基于Directionlet变换的SAR图像去斑方法研究

摘要

由于合成孔径雷达SAR的成像特性,叠加的相干信号会形成斑点噪声,从而影响了对SAR图像的处理。因此,去除SAR图像的斑点噪声是一个不可或缺的步骤。
　　本文根据 SAR图像相干斑乘性模型以及统计分布特性,结合多尺度几何Directionlet变换的各向异性和多方向性的特点,针对SAR图像的相干斑抑制,提出了几种新的SAR图像去斑的算法,本文的主要成果如下:
　　(1)设计了一种基于混合模型和NSDT的SAR图像去斑的算法,该混合模型是在NSDT变换域中提出的,由混合模型和邻域系统组成。其中,混合模型有无参部分和有参部分组成;邻域系统我们假设9种不同的邻域形状,这种方法能有效适用于冗余的NSDT变换的阈值估计。
　　(2)设计了一种基于 NSDT SAR与方向融合的图像去斑算法,将SAR图像分为匀质区域和目标区域,对SAR图像进行NSDT变换,结合贝叶斯非局部均值对SAR图像中的变换系数进行去斑的处理,再对去斑后的变换系数采取不同的融合策略进行融合,得到最终的去斑图像。
　　(3)提出了一种基于字典学习和概率性分块滤波(Probabilistic Patch–Based,PPB)的SAR图像去斑的算法,该算法对SAR图像去斑的目标函数是基于统计特性设计的,首先对SAR图像用概率性分块滤波进行预处理,将得到的去斑图像作为目标函数的其中一项,然后用学习字典的方法进行去斑处理得到最终的SAR图像。
　　将本文所提出的算法与经典去斑算法对真实的SAR图像进行去斑处理,实验结果表明本文中提出算法的去斑效果无论是视觉效果还是评价指标上均有较好的效果。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 SAR图像去斑的研究背景及意义

1.2 SAR图像去斑的发展现状

1.3 Directionlet的发展现状

1.4 论文的主要工作和安排

第二章 SAR成像机理及经典去斑算法分析

2.1 SAR图像斑点噪声特性的分析

2.2 分析SAR图像经典滤波方法以及存在的问题

2.3 本章小结

第三章 基于混合模型和NSDT的SAR图像去斑

3.1 引言

3.2 Directionlet变换的特性分析

3.3 基于混合模型和NSDT的SAR图像去斑算法

3.4 算法实现策略

3.5 对比实验结果与分析

3.6 本章小结

第四章 基于NSDT与方向融合的SAR图像去斑

4.1 引言

4.2 基于贝叶斯非局部均值的SAR图像去斑方法性能分析

4.3 基于NSDT变换与方向融合的SAR图像去斑

4.4 算法实现策略

4.5 对比实验结果和分析

4.6 本章小结

第五章 基于字典学习与概率性分块滤波的SAR图像去斑

5.1 引言

5.2 基于字典学习的SAR图像去斑方法性能分析

5.3 基于字典学习和概率性分块滤波的SAR图像去斑

5.4 算法实现策略

5.5 对比实验结果和分析

5.6 本章小结

第六章 总结与展望

6.1 本文工作总结

6.2 未来展望

致谢

参考文献

研究生在读期间的研究成果

攻读硕士学位期间参与的科研项目