基于稀疏表示和低秩逼近的SAR图像降斑

摘要

合成孔径雷达(Synthetic Aperture Radar，SAR)具有全天候、全天时、高分辨率和穿透力强等特点，因此，SAR在军事方面和民用方面都得到了广泛的应用。但是，由于S AR系统是微波相干成像，S AR图像在获取的过程中受到了斑点噪声的影响。斑点噪声的存在大大降低了SAR图像的分辨率，影响了后续的处理与解译。因此，如何抑制SAR图像中的斑点噪声非常重要。通过分析SAR图像的斑点噪声模型和统计特性，结合稀疏表示理论和低秩逼近理论，本文提出了几种新的 S AR图像降斑算法。本文主要包括以下三个方面：
　　1.提出了一种基于聚类和提升字典学习的SAR图像降斑算法。考虑到图像中具有大量相似结构的图像块，利用 K均值聚类算法，构造相似图像块集合。为了充分挖掘图像块中包含的纹理细节信息，本章利用主成分分析法，提取各个相似图像块集合的主成分分量，构造相应的PCA字典。以PCA字典为初始字典，采用提升字典学习算法对相似图像块进行稀疏表示与重构，得到最终的降斑结果。
　　2.提出了一种基于结构相似度校正聚类的稀疏表示SAR图像降斑算法。利用方向波变换的多方向性和各向异性，在方向波域对SAR图像进行斑点噪声估计。考虑到相似图像块不仅仅存在于同一尺度的图像中，不同尺度的图像中也包含大量的相似图像块，本章通过对SAR图像进行方向波变换来获取不同尺度的图像块，并采用一种基于结构相似度校正的聚类算法对图像块进行类别划分。最后，利用基于聚类的稀疏表示算法对每类图像块进行稀疏表示和重构，得到最终的降斑结果。
　　3.提出了基于改进的空间自适应迭代奇异值阈值的SAR图像降斑算法。考虑到相似图像块集合具有低秩性的特点，本章利用奇异值分解对SAR图像进行低秩逼近重构，进而达到降斑的目的。在降斑的过程中，为了更好的保留图像中的纹理信息，以原始图像的梯度直方图作为参考，通过约束更新后图像的梯度直方图来达到纹理增强的目的。该方法不仅能够很好的抑制图像中的斑点噪声，且可以很好的保留图像中的点目标和纹理信息。

目录

封面

声明

中文摘要

英文摘要

插图索引

表格索引

符号对照表

缩略语对照表

目录

第一章 绪论

1.1 SAR图像降斑的研究背景与意义

1.2 SAR图像降斑方法的发展现状

1.3 论文的主要工作和安排

第二章 SAR图像成像机理与经典降斑算法分析

2.1 SAR图像成像原理及噪声特征

2.2 SAR图像的经典降斑方法

2.3 稀疏表示理论基础

2.4 低秩逼近理论基础

第三章 基于聚类和提升字典学习的SAR图像降斑

3.1 引言

3.2 KSVD算法原理

3.3 基于聚类和提升字典学习SAR图像降斑

3.4 算法步骤

3.5 实验结果与分析

3.6 本章小结

第四章 基于结构相似度校正聚类的稀疏表示SAR图像降斑

4.1 引言

4.2 基于聚类的稀疏表示算法

4.3 基于结构相似度校正聚类的稀疏表示SAR图像降斑

4.4 算法步骤

4.5 实验结果与分析

4.6 本章小结

第五章 基于改进的空间自适应迭代奇异值阈值SAR图像降斑

5.1 引言

5.2 空间自适应迭代奇异值阈值算法

5.3 基于改进的空间自适应迭代奇异值阈值的SAR图像降斑算法

5.4 算法步骤

5.5 实验结果与分析

5.6 本章小结

第六章 结论和展望

6.1 研究结论

6.2 研究展望

参考文献

致谢

作者简介