易受大气的影响,具有全天候的特性。

再者,SAR是主动遥感器,不依靠太阳辐射,可以昼夜工作,即具有全天时的特性。

SAR在地球科学遥感领域具有独特的对地观测优势,有着非常广泛的应用领域。

从地形测量到大范围的陆地、海洋信息采集、全球范围的环境监测,从城市土地开发、绿地植被沙漠化的检测到江河湖海水位、浑浊状态测定,地质结构提取等等,特别在热带雨林气候地区及常年多云雾多雨的地区,而在这些地区具有全天时全天候成像能力的合成孔径雷达遥感技术往往具有独到的优势。

SAR图像在海洋冰探测、海洋环境监测、森林类型分类、地质矿产研究、农作物生长监测等方面都获得了广泛应用[]1-3。

由于SAR发射相干电磁波,因此各理想点目标回波是相互干涉的。

相干电磁波照射实际目标时,其散射回来的总回波并不完全由地物目标的散射系数决定,而是围绕这些散射系数值有很大的随机起伏,这种起伏在图像上的反应就是相干斑噪声,也就是说,这种起伏将会使具有均匀散射系数目标的SAR图像并不具有均匀灰度,而会出现许多斑点。

斑点噪声的存在使图像的信噪比下降,明显降低了图像的辐射分辨率,隐藏图像的精细结构。

随着科学技术的飞速发展,要求SAR提供更高分辨率和更清晰的SAR图像。

由于相干斑严重影响了SAR图像的质量,不利于SAR图像的解译和各种应用,所以抑制相干斑噪声成为了SAR图像处理中的一个重要部分,并且相干斑噪声抑制的好坏将直接影响到对雷达图像定量分析和应用的精度,同时也影响了进一步的图像分割、边缘检测等图像处理效果。

随着大量SAR图像数据的获得,如何有效地抑制相干斑噪声成为SAR 图像应用研究的难点和热点。

SAR图像中的斑点噪声往往和信号交织在一起,为获得高质量的SAR图像,对SAR 图像去噪的要求是首先必须对相干斑噪声进行有效的抑制,同时还应该保持SAR图像的分辨率以及尽可能的保留图像的边缘纹理和点目标等细节特征。

不过这两方面好的效果难以兼得,图像平滑过程总是要付出一定的细节模糊代价,而且如果抑制相干斑时平滑不当,会导致图像本身的细节如边界轮廓、线条等变得模糊不清,从而使图像降质。

因此SAR图像的相干斑抑制算法一般是在相干斑去除(辐射分辨率)与细节保留(空间分辨率)之间做的折衷,如何综合这两个方面较好效果是SAR图像相干斑去噪研究的主要内容。

消除SAR斑点噪声对SAR图象的有效应用有着十分重要的意义,一直是SAR成像技术的重要研究课题之一。

因此,对SAR图像斑点噪声的研究意义重大。

1.2 SAR图像纹斑噪声抑制的研究现状纹斑以及类似现象的研究最早可以追溯到19世纪的物理和工程类的研究工作。

一个理想的纹斑噪声抑制滤波器应该是这样的:在图像的均匀区域应尽可能地抑制纹斑噪声,同时,还能很好地保持图像的细节特性(空间分辨率,比如边缘,线,强点目标等结构特征),或者说不破坏图像的分辨率;另外还要避免虚假目标的出现[]5。

然而实际的滤波器总是无法达到理想的效果,降低纹斑和保持图像的分辨率是所有纹斑滤波算法中的主要矛盾,如何达到这两方面的平衡也是衡量一个算法性能优劣的关键。

由于纹斑噪声的乘积特性,直接采用一些经典的噪声滤波器如维纳滤波器,卡尔曼滤波器等,其纹斑滤波效果性能是无法令人满意。

对SAR图像相干斑噪声滤波技术,国内外的研究已经非常广泛而深入。

在早期的SAR成像处理中,大多采用多视处理技术,在距离或方位维上分割成三个独立部分,每一部分用来产生较低分辨率的单视图像,然后把三个单视图像对应的像素非相干地迭加后平均,就得到多视SAR图像。

多视处理另外一个有利的情况是,对强度进行平均处理不仅保留携带的信息,而且处理后的结果容易进行统计分析[]46,。

此过程可平滑掉相干斑点噪声,但是却以牺牲空间分辨率为代价。

例如对三视SAR图像来讲,倍的噪声抑制,同时却要使空间分辨率降低三倍。

虽然该过程是在成像处理中完成,从而可以获得成像数据处理率的下降,但随着SAR图像应用的不断扩展,对其空间分辨率的要求不断提高,多视处理技术已经不能满足高分辨率的要求。

因此,成像后的滤波技术成为SAR图像相干斑噪声抑制技术发展的主流。

绝大多数的纹斑抑制算法是在成像处理之后进行的。

早期的方法是基于傅立叶变7-9。

进一步的工作则将Kalman滤波和Bayesian 换,将图像转换到频域进行滤波处理[]10-12,提出了相应的递归算法(reeursive algorithm)。

在这两估计算法扩展二维的图像域[]种情况下,都需要建立信号的统计模型[]13。

事实上,不可能由单一的统计模型来描述自然地物(雷达反向散射)的随机特性。

虽然不可能提出一个简单的统计模型来刻化全局图像的统计特性,幸运的是可以估计图像的局部统计参数,以此为基础,提出了基于局域统计参数的自适应滤波器。

相关文档
最新文档