一种改进的SAR图像斑点噪声滤波方法

在过去的 2 0多年中 ,提出了许多去除SAR图像斑点噪声的方法。这些方法的主要目的是去除斑点噪声而不破坏图像的空间分辨率和边缘信息。理论和实践表明去除图像的斑点噪声和保持图像边缘信息是无法同时完成的。现有大部分滤波器是在去除噪声和保持边缘之间进行折衷。在Han等人方法的基础上提出了一种在去除噪声和保持边缘方面最优的滤波器。它在去除噪声同时能够有效保持边缘信息     

一种基于梯度信息的小波SAR图像滤波方法

提出一种基于梯度的自适应小波滤波方法.这种算法利用梯度和纹理信息控制阈值的选取,使滤波器在平坦区域能够有效去除噪声、在边缘区域有效保持边缘.应用于SAR图像斑点噪声滤波,并与增强Lee,Frost滤波,Gamma MAP滤波和Kuan滤波几种算法的结果进行比较分析,表明这种算法不仅能有效去除斑点噪声还能很好地保持图像的边缘等细节信息.     

基于双树复数小波的SAR图像去噪算法

SAR图像相干斑点噪声的存在严重影响了SAR图像的应用效果。本文给出了一种基于双树复小波变换的贝叶斯收缩去噪算法,采用双树复小波获取更多的方向特性,然后借助贝叶斯MAP估计器调整小波系数,达到去除SAR图像斑点噪声的目的。实验证明,本算法在抑制SAR图像斑点噪声的同时有效地保持了图像的边缘信息。     

改进SRAD模型在SAR图像斑点噪声滤波中的应用

斑点噪声的存在严重影响了合成孔径雷达(SAR)图像的应用,所以抑制斑点噪声显得尤其重要.斑点噪声各向异性扩散模型(SRAD)能较好地去除斑点噪声并保持边缘信息,但依然存在不足之处.在分析SRAD模型的基础上,结合增强Lee算法思想,将SAR图像细分为均匀区域、弱纹理区域和噪声发育不完全区域,针对不同区域采用不同处理方法,并加入了迭代终止条件.实验证明改进的SRAD算法具有更好的平滑效果和边缘保持能力.     

基于小波分析的SAR图像斑点滤波及其性能比较评价

进行斑点噪声滤波是对SAR图像进行分割、分类和信息提取处理前不可或缺的处理步骤。该文首先简要回顾了各种传统的SAR图像斑点滤波算法。在充分考虑SAR图像斑点噪声乘性特征的基础上，对SAR图像进行对数变换，将乘性噪声转变为加性噪声，然后在对图像进行小波分解，采用软门限方法进行典型SAR图像斑点噪声滤波。归纳SAR图像斑点噪声滤波效果评价的5个指标，并将文中基于小波分析的滤波效果与传统的自适应局部统计斑点滤波器、Gamma-Map滤波器的滤波效果进行了全方位的比较。结果表明，该方法在图像均匀区域的辐射特性保持和斑点抑制能力，边缘、细小特征和点目标等结构信息的保持方面都优于传统的斑点滤波器。     

一种基于图像边缘特征的SAR斑点滤波算法

合成孔径雷达图像上的斑点噪声会阻碍图像的校准、检验、解译和应用,因此斑点噪声的去除是雷达图像处理的一个重要环节。通常的去噪方法在抑制噪声的同时也使得图像的边缘模糊,细节特征损失。理论和实践表明去除图像的斑点噪声和保持图像的边缘信息是无法同步实现的。为了在去除噪声和保持边缘特征之间进行折衷,本文基于MROA边缘检测算法以及均值滤波算法,提出了一种基于图像边缘特征的斑点噪声滤波算法。实验结果表明该算法能够在平滑图像的同时有效保持边缘特征信息。     

一种新的SAR影像融合滤波方法

为解决有效地去除斑点噪声和保留图像边缘两者矛盾的问题,首先通过中值滤波得到较好的平滑SAR图像,然后利用AMSS方程得到较好的保留图像边缘信息的SAR图像,最后将所得的两幅图像进行融合,并对融合后的图像进行定量和定性分析。仿真实验表明,无论是定性分析,还是定量分析都证明融合后的图像在很好地去除噪声的同时,有效地保留了图像的地物分界处及边缘细节信息。     

一种基于退化模型的高分辨率SAR去噪算法

为了保持高分辨率合成孔径雷达（SAR）图像中的纹理结构，提出了一种基于高斯．马尔可夫模型（Gauss-Markov Model）的方法来抑制SAR图像的斑点噪声。通过引入贝叶斯分析框架，建立Markov随机场的退化图像恢复模型，从而将图像的恢复问题转化为求解最大后验概率（MAP）问题，并直接从噪声图像中估计随机场模型参数进行有效的噪声抑制。实验结果表明，对所研究的高分辨SAR图像，基于退化模型的去噪算法（RMBD）不论是在噪声的去除上还是在结构信息等细节的保持上均不同程度地优于其他常用斑点去噪方法。     

