SAR圖像噪聲抑制和局部特征提取.pdf

1、上個世紀九十年代合成孔徑雷達取得長足的發(fā)展，歐洲遙感衛(wèi)星、加拿大雷達衛(wèi)星等各類合成孔徑雷達成像系統(tǒng)陸續(xù)升空，實現(xiàn)了長期持續(xù)地對地球表面的觀測.同時我國的SAR成像系統(tǒng)近年來也得到了越來越廣泛的應用.各類合成孔徑雷達設備獲取了海量的SAR遙感數(shù)據(jù)，如何分析利用這些雷達數(shù)據(jù)和圖像，有效地服務軍事需求和國民經(jīng)濟需要是一個重要的研究課題.隨著SAR成像技術的日臻成熟，SAR圖像的信息處理技術顯得尤為重要.信息處理的一個重要基礎是用信號處理手段改

2、善SAR圖像的質量，更好地為信息提取服務.其中SAR圖像相干斑的抑制是改善圖像質量中一個不可回避的問題，而SAR圖像中感興趣目標的局部方向特征常常包含了重要的信息. 本論文以小波變換為主要工具研究了SAR圖像相干斑的抑制方法，以及SAR圖像中局部方向特征的提取方法。主要的研究內(nèi)容包括以下幾個方面： (1)基于改進匹配濾波器的SAR成像方法.傳統(tǒng)的匹配濾波器是以最大信噪比準則為基礎的，這對于目標檢測是最優(yōu)的.然而，在SAR

3、圖像理解和信息提取中，目標檢測和分辨是同等重要的.借鑒于圖像處理中Canny邊緣檢測的多準則聯(lián)合考慮的思想，在SAR成像的匹配濾波器設計中，我們聯(lián)合考慮了三個方面：a)輸出信噪比；b)濾波器局部約束；c)振蕩最小化從而設計出改進的匹配濾波器用于SAR成像.改進的匹配濾波器在保證較高的輸出信噪比情況下。減小了強散射點附近的Gibbs震蕩，改進了SAR圖像中鄰近目標的分辨效果. (2)小波域SAR圖像相干斑抑制算法SAR圖像斑點噪聲

4、符合典型的乘性噪聲模型，這與傳統(tǒng)的光學圖像中廣泛研究的加性噪聲模型是不同的.本文完成以下幾個方面的工作，提取簡單的Bayesian閾值算法用于去除SAR圖像的斑點噪聲.Bayesian閾值方法的簡單性體現(xiàn)在兩點，一是沒有使用同態(tài)變換來去除SAR圖像的噪聲，另一點是充分利用Bayesian閾值算法的簡單計算方式.小波域系數(shù)常用廣義高斯分布來描述，本文提出使用廣義高斯分布來估計小波系數(shù)方差以實現(xiàn)圖像的雙重維納濾波算法，這里提出一類無偏的方差

5、估計方法。在此基礎上，考慮到SAR圖像背景的多變性，非對稱廣義高斯分布模型被提出以取代原來的廣義高斯分布模型來描述投影域的小波系數(shù)，非對稱廣義高斯分布是廣義高斯分布的擴展分布模型. (3)SAR圖像非線性去噪.在基于小波的SAR圖像去噪算法中，細節(jié)保持和平滑是總是相互沖突。SAR圖像中的強斑點噪聲呈現(xiàn)脈沖特性，因此這些噪聲像素點難以用線性平滑濾波器濾除.眾所周知各類中值濾波算法適合去除脈沖噪聲并能很好地保持像邊緣這樣的細節(jié)結構.

6、這里，我們使用基于局部幾何結構的中值濾波器抑制SAR圖像斑點噪聲.該算法結合了傳統(tǒng)空域Gamma MAP算法和細節(jié)保持的中值算法.首先使用Gamma MAP算法濾波SAR圖像，濾波后的圖像包含一些或“亮”或“暗”而明顯不同于它周圍像素的像素點.這些像素點可能屬于剩余脈沖噪聲或SAR圖像的邊緣.這里，我們使用局部幾何結構來分類脈沖噪聲或細節(jié)像素.中值濾波器濾除脈沖噪聲而細節(jié)點保持不變.實驗結果表明提出的非線性濾波器方法較好地保持了SAR圖

7、像的細節(jié)同時抑制了斑點噪聲. (4)SAR圖像邊緣精確定位與局部方向特征提取算法.斑點噪聲嚴重干擾SAR圖像的邊緣檢測，甚至邊緣定位的準確性.文中認為邊緣位置估計誤差與窗口的形狀有很大關系，進而改進傳統(tǒng)窗口中心邊緣滑窗提出沙漏型窗.方向提取是幾何結構分析的有效途徑，這類算法對普通圖像和光學圖像都是有效的.使用導向濾波器能夠提取圖像任意方向信息，文中從離散的導向濾波器出發(fā)獲得圖像方向信息，并且使用沒有解析表達式的尺度函數(shù)和小波函數(shù)