顾及目标异质性的极化SAR图像非局部均值滤波

相干斑抑制是极化合成孔径雷达(Pol SAR)图像分析的重要预处理步骤。为了更好地抑制极化SAR图像中的相干斑,本文综合目标的异质性和结构信息,提出基于目标异质性的非局部均值滤波方法。首先利用K分布距离度量目标的异质性,并以异质性为基础,保留图像中的点、线等高异质性目标;然后计算图像块之间的异质性差异,最后将其作为度量非局部均值加权滤波像元相似性的权重系数,实现对Pol SAR图像的相干斑抑制。实验对比结果表明:本文方法能够有效地抑制相干斑,同时对细节信息和极化信息也具有良好的保持性,能够为后续的图像应用提供支持。     

结合相似块匹配及线性最小均方误差滤波器的全极化雷达影像去噪

针对全极化合成孔径雷达Pol SAR(Polarimetric Synthetic Aperture Radar)影像相干斑噪声严重的问题,提出了一种结合相似块匹配和线性最小均方误差原理的去噪方法。该方法首先在原始影像上实现相似块组的匹配,进而利用线性最小均方误差滤波器对影像块组进行滤波得到初始去噪结果;然后,同时利用原始影像和初始去噪影像的信息进行相似块组的重新匹配,并再次利用线性最小均方误差原理对重匹配影像块进行去噪,得到影像最终的去噪结果。利用模拟的Pol SAR影像和高分三号卫星Pol SAR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。     

单视全极化SAR图像快速非局部均值滤波

非局部均值已应用到极化SAR图像滤波领域,但传统滤波方法的多视处理降低了图像分辨率,且计算量巨大,严重制约了滤波效能。本文针对单视全极化SAR的特点,提出了一种快速非局部均值滤波算法。首先,按照多视求权、单视重构的思路,结合KL(Kullback-Leible divergence)散度重构了新的非局部均值模型;然后,利用积分图设计了新模型的快速实现;最后,用Radarsat-2全极化SAR数据进行了验证。实验结果表明,新算法改善了滤波效果,同时大幅提高了运算效率。     

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。     

PolSAR相干斑抑制中的非局部均值滤波研究进展

为促进非局部均值滤波在PolSAR相干斑抑制技术领域的应用与发展,首先简要阐述了非局部均值滤波的基本理论;然后系统梳理了非局部均值在PolSAR相干斑抑制处理中应用的历史沿革,最后深入探讨了现有研究工作的不足之处及其解决之道,为该方向进一步开展研究工作提供有益参考。     

改进的多视PolSAR非局部均值滤波算法

像素点间相似性度量是非局部均值滤波算法的关键所在。从信息论角度出发,提出了一种改进的多视Pol SAR非局部均值滤波方法。该算法在综合分析各类矩阵测度基础上,选定Kullback-Leibler距离作为最优相似度量,结合多视极化相干矩阵服从复Wishart分布,给出了极化相干矩阵的KL距离,并在预处理中应用了极化旋转。实验结果表明,改进方法能够在保持边缘细节的同时有效抑制相干斑。     

改进的多视PolSAR非局部均值滤波算法

像素点间相似性度量是非局部均值滤波算法的关键所在。从信息论角度出发,提出了一种改进的多视Pol SAR非局部均值滤波方法。该算法在综合分析各类矩阵测度基础上,选定Kullback-Leibler距离作为最优相似度量,结合多视极化相干矩阵服从复Wishart分布,给出了极化相干矩阵的KL距离,并在预处理中应用了极化旋转。实验结果表明,改进方法能够在保持边缘细节的同时有效抑制相干斑。     

联合非局部均值与小波域维纳滤波的去噪方法

针对传统小波阈值与维纳滤波方法对合成孔径雷达(synthetic aperture radar,SAR)影像去噪后效果不太理想的情况下,提出了一种基于非局部均值与小波域维纳滤波联合的SAR影像相干斑抑制方法。首先,对SAR影像进行小波分解,将影像及噪声引入到小波域中;然后,对分解出的低频部分进行非局部均值处理,高频部分进行维纳滤波;最后,对处理后的低频和高频部分进行小波重构,得到去噪后的影像。实验结果表明,所提的去噪方法不仅能够有效去除相干斑噪声,而且较好地保持了图像的纹理结构等信息。与传统的小波阈值与维纳去噪方法相比,在等效视(ENL)数、峰值信噪比(PSNR)和结构相似性(SSIM)指标上有明显改善。     

利用ICA算法进行全极化SAR影像滤波研究

提出了一种基于ICA算法的全极化SAR的滤波方法。首先对全极化SAR的四通道dB强度影像进行ICA变换,分离出信号及噪声分量,将噪声设为极小值,然后利用混合矩阵混合得到滤除噪声后的强度影像,结合原始相位信息,计算滤波后的散射矩阵。采用Foulum地物的EMISAR数据进行试验,并采用相干斑指数、均方差指数、边缘保持系数以及极化相关系数进行评价。结果表明,该方法不但能有效滤除影像的噪声,在边缘等细节信息保持上也具有较大优势。此外,滤波后影像虽散射特性发生改变,但维持了地物间的差异,在基于统计特性的精细分类、边缘信息及小目标检测方面仍具有较好的应用潜力。     

局部均值分解的新小波阈值去噪法及其应用

为了克服小波硬、软阈值函数本身存在的缺点,该文在硬、软阈值函数的基础上,提出一种新的小波阈值函数,并且基于局部均值分解的原理,构造了基于局部均值分解的新小波阈值去噪法。仿真数据对比分析表明,与单纯采用小波阈值去噪法、经验模态分解(EMD)滤波去噪法及局部均值分解滤波去噪法相比,该文方法的去噪效果更好,可有效提高信号的信噪比。利用本文方法对液体静力水准仪获取的高速铁路某桥梁实际监测数据进行去噪处理,结果表明去除监测数据中噪声的同时亦可保留变形细部特征。该文方法可为工程中的非线性、非平稳监测数据去噪提供参考和借鉴。     

四分量散射模型在极化SAR相干斑滤波中的应用

在分析四分量极化散射理论基础上,提出了一种新的极化SAR数据相干斑滤波算法。该算法首先应用四分量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;然后采用极化特征和空间特征的相似性度量,在滤波窗口内选取中心像素的同质区;最后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。AIRSAR系统L波段极化SAR数据的实验结果表明,该算法不仅可有效抑制相干斑,而且对极化和边缘等细节信息也有较好的保持。     

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。     

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。     

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。     

基于最优极化相干系数的倾斜建筑物解译研究

基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物(简称为倾斜建筑物)常被分为体散射类型,使得该类建筑物往往被误分为植被。通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberp-faffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行试验,证明该方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。     

引入规范化圆极化相关系数的保持极化散射特性的分类算法

极化SAR三分量分解中,和SAR视线不垂直的人工建筑物常被分为体散射类型,进而引起建筑物和森林的误分类。针对此不足,利用此类建筑物的反射非对称性,提出了一种引入规范化圆极化相关系数(NC-CC)的保持极化散射特性的分类算法。实验结果表明,本文提出的方法能够将与SAR视线不垂直的人工建筑物从体散射类型中分离出来。