利用经验模态分解方法抑制SAR斑点噪声

提出了一种利用经验模态分解（EMD）方法抑制SAR斑点噪声的方法。利用经验模态分解方法，可以将SAR图像分解为一系列的以空间周期尺度不同为特征的模态，定义空间特征尺度不大于4的为噪声。通过从图像中减掉噪声成分使SAR斑点噪声得以抑制。用这种方法处理SAR图像在斑点抑制和纹理信息保护两方面取得令人满意的结果。     

SAR图像斑点噪声抑制方法与应用研究

通过详细分析SAR图像的判读和应用斑点噪声的算法,得出:多视处理能有效地平滑噪声,但降低空间分辨率;基于空间域滤波算法能有效地平滑斑点噪声,但不同程度地损失边缘和细节信息;基于变换域的小波多尺度滤波可以较好地保持边缘信息,然而其滤波效果不理想。在此基础上提出利用小波分析技术把两种或两种以上的单个滤波方法进行融合,在有效去除斑点噪声时能够较好地保持边缘、细节和纹理信息。最后初步讨论在实际应用中应根据不同情况和要求选择相应的滤波方法。     

全方向自适应动态窗口SAR斑点噪声抑制算法

有效地抑制或消除斑点噪声是SAR图像地学应用的前提，通过基于单视数SAR图像的Speckle统计特性和已发展的空间滤波算法分析。发展了一种改进的全方向动态窗口自适应SAR噪声滤波算法，该算法对处理的每一个像元可按图像边界细节划分为需要的全方向子窗口，利用相对标准差判断滤波窗口及子窗口内斑点噪声及边缘信息的存在情况，可实现滤波窗口大小动态调整和窗口内参加滤波像素的自适应选择，对ERS SAR SLC图像试验结果表明，该算法对单视数SAR图像具有较强的Speckle抑制能力。且可较好地保持图像的纹理边界细节信息，有一定的实用价值。     

纹理特征向量与最大化熵法相结合的SAR影像非监督变化检测

合成孔径雷达(SAR)影像具有明显的斑点噪声,在变化检测中,一般需要考虑空间邻域信息。本文结合SAR影像丰富的纹理信息,提出一种考虑空间邻域信息的高分辨率SAR影像非监督变化检测方法,用基于灰度共生矩阵(GLCM)的32维纹理特征向量构造差异影像。通过最大化熵法自动选取阈值,对精度指标随窗口大小的变化进行回归分析,得到适合于变化检测的窗口为11×11。试验表明,本文方法优于马尔科夫随机场法,可以减小斑点噪声的影响,有效提高高分辨率SAR影像变化检测的精度。     

基于背景匀质性双边滤波的SAR图像斑点噪声抑制算法

针对双边滤波在抑制SAR图像相干斑噪声的不足,本文提出了一种基于背景匀质性的改进双边滤波算法BH-IBF (Improved Bilateral Filtering algorithm based on Background Homogeneity),并将其应用于SAR图像斑点噪声抑制。BH-IBF以传统双边滤波作为基本框架,并利用了双边滤波器中的双边核函数描述像素灰度值之间的相似性以及相邻像素间的几何空间信息。然而,传统双边滤波存在不能有效地滤除强斑点噪声的缺点,并且SAR图像又因成像原理的缺陷导致强斑点噪声普遍存在。针对这些问题,BH-IBF设计了一种根据背景窗口的匀质性进行自适应样本截断的方法,并根据描述背景匀质性的指标自动获取样本截断的截断深度。此外,本文将自适应滤波窗口尺寸以及权重核修改的方案应用到BH-IBF中,以增强匀质区域的斑点噪声平滑强度以及异质区域的边缘信息效果。最后,使用自适应截断后的样本作为已调整权重核的双边滤波器的输入。实验数据显示,BH-IBF能够在有效保留SAR图像纹理信息的同时,获取较好的斑点噪声平滑性能。     

基于特征保持的线性多通道最优求和SAR图像滤波算法

在线性多通道最优求和滤波算法的基础上,提出一种基于特征保持的线性多通道最优求和滤波算法。该方法结合图像局域方差系数和具有恒虚警概率的比值结构检测,对滤波窗口内图像的纹理结构进行检测和判断,有区别地进行滤波去噪。该算法在去除斑点噪声的同时,可减少边缘、线及点目标等纹理信息的损失。     

一种基于核回归的SAR图像自适应相干斑抑制方法

为了在抑制相干斑噪声的同时更好地保持SAR图像中的点目标和边缘目标,在经典核回归方法的基础上,本文提出了基于核回归的SAR图像自适应相干斑抑制方法。通过分析SAR图像的幅度分布特性,在构建模型时,以图像的幅度值为判别条件,使核函数在幅值较小的背景区域具有较大的光滑作用以抑制噪声,而在幅值较大的目标区域光滑作用较小以保护目标特征;同时考虑对边缘的保护作用,基于散布矩阵修正了自适应核回归方法,建立了基于核回归的SAR图像自适应相干斑抑制方法。试验结果表明,该算法通过将幅度值和散布矩阵引入核函数,更好地抑制了噪声,同时也保持了图像中的点目标和边缘。