极化SAR图像相干斑滤波性能评估

针对相干斑抑制能力强弱,对极化白化滤波(PWF)和功率图(Span)两种极化合成孔径雷达(SAR)图像相干斑滤波器进行了性能评估,应用等效视数指标,提出分别在高、中、低灰度均匀区域进行测试的方法,并在ESAR与PiSAR图像上进行了检验。结果表明,在占图像比例较大的中等灰度区域内,使用全局参数时,PWF滤波输出的结果优于Span图像的输出结果,但在占图像比例较小的低灰度区域,由于参数估计不够准确,PWF的滤波结果并不优于Span图像。     

基于多纹理的合成孔径雷达图像相干斑抑制

相干斑抑制是合成孔径雷达 (syntheticapertureradar,SAR)图像后处理的首要问题。在多纹理假设下 ,采用最大似然方法来同时估计多个极化通道纹理参数。该方法保存了极化信息 ,消除了极化通道间的耦合 ,取得了较好的相干斑抑制效果 ;并与极化白化滤波 (polarimetricwhiteningfilter,PWF)和Lee的最优权值算法作了比较     

基于超分辨极化SAR图像的舰船检测算法

极化合成孔径雷达(synthetic aperture radar, SAR)图像超分辨处理具有聚集目标能量,提高图像分辨率,抑制相干斑噪声的能力。扩展了多通道幅度和相位估计(amplitude and phase estimation, APES)谱估计算法,并以此实现了极化SAR图像的超分辨处理。运用基于K分布的单极化检测器和基于SPAN、PWF的全极化检测器对实测SAR图像进行了舰船检测。通过分析超分辨极化SAR图像杂波统计分布、弱小目标检测性能、目标区域区分精度、目标轮廓及拓扑结构提取效果等,验证了基于多通道APES谱估计的超分辨极化SAR图像的舰船检测性能。     

基于Kirsch方向模板的SAR相干斑噪声抑制方法

提出一种抑制SAR相干斑噪声的加权平滑滤波方法。该方法利用 8个 3× 3的Kirsch方向模板分别与SAR图像进行卷积运算 ,取其中的最大值作为窗口中心像素的边缘强度值 ,中心像素灰度值的滤波输出为它的 8个邻域像素灰度值的加权平均 ,加权系数为每个像素的边缘强度值。给出了滤波核方程的推导过程 ,分析了滤波原理。将该方法用于SAR图像相干斑噪声抑制 ,并与Lee滤波器的去斑效果进行了比较。实验结果表明 ,该方法具有良好的抑制相干斑噪声效果和较强的边缘保持能力。     

基于多级分类的极化SAR图像斑点抑制

针对极化合成孔径雷达（polarimetric synthetic aperture radar, PolSAR）图像相干斑抑制后的目标极化特性和结构特征保持问题,给出了一种多级分类的极化SAR图像斑点抑制方法。首先利用H/α快速分解法并结合极化总功率图像进行初分类,之后采用最小距离准则和聚合的层次聚类方法进行细分类,最后根据图像结构将图像内容分为亮点线目标、暗线目标和其他目标三大类,利用线性最小均方滤波器对暗线目标和非点线目标进行滤波。采用美国AIRSAR机载系统获取的实测数据进行实验,结果表明,与Lee的基于散射模型降斑算法相比,本文算法不仅能够更有效地抑制斑点噪声,而且在保持极化特性、结构和纹理特征方面更为有效。     

一种新的SAR相干斑抑制方法

研究了SAR相干斑统计特性和中值滤波的不足之处,阐述了加权中值滤波器的原理,并在此基础上针对SAR图像的特点提出了一种自适应优化加权中值滤波算法,该算法抑制SAR图像相干斑噪声时能够尽可能保持所需细节,达到了图像噪声和细节保持的最佳平衡.实际图像的测试结果表明了所提方法的有效性.     

