基于小波理论的SAR图像压缩算法研究

论文摘要

合成孔径雷达(SAR)是一种主动式的微波成像系统,可安装在飞机、卫星等飞行平台上,全天时、全天候地实施对地观测,并具有一定的地表穿透能力,在军事和民用建设中发挥了巨大作用。通常SAR图像分辨率较高,成像范围较大,数据量高,因此如何有效地对其进行压缩,降低数据量,以利于存储和传输便成为SAR图像处理中的一个关键问题,具有重要的理论意义和应用价值。围绕着SAR图像的特点,本论文重点研究了小波域的SAR图像编码算法,主要包括以下内容:首先,论文对SAR图像特性做了较深入的理论分析。第一是受乘性相干斑噪声的影响,SAR图像数据相关性小,信息熵高;第二是SAR图像上既有细节纹理信息又有大量均匀区域,这样就有必要考虑减少均匀区域的编码比特数;第三是SAR图像数据的动态范围很高。SAR图像与光学图像之间的这些差异意味着将光学图像的编码算法用于SAR图像压缩并不一定是最优的,需要结合SAR图像特点设计相应的编码算法。接着,针对SAR图像空间相关性低,论文研究了基于小波变换的SAR图像编码算法。基于后续SAR图像应用前多进行相干斑去噪的预处理,论文在多级树集合分裂(SPIHT)编码算法基础之上,结合空间树结构(SOT)进行相干斑去噪后再编码,改善了重建图像质量;提出了结合小波树构建矢量进行量化、编码的SAR图像压缩,去除了空间矢量量化的块效应,实现了大压缩比下SAR图像压缩;最后,针对SAR图像的目视判读,在小波域引入人类视觉系统(HVS),对人眼认为重要的信息进行加权,去除了编码中的视觉冗余,改善了重建SAR图像的主观视觉质量。然后,论文研究了基于多小波变换的SAR图像压缩。大多数单小波无法同时兼顾正交性和对称性,而多小波能同时满足对称性、紧支性、消失矩和正交性的要求,在信号处理方面比单小波更有优势。针对多小波分解系数的特点,提出了基于多小波的改进SPIHT算法用于SAR图像压缩,获得了优于传统SPIHT编码算法的重建图像质量。同时,探讨了在多小波域编码前进行改进的软阈值相干斑去噪,抑制相干斑噪声的同时尽量保持图像边缘信息,实现了多小波域去噪和编码相结合,改善了图像重建质量,两幅测试图像的重建峰值信噪比分别提高了1.5dB和1.0dB。最后,针对SAR图像含有丰富的纹理信息,论文研究了基于小波包分解的SAR图像压缩。SAR图像的纹理信息多分布于中、高频子带。小波变换只对图像的低频子带进行分解,而小波包变换对图像的高频子带也进行分解,能够更好的与信号能量分布情况进行匹配。因此,论文研究了小波包分解最优基选取的代价函数设计问题,提出与后续编码算法结合的量化比特数作为代价函数,并根据子带能量分布特性进行重要性加权,实现了非均匀量化,更好地保留了SAR图像的纹理信息。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景和来源
• 1.1.1 课题背景及研究的目的意义
• 1.1.2 SAR发展现状
• 1.1.3 课题来源
• 1.2 SAR图像压缩技术发展综述
• 1.2.1 基于预测的SAR图像压缩
• 1.2.2 基于矢量量化的SAR图像压缩
• 1.2.3 基于变换的SAR图像压缩
• 1.2.4 小波域的SAR图像压缩
• 1.3 论文的主要研究内容和结构安排
• 1.3.1 论文的主要研究内容
• 1.3.2 论文结构
• 第2章 SAR图像特性分析
• 2.1 引言
• 2.2 SAR图像介绍
• 2.3 SAR图像统计模型
• 2.3.1 单视SAR图像统计模型
• 2.3.2 多视SAR图像统计模型
• 2.4 SAR图像的空间相关性分析
• 2.5 SAR图像相干斑噪声分析
• 2.6 SAR图像动态范围分析
• 2.7 SAR图像的信息量分析
• 2.8 本章小结
• 第3章 基于小波变换的SAR图像压缩
• 3.1 引言
• 3.2 小波变换基本理论
• 3.2.1 连续小波变换
• 3.2.2 多分辨率分析
• 3.2.3 正交小波变换
• 3.2.4 双正交小波变换
• 3.2.5 小波变换与图像压缩
• 3.3 多级树集合分裂算法
• 3.4 基于小波空间树结构的SAR图像压缩
• 3.4.1 SOT去噪
• 3.4.2 实验结果分析
• 3.5 基于小波矢量树的SAR图像压缩
• 3.5.1 小波系数特性分析和小波矢量树编码
• 3.5.2 实验结果分析
• 3.6 基于人类视觉模型的SAR图像压缩
• 3.6.1 人类视觉模型分析
• 3.6.2 实验结果分析
• 3.7 本章小结
• 第4章 基于多小波变换的SAR图像压缩
• 4.1 引言
• 4.2 多小波变换基本理论
• 4.2.1 多小波变换的多分辨率分析
• 4.2.2 多小波的Mallat算法
• 4.2.3 多小波基本性质
• 4.2.4 多小波预滤波
• 4.3 结合SPIHT算法改进的多小波SAR图像压缩
• 4.3.1 实验中选用的多小波及其滤波器组
• 4.3.2 多小波系数编码及实验结果
• 4.4 多小波域去噪和压缩算法
• 4.4.1 改进的多小波域软阈值去噪
• 4.4.2 实验结果分析
• 4.5 本章小结
• 第5章 基于小波包分解的SAR图像压缩
• 5.1 引言
• 5.2 小波包分解基本理论
• 5.2.1 小波包树
• 5.2.2 图像小波包
• 5.3 最优基选取的代价函数设计
• 5.4 小波包系数编码
• 5.4.1 小波包系数特性分析
• 5.4.2 小波包系数重排
• 5.4.3 子带加权函数设计
• 5.4.4 实验结果分析
• 5.5 本章小结
• 结论
• 参考文献
• 攻读学位期间发表的学术论文
• 致谢
• 个人简历