基于稀疏表示的SAR圖像降噪算法研究.pdf

1、合成孔徑雷達(Synthetic Aperture Radar，SAR)圖像在軍用和民用領域都有著十分廣泛的應用。但SAR圖像在成像的過程中，由于其散射回波的相干作用導致了SAR圖像中存在相干斑噪聲，這嚴重影響了圖像的質量。為了提高SAR圖像的質量，不僅要對SAR圖像的相干斑噪聲進行抑制，還要有效地保持圖像邊緣和紋理等細節(jié)信息，因為圖像的邊緣和紋理信息對于圖像的理解和解譯也是至關重要的。本文在研究了字典學習算法以及圖像融合技術在SAR圖

2、像斑點噪聲抑制上的應用的基礎上，提出了多字典融合的SAR圖像降噪算法，不僅從理論上解釋該算法的可行性，還從實驗上證明了該算法的有效性。本文的主要研究工作包含在以下三個方面：
　　(1)由于在SAR圖像成像時，地物目標的復雜性會導致SAR圖像的模型沒有確定性，傳統(tǒng)的去噪方法一般基于的模型比較固定，所以難以有效地抑制SAR圖像的相干斑噪聲，SAR圖像的多尺度幾何分析為相干斑的抑制提供了新的方法。Contourlet變換具有多尺度、多方

3、向特性，能夠有效地幾何表示二維圖像或更高維的圖像。但Contourlet變換的拉普拉斯金字塔濾波器和帶通濾波器對分解的帶通圖像在奇異點附近會產生震蕩現象，影響了降噪效果，所以本文進一步研究了平移不變的Contourlet變換(Translation-Invariant Contourlet Transform，TICT)在SAR圖像降噪中的應用。實驗表明該算法有效抑制了噪聲，并在一定程度上減輕了偽Gibbs現象，增加了圖像的清晰度。

4、r>　　(2)由于字典學習算法相比于傳統(tǒng)的圖像去噪算法，在圖像降噪的同時保持圖像細節(jié)信息的能力較好，因此本文詳細介紹了稀疏表示原理和字典學習算法，在此基礎上，又詳細研究了K-SVD(Singular Value Decomposition)和非參數貝葉斯兩類字典學習算法在SAR圖像降噪中的應用。實驗結果表明這兩類字典學習算法在保持了SAR圖像的邊緣等細節(jié)信息上效果很好，而且也能很好地抑制斑點噪聲。
　　(3)在詳細研究了Conto