基于Freeman分解的极化SAR数据相干斑滤波

本文在Freeman分解理论基础上,提出一种极化SAR数据相干斑滤波算法。该算法基于Freeman散射模型对原始极化SAR数据进行分解,以获得像素的散射类型和总功率值;在滤波窗口内选取与中心像素散射类型相同,总功率值接近的像素构成滤波同质区;并根据同质区的局部统计特性,应用线性最小均方滤波器进行滤波处理。试验表明,该算法在有效去除相干斑的同时,对极化和边缘等细节信息也有较好的保持效果。     

改进独立分量分析极化SAR影像相干滤波

极化合成孔径雷达(SAR)影像的相干斑滤波,对其后处理起着至关重要的作用。针对传统的独立分量分析(ICA)算法稳定性差、易陷入局部最优等缺陷,该文提出基于粒子群优化(PSO)改进的ICA滤波算法,用于进行极化SAR影像相干斑滤波。该方法利用PSO算法来改进解混矩阵W的行向量的生成过程,以提高ICA算法的分离效果。采用AIRSAR获取的旧金山海湾地区的L波段极化SAR影像进行实验,并用相干斑指数、迭代次数、收敛时间等指标进行客观评价。结果表明,基于PSO改进的ICA算法具有更高的收敛效率和更好的相干斑抑制性能,能有效地降低影像的相干斑噪声。     

自交叉双边滤波的极化SAR数据相干斑抑制

相干斑抑制是极化SAR数据预处理的关键步骤。双边滤波是一种空域和值域滤波相结合的优秀边缘保持滤波算法。针对双边滤波在抑制极化SAR数据相干斑的不足,该文将改进的交叉双边滤波引入到极化SAR数据降噪领域,加入散射机制测度来扩展原权重核,根据SPAN图像的局域变差系数自动调整空间方差系数,利用参考图像来度量灰度值和散射机制相似性。实验结果表明:本文方法较经典滤波算法有更强的噪声平滑能力和更好的细节信息保持能力,在保持原数据极化散射信息方面也表现出良好的性能,这为基于极化SAR数据的后续应用提供了支持。     

一种改进的精制极化Lee滤波算法

为克服精致极化Lee滤波算法对极化信息保持不够理想的弊端,本文提出一种改进方法.其基本思路是先应用四分量分解算法将像素分成4种散射类型,然后在方向窗口内去除与中心像素散射特性不同的像素,最后基于同质区的局部统计特性进行滤波处理.试验表明,改进后的滤波算法较传统算法有更强的极化信息保持能力.     

基于Freeman分解的极化SAR数据相干斑滤波

本文在Freeman分解理论基础上,提出一种极化SAR数据相干斑滤波算法。该算法基于Freeman散射模型对原始极化SAR数据进行分解,以获得像素的散射类型和总功率值;在滤波窗口内选取与中心像素散射类型相同,总功率值接近的像素构成滤波同质区;并根据同质区的局部统计特性,应用线性最小均方滤波器进行滤波处理。试验表明,该算法在有效去除相干斑的同时,对极化和边缘等细节信息也有较好的保持效果。     

基于迹的PDE在极化SAR图像相干斑抑制中的应用

作为各向异性滤波器,基于迹的偏微分方程(PDE)滤波算法相对于基于散度的PDE滤波算法在相干斑抑制效果和细节保持方面都表现出了优良的性能。利用基于迹的PDE,结合极化SAR数据的自身特性,设计了基于迹的PDE极化SAR相干斑抑制方案。算法针对极化SAR数据的协方差矩阵进行操作,在保留极化信息的基础上进行滤波处理。分别选用EMISAR机载数据和RADARSAT-2星载数据进行实验,并与RefinedLee去噪算法进行对比,验证了算法的可行性。     

极化SAR图像自适应增强Lee滤波算法

精制极化Lee滤波算法以其简单、高效、健壮等优点在极化SAR图像处理解译中得到了广泛的应用。然而,此滤波算法存在明显的缺陷：扇贝效应和虚假细线。对此,本文提出增加一组均匀窗口及一组线性方向窗口,并采用大小自适应窗口机制,在同质度高的区域用大窗口滤波,在同质度低的区域用小窗口滤波,从而使得滤波窗口在形状和尺寸上都能自动适应实际场景。利用机载和星载全极化SAR数据进行的滤波实验结果表明,本文提出的自适应增强Lee滤波算法在同质区域的噪声抑制能力明显优于精制极化Lee滤波算法及改进的Sigma滤波算法,同时在保持点、线等细节信息方面也优于精制极化Lee滤波算法,并且能很好的保持图像中地物的极化散射信息。     

一种扩展的基于结构检测的最优多视极化SAR相干斑滤波算法

全极化数据的可得,使得利用极化散射矩阵以减少多视全极化SAR图像中的相干斑成为了可能。其中,被称为最优的多视极化白化滤波器（MPWF）就是一个典型例子。然而,为提高滤波器参数估计的精度,同时能够自适应的检测图像中的结构特征,在滤波时采用适当的窗算法是必要的。本文提出了两个有效的窗算法,并用1994年NASA SIR-C/X-SAR,L band,经过四视处理的天山森林的极化数据进行了仿真。实验结果表明,这两种算法不仅很好的达到了降噪效果,而且对图像的纹理信息以及结构特征（即边缘特征、线性特征、强散射体特征）的保持效果是最佳的。     

