基于非局部均值滤波的SAR图像去斑

论文摘要

SAR特殊的成像机制导致图像相干斑噪声的产生,使得图像信噪比下降,为目标识别和特征提取研究造成困难,因此去除相干斑噪声的预处理是一个不可缺少的过程。本文利用非局部均值滤波算法对SAR图像去斑进行了一定的研究工作。(1)分析非局部均值滤波的算法思想,提出了适合SAR图像乘性相干斑噪声模型的基于分类的非局部均值去斑算法。该算法采用比值算子检测算法将SAR图像像素按点、线、边缘和面进行分类,根据分类结果采用不同策略的非局部均值滤波进行去斑。同时,针对SAR图像中线与边缘的多方向特性,利用方向信息提出一种具有旋转不变性的相似度计算方法。该方法可以搜索得到更多的相似像素,有利于获得更稳健的估计。(2)针对比值算子检测算法的不足,提出了新的检测算法。该模板具有固定窗口尺寸和统一的门限,而且具有更多的方向信息,因此能够以较小的计算代价获得更优的性能。实验证明本文算法在保证检测到的线和边缘目标连贯的同时,检测到的错误线或边缘相对于比值检测算法要少。(3)从非局部均值算法中的相似性度量公式出发,提出了新的像素点相似性的度量方法。通过已知的观测灰度值和噪声标准差,该方法可以计算出像素邻域间的真实灰度距离。该算法克服了现有SAR图像去斑结果中细节保持与平滑程度的矛盾问题,而且该算法操作简单,易于实现。本文工作得到了国家自然科学基金(No.6050510、60702062)的支持。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 SAR图像去斑研究背景和意义
• 1.2 SAR图像去斑技术研究发展现状
• 1.2.1 空域滤波技术
• 1.2.2 频域滤波技术
• 1.2.3 SAR图像去斑技术发展中的问题
• 1.3 论文的主要工作和安排
• 第二章 SAR图像去斑的基本原理和算法
• 2.1 SAR图像噪声特征
• 2.1.1 SAR成像原理
• 2.1.2 相干斑噪声的产生机理
• 2.1.3 相干斑噪声模型
• 2.2 传统SAR图像滤波方法
• 2.2.1 Lee滤波
• 2.2.2 Kuan滤波
• 2.2.3 Gamma MAP滤波
• 2.2.4 增强Lee滤波和增强Gamma MAP滤波
• 2.2.5 统计类滤波中存在的主要问题
• 2.2.6 频域滤波
• 2.3 本章小结
• 第三章 基于分类策略的SAR图像非局部均值去斑
• 3.1 非局部均值算法
• 3.2 基于分类的非局部均值去斑原理
• 3.3 比值算子检测算法
• 3.3.1 点目标检测
• 3.3.2 线结构检测
• 3.3.3 边缘检测
• 3.3.4 面目标检测
• 3.4 旋转不变性
• 3.5 算法步骤
• 3.6 实验结果及分析
• 3.6.1 相似度及旋转不变性
• 3.6.2 目标检测结果
• 3.6.3 去斑结果
• 3.7 本章小结
• 第四章 基于模板的SAR图像目标分类方法及去斑应用
• 4.1 基于模板的目标分类方法
• 4.1.1 点目标检测
• 4.1.2 线目标检测
• 4.1.3 边缘检测
• 4.1.4 面目标检测
• 4.2 算法步骤
• 4.3 实验结果
• 4.3.1 分类结果比较
• 4.3.2 合成图像去斑结果
• 4.3.3 真实SAR图像去斑结果
• 4.4 本章小结
• 第五章 基于新距离度量的非局部均值去斑
• 5.1 图像相似度度量
• 5.1.1 自然图像相似度计算
• 5.1.2 SAR图像相似度计算
• 5.1.3 SAR图像相似度度量的优越性
• 5.2 算法步骤
• 5.3 实验结果
• 5.4 本章小结
• 第六章 总结与展望
• 6.1 本文总结
• 6.2 展望
• 致谢
• 参考文献
• 作者在读期间的研究成果