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。     

Despeckle and geographical feature extraction in SAR images by wavelet transform

This paper presents a method to despeckle Synthetic Aperture Radar (SAR) image, and then extract geographical features in it. In this research work, speckle is reduced by multiscale analysis in wavelet domain. In terms of geographical feature preservation the result shows that the method is better compared to spatial domain filters, such as Lee, Kuan, Frost, Ehfrost, Median, Gamma filters. The geographical features such as roads, airport runways, rivers and other ribbon-like shape structures are detected by the new wavelet-based method as proposed by Yuan Yan Tang. Experimental results show that the proposed method extracts geographical features of different width as well as different gray levels.     

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。     

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     

基于à trous小波分解的SAR图像噪声滤除方法

合成孔径雷达(SAR)以其特有的全天时、全天候成像能力,在对地观测领域中发挥着重要的作用。由于雷达回波的相干性,SAR图像上存在着斑点噪声,为消除这种噪声,提出了一种基于à trous小波算法的组合滤波方法,该方法首先将SAR图像分解至静态小波域,然后对噪声的小波系数进行基于中值的平滑处理,最后对低频信号进行均值滤波。将此算法应用于新疆库车县的一幅RADARSAT图像进行斑点噪声滤波,并与另外3种典型的SAR图像滤波算法进行比较,结果表明,该方法不仅可以有效地去除斑点噪声,并且可以保持SAR图像的精细纹理结构。     

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。     

一种改进的SAR影像斑点噪声抑制方法

合成孔径雷达（SAR）影像的应用越来越广泛,但斑点噪声很大程度上影响了SAR的应用。本文首先研究了常用斑点噪声滤波方法,在此基础上,将中值滤波与常用的Lee,Frost,Kuan滤波结合。实验结果表明,该方法在斑点噪声抑制及边缘保持上明显优于传统的滤波方法。     

均匀分布与结构描述ASIFT相结合的SAR与可见光图像配准算法

针对SAR与可见光图像配准中存在的非线性灰度差异与斑点噪声,同时考虑不同的成像视角问题,提出了基于均匀分布与结构描述ASIFT的SAR与可见光图像配准算法。该算法首先采用引导滤波建立引导尺度空间以达到噪声抑制与边缘保持,在特征点提取阶段,由于非线性灰度差异引入相位一致性强度信息,并与尺度空间网格划分相结合,指导筛选图像中均匀特征点的获取;然后在特征描述阶段,引入扩展相位一致性方法计算SAR与可见光图像的一致性梯度幅值和方向,提高了主方向和描述符的准确性;最后利用Optimal-RANSAC进行特征描述符匹配实现有效配准。通过对4组实测图像进行试验及结果分析,证明该算法相比SAR-SIFT与传统ASIFT算法具有更准确的配准精度。     

星载SAR图象斑点噪声消除方法效果的比较研究

星载（ＳＡＲ）图象一般都存在相干斑点噪声，严重干扰地物信息的提取与ＳＡＲ图象的应用效果，因此斑点噪声的消除问题引起微波遥感科技工作者的普遍关注，先后有多位学者提出各种不同的处理方法，其中最为常用的有均值平滑滤波、中值平滑滤波、Ｆｒｏｓｔ自适应滤波、Ｌｅｅ自适应滤波以及近期由Ｐ．Ｖ．ＮａｒａｓｉｍｈａＲａｏ等人提出的改良Ｋ－均值自适应滤波等方法。本文分析了这几种方法的数学基础，并选择了有代表性的实验区开展对比试验，结果表明：改良Ｋ－均值自适应滤波法效果最佳。     

基于交互式分割技术和决策级融合的SAR图像变化检测

为免去去除斑点噪声的预处理操作及克服选择分布模型的限制,本文结合差异图的特点和一种不涉及分布模型的交互式分割方法,产生不同“种子点”下的变化检测结果后,再利用投票策略对其进行决策级的融合给出最终的变化检测结果。分割中,将每个像素的特征设为差异图及由静态小波变换分解差异图再丢弃高频系数后重构得到的各层表示中,其对应位置上的灰度值构成的矢量。此特征及决策级融合的策略使本文的变化检测技术对SAR图像中的斑点噪声具有一定的鲁棒性。在无需对SAR图像做预处理的情况下,对真实SAR图像数据集的变化检测结果,其效果优于其他相关技术的。     

