基于统计模型与非下采样Shearlet变换的SAR图像相干斑抑制

摘要

合成孔径雷达(Synthetic Apeture Radar,SAR)是一种现代高分辨率微波成像雷达，其具有全天候、全天时、较强的穿透性等特点，广泛应用在军事和民事的各个领域。但是由于雷达回波间的相干作用，SAR图像中不可避免的出现相干斑现象，直接影响SAR图像的人工判读，并会降低SAR图像边缘检测、分割、识别等应用的准确性，所以SAR图像相干斑抑制是SAR图像处理的关键技术之一。
　　本文以SAR图像的统计特性为基础，借助非下采样Shearlet变换(NSST)，对SAR图像相干斑的抑制算法进行了较深入的研究，本文具体工作如下：
　　1.提出了一种基于NSST变换最大后验概率估计(MAP)的SAR图像相干斑抑制算法。在分析NSST变换分解结构的基础上，结合与信号相关加性噪声空域的统计特性，推导出了NSST域与信号相关加性噪声项方差的估计方法，并利用多变量模型建模NSST系数，层内系数，层间系数的相关性，最后使用MAP估计方法推导出了NSST系数收缩函数。实验表明，本章算法在人工模拟和真实的SAR图像都取得了较好的效果。
　　2.提出了一种基于NSST域与信号相关加性噪声统计建模的SAR图像降斑算法。在假设SAR图像真实雷达反射系数局部区域内为一个常数的基础上，理论上推导出了NSST域与信号相关加性噪声项的概率密度函数，并在最大化后验概率准则的指导下，推导出了一个NSST域全新的系数收缩函数。实验表明，我们的算法具有很好的相干斑抑制和边缘保持特性。
　　3.提出了一种基于统计建模的RADARSAT-2超精细SAR图像降斑算法。首先，通过统计RADARSAT-2超精细SAR图像匀质区域的直方图，提出了适合RADARSAT-2超精细SAR图像的统计模型，然后对模型进行了验证。最后，结合维纳滤波和PPB算法提出了一种RADARSAT-2超精细SAR图像相干斑抑制算法。实验结果表明，在传统SAR图像降斑算法均失效的情况下，我们的算法很好的完成了RADARSAT-2超精细SAR图像的降斑要求，并且取得了较好的点目标和边缘的保持效果。
　　本文工作得到了国家自然科学基金（No.60971128）；华为创新研究计划项目(No.IRP-2011-03-04)资助。