移不變抗混疊多尺度幾何分析及其在SAR圖像處理中的應(yīng)用.pdf

1、SAR圖像因受成像過程中諸多客觀因素的影響，不可避免存在復(fù)雜噪聲、模糊退化和缺乏光譜信息等問題。本論文以研究項目的實際應(yīng)用需求為牽引，致力于利用濾波器組的移不變性和抗混疊性理論，探索構(gòu)造新的具有移不變性和抗混疊性能的Ridgelet變換、Curvelet變換和Contourlet變換，并應(yīng)用于SAR圖像處理，以進(jìn)一步提高和改善SAR圖像質(zhì)量。論文主要研究內(nèi)容是：
　　 (1)對Ridgelet變換、Curvelet變換和Cont

2、ourlet變換的移變性和頻譜混疊缺陷進(jìn)行了研究。
　　 由于移變性和頻譜混疊缺陷，造成眾多多尺度幾何分析方法在圖像去噪、復(fù)原和融合領(lǐng)域內(nèi)并沒有表現(xiàn)出應(yīng)有的能力，反而在重構(gòu)圖像中出現(xiàn)“環(huán)繞劃痕”和“嵌入污點”等現(xiàn)象。論文通過詳細(xì)研究Ridgelet變換、Curvelet變換和Contourlet變換的構(gòu)造原理，指出因Radon變換過程中采樣不足導(dǎo)致的頻譜混疊被隨后缺乏平移不變性的離散小波變換放大，從而造成Ridgelet變換整體

3、上缺乏平移不變性和抗混疊性；而a trous算法的二進(jìn)插零方式使濾波器寬度增幅過快導(dǎo)致邊界發(fā)生畸變，這種畸變被隨后缺乏移不變和抗混疊性的Ridgelet變換進(jìn)一步加強，從而造成Curvelet變換缺乏移變性和抗混疊性；構(gòu)成Contourlet變換的拉普拉斯塔型變換(LP)中兩個低通濾波器不滿足Nyquist抽樣定律，導(dǎo)致方向濾波器組(DFB)的楔形頻域劃分頻譜混疊加劇，并且Contourlet變換整體上缺乏平移不變性，使頻域混疊進(jìn)一步惡

4、化，從而導(dǎo)致重構(gòu)圖像中存在嚴(yán)重的“劃痕”現(xiàn)象。
　　 (2)提出并實現(xiàn)了具有移不變性和抗混疊性能的Ridgelet變換、Curvelet變換和Contourlet變換，初步形成了移不變抗混疊多尺度幾何分析理論框架。
　　 論文研究了濾波器組的移不變性和抗混疊性理論，分析了具有平移不變特性和抗混疊特性的雙樹復(fù)小波變換(DCWT)的獨特構(gòu)造原理。在此研究基礎(chǔ)上，論文通過對圖像插值補零以提高頻域采樣率，并用一維DCWT代替一維

5、離散小波變換，從而構(gòu)造出新的復(fù)數(shù)Ridgelet變換；采用二維DCWT和復(fù)數(shù)Ridgelet變換分別代替原Curvelet變換中的a trous算法和Ridgelet變換，從而構(gòu)造出新的復(fù)數(shù)Curvelet變換。論文在研究控向金字塔變換構(gòu)造原理的基礎(chǔ)上，提出一種新的移不變抗混疊塔式分解。同時，借鑒DCWT的雙樹構(gòu)造原理，構(gòu)造出具有雙樹結(jié)構(gòu)的復(fù)數(shù)DFB，并把它與移不變抗混疊塔式分解相結(jié)合，構(gòu)造出新的移不變抗混疊Contourlet變換(S

6、INACT)。實驗結(jié)果表明，相比它們各自原有的形式，雖然復(fù)數(shù)Ridgelet變換、復(fù)數(shù)Curvelet變換和SINACT具有較大的冗余度，但它們能有效克服重構(gòu)圖像中出現(xiàn)的“環(huán)繞”、“劃痕”和“嵌入污點”等缺陷，在圖像去噪、恢復(fù)和融合等應(yīng)用領(lǐng)域內(nèi)，具有非常鮮明的理論優(yōu)勢和應(yīng)用前景。
　　 (3)研究了SINACT的系數(shù)統(tǒng)計模型，提出并實現(xiàn)了SINACT域混合統(tǒng)計模型SAR圖像斑點噪聲抑制算法。
　　 論文在分析SAR圖像斑

7、點噪聲產(chǎn)生的機理及其特征的基礎(chǔ)上，研究了SINACT域系數(shù)的邊緣統(tǒng)計分布和層間聯(lián)合統(tǒng)計分布特性，并提出了SINACT域混合統(tǒng)計模型的SAR圖像斑點噪聲抑制方法。研究工作表明，SINACT變換域信號系數(shù)的邊緣分布具有非高斯、高峰度和長拖尾等特點，且符合廣義高斯分布；并指出SINACT域?qū)娱g信號系數(shù)的相關(guān)性可以采用非高斯雙變量模型來刻畫，但是，在尺度較小(1或2)的方向子圖中，噪聲系數(shù)幅值衰減不大，表現(xiàn)出較強的假尺度間相關(guān)性，為此，提出在方

8、向子圖局部鄰域內(nèi)，采用具有強局部相關(guān)性的零均值高斯模型對含噪系數(shù)進(jìn)行估計，以減少非高斯雙變量分布模型在小尺度下放大噪聲的風(fēng)險。去噪實驗表明，本文去噪算法在有效抑制SAR圖像斑點噪聲的同時，對圖像邊緣和細(xì)節(jié)具有較好的保護(hù)能力。
　　 (4)在國內(nèi)外率先展開SAR圖像的盲復(fù)原研究。
　　 通過對SAR圖像降質(zhì)因素的分析，創(chuàng)造性提出了SAR圖像的組合降質(zhì)模型和相應(yīng)的復(fù)原流程。采用對數(shù)直方圖檢驗方法，研究了自然圖像頻域系數(shù)的高斯

9、尺度混合(GSM)分布特點，指出高斯尺度矢量的邊緣分布和對尺度因子的條件分布分別符合廣義高斯分布和零均值高斯分布。在此基礎(chǔ)上，提出了基于SINACT域GSM的圖像退化模型，并結(jié)合迭代盲反卷積算法(IBD)對傳遞函數(shù)的有效估計，實現(xiàn)了SAR圖像的盲復(fù)原。實驗結(jié)果表明，對于降質(zhì)因素復(fù)雜且降質(zhì)嚴(yán)重的SAR圖像，本論文提出的降質(zhì)模型和對應(yīng)的復(fù)原流程，以及復(fù)原算法取得了較好的復(fù)原效果。
　　 (5)提出并研究了SAR圖像與多光譜遙感圖像的

10、融合算法。
　　 針對SAR圖像缺乏光譜信息的缺陷，充分利用SINACT的平移不變性和抗混疊性的優(yōu)勢，對多光譜圖像經(jīng)HIS空間變換分離出的I分量子圖和SAR圖像分別進(jìn)行SINACT，并對低頻系數(shù)和高頻系數(shù)分別按取大值(或求平均)和鄰域一致性測度的局部自適應(yīng)方法進(jìn)行系數(shù)融合，并對經(jīng)逆SINACT得到的圖像代替原多光譜圖像分解的I分量子圖，再經(jīng)HIS反變換得到最終的融合圖像。實驗結(jié)果表明，本論文提出的融合方法，在視覺效果上能很好保留