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。     

SAR图像斑点噪声抑制的本质

合成孔径雷达（SAR）图像的斑点噪声阻碍SAR的应用。在过去20多年中，提出了许多SAR图像去除斑点噪声方法，虽然每种去除斑点噪声方法都能有效去除斑点噪声，但都不同程度地损失了图像的边缘信息，本文首先以数学物理的观点描述了SAR图像斑点噪声抑制问题。其次分析了斑点噪声的统计特性和几种典型的去除斑点噪声方法并进行了简单的比较，在最后研究了SAR图像斑点噪声抑制的本质，这对开发既能有效去除斑点噪声，又能有效保持边缘信息的去除噪声方法十分重要。     

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。     

基于复小波变换的SAR图像斑点滤波方法

斑点噪声的存在使得SAR图像的应用受到较大的限制.文中首先介绍了SAR图像斑点噪声模型以及几种常用的SAR斑点噪声抑制方法;然后对小波变换斑点噪声滤波方法进行分析,提出了基于二元树复小波变换的SAR图像滤波方法.实验比较表明,二元树复小波变换抑制SAR斑点噪声效果明显,较小波变换更具有优越性.     

基于复小波变换的SAR图像斑点滤波方法

斑点噪声的存在使得SAR图像的应用受到较大的限制.文中首先介绍了SAR图像斑点噪声模型以及几种常用的SAR斑点噪声抑制方法;然后对小波变换斑点噪声滤波方法进行分析,提出了基于二元树复小波变换的SAR图像滤波方法.实验比较表明,二元树复小波变换抑制SAR斑点噪声效果明显,较小波变换更具有优越性.     

一种新的SAR图像相干斑抑制算法

合成孔径雷达(SAR)图像会受到相干斑噪声的污染,对SAR图像的后续处理产生了很大影响.提出一种基于快速离散曲波变换(FDCT)抑制合成孔径雷达(SAR)图像相干斑噪声的方法.先通过FDCT把SAR图像变换到曲波域中,得到曲波系数,再应用自适应阈值算法估计不同尺度、不同方位曲波系数的阈值,分别对曲波系数进行硬阈值和软阈值化处理,最后通过FDCT反变换恢复出图像.对单视SAR原始图像进行处理,并与小波去噪方法进行各种量化比较,结果表明,Curvelet滤波器要比Wavelet滤波器效果好,软阈值算法的效果比硬阈值算法好.基于FDCT的SAR图像相干斑去噪,不仅抑制相干斑能力比较强,而且在目标的边缘及纹理信息的保持上也有很大的优势.     

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。     

基于小波域隐马尔可夫树模型的SAR图像去噪

从小波变换和隐马尔可夫模型的理论出发,实现基于小波域隐马尔可夫树模型的图像去噪算法设计,并对具有乘性噪声的SAR图像进行去噪处理。结果表明,与传统的各种去噪方法相比,该算法对SAR图像的去噪效果非常显著,在去噪的同时能够很好地保持原图像的纹理细节特征,具有一定的应用价值。     

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。     

基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法

本文提出了一种基于最大后验和非局域约束的非下采样轮廓波变换域SAR图像去噪方法。根据SAR图像数据的特征,引入了非对数加性模型,并在该模型下对SAR图像NSCT域中的噪声分布统计建模,应用最大后验（MAP）准则和Non-Local（NL）约束相结合的方法解求SAR图像真实信号的NSCT系数。实验结果表明,本方法具有良好的去噪能力并在性能上优于当前主流方法。     

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.     

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。     

区域Gamma混合模型的SAR图像分割

针对传统Gamma混合模型用于SAR图像分割时忽略像素间空间相关性,导致分割结果不连续并产生大量误分割的现象,提出了区域Gamma混合模型的SAR图像分割算法。首先对图像进行分水岭分割,得到过分割区域块,然后将其作为输入样本进行基于Gamma混合模型的聚类,在模型的参数估计过程中进一步考虑区域间的空间相关性,设计邻域因子融入到迭代过程,得到邻域加权类分布概率。该算法充分利用像素间的空间相关性,能够降低噪声对分割结果的影响。通过合成图像和真实SAR图像的实验表明,本文算法能够实现SAR图像的准确分割。     

基于可变形状参数Gamma分布的模糊聚类多视SAR图像分割

针对传统模糊聚类分割算法无法克服合成孔径雷达(synthetic aperture radar, SAR)图像中固有的斑点噪声问题, 提出了一种利用可变形状参数Gamma分布和邻域相关性的模糊聚类分割算法。可变形状参数Gamma分布用于建模多视SAR强度图像的斑点噪声, 并以其负对数作为特征场中像素与聚类间强度的相似性测度模型; 通过马尔可夫随机场(Markov random field, MRF)建立标号场中邻域像素的类属相关性模型; 在模糊聚类框架下, 以上述模型为基础构建模糊目标函数; 在目标函数最小化准则下, 求解最优结果。实验表明, 可变形状参数Gamma分布能够更加准确地拟合同质区域内像素强度的统计直方图。为有效求解包涵在Gamma函数内的形状参数, 采用牛顿迭代算法估计其数值解。对合成和真实多视SAR图像分别进行分割实验, 定性、定量分析的结果验证了本文算法的有效性。     

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。     

Huber–Markov Model for Complex SAR Image Restoration

This letter presents the despeckling of single-look complex (SLC) synthetic aperture radar (SAR) images using nonquadratic regularization. The objective function consists of an image model, a gradient, and a prior model. The Huber–Markov random field (HMRF) models the prior. A numerical solution is achieved through extensions of half-quadratic regularization methods using complex-valued SAR data. The proposed method using the HMRF prior together with nonquadratic regularization shows the superior results on SLC synthetic and actual SAR images.      

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     

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。     

A new metric for measuring structure-preserving capability of despeckling of SAR images

In this paper, a new metric called despeckling structure loss (DSL) is proposed for performance assessment of despeckling algorithms with a focus on the preservation of structural features such as edges and textures. The ratio image of a synthetic aperture radar (SAR) image to its despeckled result can clearly indicate the loss of structural features caused by the despeckling process. By taking into account characteristics of the best and worst structure preservation in despeckling, the DSL metric examines the presence of structural features in ratio images by using local correlations between the ratio image and the noise-free reference image at edge points. The DSL is shown to be a monotonic function of structure loss bounded between the best and worst cases, leading an objective and quantitative measure of the structure-preserving capability of despeckling algorithms. Experimental evaluations of the proposed metric have been carried out on simulated SAR images including one generated by SAR raw signal simulator. Despeckled results using five typical algorithms clearly demonstrate the efficiency of the DSL metric. In comparison, the commonly used despeckling metrics including the signal-to-mean-square error ratio, the edge correlation index, the Pratt’s figure of merit, the structural similarity and the equivalent number of looks of ratio images, fail to keep a consistency with the structure loss shown in despeckled results as well as ratio images.