基于异质性测量的SAR图像相干斑抑制算法研究

摘要

合成孔径雷达(SAR)是一种新兴的微波遥感技术，被广泛地应用于用地质探测、灾情监测、海洋探测、环境监测和军事系统等各领域中。由于采用相干波源，在获取SAR图像过程中将不可避免的引入相干斑，相干斑严重降低了SAR图像的可解译性，阻碍了人们对地物判读。因此，SAR图像的相干斑抑制问题一直是SAR图像处理领域中的热点问题。理想的去斑算法应该是既要兼顾斑点噪声的滤除，又要保护图像边缘细节信息，但目前并没有一种方法能够完美的满足这两点要求。
　　近年来，在SAR图像处理领域，一个被国内外学者关注的热点问题是异质性测量方法与分析。异质性反映了图像区域内信息差异性程度，可以分辨出图像中纹理信息和后向散射系数的变化。本文以SAR图像异质性测量为手段，在小波域中开展SAR图像去斑算法的研究，主要创新工作如下：
　　（1）研究了SAR图像多尺度异质性测度的表示方法、统计分布，提出了一种多尺度异质性测度的理论分布模型、以及模型参数的估计方法。具体的说，本文以多尺度局部变差系数（MLCV）作为异质性测度，通过统计 MLCV直方图分布，提出用对数正态分布对其建模，并以此模型估计 MLCV的模态（mode）参数。
　　（2）提出了一种基于异质性分类的小波域贝叶斯去斑算法。在非同态框架下，将小波域中的后向散射信号和斑点噪声分别建模为正态逆高斯分布、高斯分布，在贝叶斯最大后验准则下推导出信号估计的表达式；为了提高模型参数的估计精度，引入多分辨率局部变差系数（MLCV）作为异质性测度，并基于MLCV对小波子带中的系数进行分类，用累积量的估计方法计算每一类小波系数的模型参数。仿真实验验证了这种新算法的可行性和有效性。
　　（3）针对真实SAR图像在去斑过程中易存在的过平滑现象，提出了一种基于异质性测度的自适应预矫正方法。对含斑图像做小波分解，以多尺度局部变差系数（MLCV）作为异质性测度，提出一种基于该测度的自适应预矫正函数，将小波子带划分为四类区域，对不同区域采取不同的预处理策略；在此基础上对预矫正图像采用常规的小波域去斑算法。对真实SAR图像去斑的实验表明，该方法在抑制相干斑和保持图像细节方面均有较显著的改善。这种预矫正过程简单、实用，并且可以和多种常规的去斑算法相结合，具有一定的推广和应用价值。

目录

声明

第一章 绪 论

1.1 研究背景和意义

1.2 国内外研究现状

1.3 研究内容和结构安排

第二章SAR成像原理和异质性测量分析

2.1 SAR成像原理及相干斑噪声形成机制

2.2 SAR图像异质性测量表示

2.3 SAR图像质量评价指标

第三章 基于异质性分类的小波域SAR图像去斑

3.1小波域贝叶斯去斑算法

3.2 基于异质性测度的小波系数分类

3.3 基于异质性分类的小波域SAR图像去斑算法的实现

3.4 实验结果分析

3.5 本章小结

第四章 基于异质性预矫正的小波域SAR图像去斑

4.1 基于广义似然比的贝叶斯去斑算法

4.2 基于异质性测度的图像预矫正

4.3 实验结果分析

4.4 本章小结

第五章 总结与展望

5.1 本文工作总结

5.2 后续工作展望

参考文献

致谢

附录：攻读学位期间所发表论文