采用散射特征相似性的极化SAR图像相干斑抑制

极化合成孔径雷达(SAR)图像的相干斑严重影响图像信息的有效提取,为此提出一种基于极化散射特性的相干斑抑制方法。该方法结合SAR图像的冗余信息及其散射特性的相似性,利用Wishart分布对SAR数据的相似性进行度量,然后依据相似性计算权重对协方差矩阵进行加权平均,实现对极化SAR图像的相干斑抑制。本文方法对协方差矩阵的各元素单独处理,因此在极化信息的保留方面尤具优势。通过真实SAR数据的实验表明,该方法与现有极化白化滤波(PWF)和极化Lee滤波相比,具有更好的相干斑抑制能力和细节的保持能力。     

基于乘积模型的极化SAR滤波

提出了一种基于乘积模型的极化SAR滤波方法。首先基于乘积模型分离纹理信息和极化信息,然后分别独立地进行滤波,最后再合成协方差矩阵。实验表明,本方法有效可行,有较好的极化保持性能。     

基于四分量散射模型的多极化SAR图像分类

基于四分量散射模型提出了一种多极化SAR(synthetic aperture radar)图像非监督分类算法。与Freeman三分量散射模型不同,四分量散射模型在Freeman三分量的基础上增加了螺旋散射分量(helix),该分量反映了复杂地貌和不规则城市建筑的散射机理,可以用来处理复杂的场景图像。算法强调了初始分类的重要性,在初始分类中考虑了混合散射机制像素的存在,从而提高了分类结果的精确度。聚类过程中,采用由四个散射分量组成的特征向量进行迭代聚类。为了实现算法的完全非监督,利用特征向量给出了一种新的聚类终止准则。NASA/JPL实验室AIRSAR全极化数据分类实验结果表明,该算法具有较好的分类效果,并获得了较高的分类精度。     

极化SAR自适应三分量分解方法

介绍了原始极化SAR三分量分解中存在的问题,如负功率和散射机制模糊,并深入分析了其改进方法中仍然存在的缺陷,提出了一种自适应的三分量分解。该分解采用了更一般化的散射模型,并首次考虑了像素中存在不同旋转角的两个面或偶次散射目标,然后利用散射Alpha角确定除体散射之外的剩余主导散射机制,使面或偶次散射得到了更充分的保持。最后,从散射模型与极化相干矩阵自适应匹配的角度出发,提出了一种对负功率进行自适应优化的措施,使得负功率像素个数大大减少,从而分解更加准确有效。试验结果表明,该分解所得结果更符合实际地物散射过程,能更好地解决基于模型的分解方法中存在的缺陷。     

全极化雷达遥感影像的迭代优化非局部均值去噪法

相干斑的存在严重降低了全极化合成孔径雷达(polarimetric synthetic aperture radar,PolSAR)的影像质量,对相干斑进行抑制是使用PolSAR数据必不可少的预处理程序。本文提出了一种迭代优化的PolSAR非局部均值去噪方法。该方法在每次迭代去噪过程中,通过同时考虑原始影像全极化噪声统计特性和前一次迭代所得影像的全极化信息来完善像素间极化相似性的度量,从而实现对影像更精准的估计。试验部分利用模拟的PolSAR数据和真实的PolSAR影像进行了算法效果的验证。结果表明:去噪算法在显著抑制影像噪声水平的同时,也能较好地保持影像的边缘和极化特性等细节信息。     

单视数SAR图像Speckle滤波方法的研究

在分析单机数SAR影像的Speckle局部统计特性和现有的空间滤波算法的基础上,提出了一种新的Speckle滤波方法,该方法采用特殊的滤波窗口邻域划分方法,根据窗口相对标准差自适应地调整窗口尺寸和窗口内的滤波区域。该方法被用于多幅单视数ERS-1/2SAR图像去Speckle处理,并与以往的典型算法进行了比较,取得了较好的实验结果。     

Yamaguchi分解Notch滤波的全极化SAR图像舰船目标检测

极化合成孔径雷达数据蕴含了丰富的地物极化散射信息,已广泛应用于海上舰船目标检测研究。针对极化相干矩阵无法直接用于分析特定散射体物理特性的缺陷,利用Yamaguchi极化分解改进了极化Notch滤波器。将基于模型的极化分解方法引入Notch滤波器,利用表面散射、二次散射、体散射和螺旋体散射等散射机制的能量构造散射矢量代替极化相干散射矢量,并加入功率能量因子,构造新的极化SAR图像Notch滤波器。Radarsat-2全极化SAR图像实验结果表明,改进算法有效增强了舰船目标与海杂波背景间的对比度,检测性能优越。     

利用自适应最优极化对比增强检测SAR影像边缘

针对边缘检测中极化信息利用率不高的问题,提出了一种结合自适应最优对比增强与均值比的合成孔径雷达边缘检测新方法,并分析新算法特性后,推导了其快速版本。实验结果表明,新方法具有更好的检测性能。     

一种结合Freeman分解和散射熵的MRF多极化SAR影像分割算法

针对多极化SAR图像,采用Freeman分解理论,将其分为表面散射、偶次散射、体散射、混合散射4种散射机制,并通过H/Alpha分解提取散射熵,将地物初始分为12类,并运用聚合的层次聚类算法对初始分类结果进行合并。利用Wishart分布对特征场进行建模,用模拟退火优化方法求取基于最大后验准则下的分割结果。     

散射特性引导的极化SAR图像多尺度分割

为满足不同地物分割的尺度需求,本文提出一种散射特性引导的极化SAR图像多尺度分割算法。该算法以分水岭初始分割为基础,通过迭代合并相邻区域获取极化SAR图像在不同尺度下的分割结果;以极化散射功率为特征,将地物按尺度相似性划分成表面散射、二次散射和体散射3种散射类型;以分割质量评价为指导,从多尺度分割结果中为每种散射类型地物选取适宜的分割尺度并进行叠置合成,形成最终分割结果。ESAR系统获取的L波段极化SAR数据验证了该算法的可行性。