基于Bootstrap统计方法的SAR图像相干斑抑制研究

摘要

合成孔径雷达(Synthetic Aperture Radar,SAR)具有非常多的优点但同时由于图像中含有随机的斑点乘性噪声,这种相干斑噪声影响了图像的质量和后续的处理。因此对SAR图像的相干斑抑制是非常有必要的,并且要尽可能的保留图像的细节信息。大多数去噪方法都是使用阈值处理来实现的,所以去噪效果的好坏取决于阈值的选取以及阈值中参数估计的准确性。Bootstrap统计方法简单的依赖于小量所给定的观测样本,不用做任何别的假设,也不用添加任何新的观测量,是参数估计的强有力的工具。此外由于不同的成像方式,使得SAR图像的统计模型也是不一样的。所以从不同成像方式产生的 SAR图像噪声模型出发,结合Bootstrap重采样估计噪声模型中的参数,使得噪声的统计特性可以被简单准确的获得,可以为SAR图像噪声的抑制提供很多新的方法。本文在Bootstrap的基础上,提出了两种新的相干斑抑制方法:
　　(1)提出了基于独立成分分析和 Bootstrap的最大后验概率相干斑抑制方法(IBMAP)。通过独立成分分析(Independent Component Analysis,ICA)方法估计得到SAR图像的基图像,并且设计了一个分类器,它可以将图像信号源分为真实信号源和噪声信号源。引入参数Bootstrap对噪声信号源进行估计,得到噪声的统计特性,作为最大后验概率(Maximum A Posteriori)MAP滤波方程的阈值参数。根据所分析的噪声模型,推导出针对不同类型SAR图像的MAP方程。这样,可以根据SAR图像自身性质的不同,应用更适合它的MAP滤波,而不是统一的方法处理所有图像。实验证明该方法可以有更好的相干斑抑制效果。
　　(2)提出了基于曲波和 Bootstrap的自适应小波阈值相干斑抑制方法(CBAWT)。将曲波(Curvelet)硬阈值、IBMAP、自适应小波阈值(Adaptive Wavelet Threshold)方法有效的结合,并且改善了自适应小波阈值方法因对数变换后引起的偏差问题,设计了一个新的阈值表达式,并引入Bootstrap重采样技术估计各个子带的阈值参数,得到改进的自适应小波阈值相干斑抑制方法。实验证明该方法有更好的相干斑抑制效果,同时能够更好的保持图像的纹理等细节信息。

目录

封面

声明

中文摘要

英文摘要

目录

第一章 绪论

1.1 SAR研究现状及应用领域

1.2 SAR图像成像及相干斑产生机理

1.3 SAR图像相干斑抑制研究现状

1.4 Bootstrap统计方法

1.5 本文的主要工作及内容安排

第二章 独立成分分析、曲波及平稳小波理论

2.1 独立成分分析

2.2 第二代曲波

2.3 平稳小波

2.4 本章小结

第三章 基于独立成分分析和Bootstrap的最大后验概率SAR图像相干斑抑制

3.1 独立成分分析方法估计噪声基图像

3.2 Bootstrap估计噪声统计特性

3.3 不同噪声模型的MAP滤波方程

3.4 IBMAP相干斑抑制方法的具体实现

3.5 IBMAP相干斑抑制方法实验

3.6 本章小结

第四章 基于曲波和Bootstrap的自适应小波阈值SAR图像相干斑抑制

4.1 SAR图像曲波变换去噪

4.2 基于Bootstrap的自适应小波阈值处理

4.3 CBWAT相干斑抑制方法的具体实现

4.4 CBWAT相干斑抑制方法实验

4.5 本章小结

第五章 结束语

5.1 总结

5.2 展望

致谢

参考文献

研究成果