3维块匹配小波变换的极化SAR非局部均值滤波

极化合成孔径雷达(SAR)图像受相干斑噪声的影响,难以很好地保持结构特性,针对这个问题提出了一种采用3维块匹配小波变换的非局部均值滤波算法NL-3DWT(Nonlocal Filter based on 3-D Patch Matching Wavelet Transform)。该算法使用块匹配的3维非抽样小波变换对极化总功率图进行预滤波,在此基础上使用边界对齐窗提取结构相似像素,同时使用Sigma范围选择极化SAR数据的散射相似像素,共同构成相似像素集合;构建结构保持权重函数增大图像结构信息在块相似性度量时的权重,最终实现极化SAR图像结构保持的相干斑抑制。该算法增强了图像结构特征的表达,提高了结构相似像素选择的准确性,机载极化SAR数据实验结果表明,NL-3DWT算法能够在抑制相干斑噪声的同时,更有效地保持极化SAR图像的结构特性和极化散射特性。     

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。     

综合多特征的极化SAR图像随机森林分类算法

为抑制相干斑噪声对极化SAR图像分类结果的干扰,本文提出一种综合多特征的极化SAR图像随机森林分类方法。该方法首先利用简单线性迭代聚类(SLIC)算法生成超像素作为分类单元;然后,基于高维极化特征图像,利用训练好的随机森林模型,统计决策树的分类投票数,计算各超像素的类别概率;最后,利用超像素间的空间邻域特征,采用概率松弛算法(PLR)迭代修正超像素的类别后验概率,并依据最大后验概率(MAP)准则得到分类结果;实现综合利用超像素和空间邻域特征,降低相干斑噪声干扰的极化SAR图像分类方法。实验对比结果表明:本文方法能得有效抑制极化SAR图像中相干斑噪声的干扰,得到高精度且光滑连续的分类结果。     

一种适用于SAR图像边缘检测的序贯算法

提出了一种用于检测SAR图像上阶跃性边缘的序贯算法。由于SAR图像上存在大量的光斑噪声而使图像质量受到严重影响，而光斑噪声属于乘性噪声，不服从高斯分布，因此常用的图像处理方法难以取得好的效果。文中首先根据光斑噪声模型，自动确定图像中高反差部分，然后采用具有高抗噪性能的边缘检测算子，进行边缘提取。实验证明该算法明显提高了特征提取速度，同时具备良好的抗噪声能力。     

SAR image despeckling with a multilayer perceptron neural network

Speckle noise in synthetic-aperture radar (SAR) images severely hinders remote sensing applications; therefore, the appropriate removal of speckle noise is crucial. This paper elaborates on the multilayer perceptron (MLP) neural-network model for SAR image despeckling by using a time series of SAR images. Unlike other filtering methods that use only a single radar intensity image to derive their parameters and filter that single image, this method can be trained using archived images over an area of interest to self-learn the intensity characteristics of image patches and then adaptively determine the weights and thresholds by using a neural network for image despeckling. Several hidden layers are designed for feedforward network training, and back-propagation stochastic gradient descent is adopted to reduce the error between the target output and neural-network output. The parameters in the network are automatically updated in the training process. The greatest advantage of MLP is that once the despeckling parameters are determined, they can be used to process not only new images in the same area but also images in completely different locations. Tests with images from TerraSAR-X in selected areas indicated that MLP shows satisfactory performance with respect to noise reduction and edge preservation. The overall image quality obtained using MLP was markedly higher than that obtained using numerous other filters. In comparison with other recently developed filters, this method yields a slightly higher image quality, and it demonstrates the powerful capabilities of computer learning using SAR images, which indicate the promising prospect of applying MLP to SAR image despeckling.     

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。     

SAR影像与光学影像的高斯伽玛型边缘强度特征匹配法

提出了一种基于影像边缘强度图描述的SAR影像与光学影像匹配方法。首先对影像进行粗纠正,消除影像之间的尺度和旋转变化;其次,改进相位一致性特征检测方法,提取对影像相干斑噪声稳健的特征点;然后基于高斯伽玛型双边窗口比值算子计算影像边缘强度图,在此基础上构造不变特征描述符;最后联合几何约束条件,实现SAR影像与光学影像匹配。试验结果证明,与现有方法相比,本文方法能够大幅提高SAR影像与光学影像匹配结果中的正确匹配特征数量以及影像配准精度。     

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。     

一种基于正则化方法的SAR图像边缘检测算法

提出了一种基于正则化方法的SAR图像边缘检测算法,并用MSTAR(moving and stationary target acquisitions and recognition)数据进行大量的仿真实验。实验表明,与经典的边缘检测方法相比,该方法能保持图像的细节特征,较好地解决了边缘断裂和抗噪问题,具有较好的边缘检测能力。