一种基于局域自适应处理的SAR图像降斑算法

合成孔径雷达(SAR)图像所固有的相干斑噪声严重降低了图像的可解译程度,影响了对图像中的目标进行检测和识别,因此SAR图像的相干斑抑制一直是SAR图像应用的重要课题。提出了一种基于局域自适应处理的SAR图像降斑算法,算法根据区域像素点的分布特征自适应调整滤波窗口的大小,在均匀的背景杂波区域内增大滤波窗口来抑制斑点噪声,在包含目标的细节区域内减小滤波窗口,同时采用自适应阈值选择部分像素参加滤波的方法,以便在有效降斑的同时保持边缘和目标细节,最后通过对实际数据的处理验证了算法的有效性。     

基于自适应非局部均值的SAR图像相干斑抑制

针对在利用非局部均值方法对合成孔径雷达(synthetic aperture radar, SAR)图像降斑时,存在的图像块相似性度量不准确、鲁棒性不高等问题,提出了一种基于自适应非局部均值的SAR图像相干斑抑制方法。首先,定义平滑度以刻画图像不同区域的纹理复杂程度,并设计自适应匹配函数,自适应地确定图像块和搜索窗口的大小,以提高块相似性度量的准确性,并在此基础上提出了自适应非局部均值算法框架。然后,利用Gabor滤波器对图像块的相似性进行度量,以增强块相似性度量的鲁棒性,并以所提框架为依据,设计了基于Gabor滤波器的自适应非局部均值算法。实验结果表明,所提算法不仅能够有效去除相干斑噪声,而且较好地保持了图像的纹理、边缘、点目标等信息,为后期SAR图像的理解与解译奠定了良好的基础。     

基于融合距离的极化SAR图像非局部均值滤波

在极化合成孔径雷达(synthetic aperture radar, SAR)图像降噪领域,常见的非局部均值滤波仅依靠像素间的统计距离进行相似性度量,忽略了像素点的空间信息。本文结合极化SAR数据统计特性和图像空间特征作为像素间的相似性度量,提出了一种利用融合距离来计算相邻窗口权重的方法——基于融合距离的非局部均值滤波器。融合距离的引入使得滤波器能够更全面的评估像素间的相似性,从而得到更合适的像素权重。此外,本方法还引进变异系数对邻域窗口的权重进行评估,通过该参数可以控制滤波的程度。在多幅极化SAR图像上的实验结果表明,所提出的滤波器能够在有效抑制斑点噪声的同时保留较为完整的图像边缘信息和极化散射特性。     

相干斑噪声背景下的SAR图像分类方法研究

研究了相干斑噪声抑制对合成孔径雷达 (SAR)图像分类的影响。分别采用Kuan自适应滤波和小波变换软门限滤波两种方法进行了相干斑噪声抑制 ;对于SAR图像的分类则采用了图像的灰度以及基于灰度级共生矩阵的 4种纹理特征 ,并利用最大似然分类器进行了监督分类。处理结果表明 ,相干斑噪声的抑制尽管可以提高SAR图像的质量 ,但是由于在相干斑噪声得到抑制的同时 ,地物的固有结构信息也受到损失 ,因此分类精度提高甚微 ,在某些情况下甚至有所下降。针对这种情况 ,提出了一种改进的特征提取方法 ,将基于原图像的灰度级共生矩阵提取的纹理特征与滤波后图像的灰度特征进行组合用于分类。实验结果表明 ,改进的特征提取方法提高了SAR图像的分类精度。     

Polarimetric whitening filter for POLSAR image based on subspace decomposition

Speckle filtering is an indispensable pre-processing step for applications of polarimetric synthetic aperture radar （POLSAR）, such as terrain classification, target detection, etc. As one of the most typical methods, the polarimetric whitening filter （PWF） can be used to produce a minimum-speckle image by combining the complex elements of the scattering matrix, but polarimetric information is lost after the filtering process. A polarimetric filter based on subspaze decomposition which was proposed by Cu et al specializes in retrieving principle scattering characteristics, but the corresponding mean value of an image after filtering is not kept well. A new filter is proposed for improving the disadvantage based on subspace decomposition. Under the constraint that a weighted combination of the polarimetric SAR images equals to the output of the PWF, the Euclidean distance between an unfiltered parameter vector and a signal space vector is minimized so that noises can be reduced. It is also shown that the proposed method is equivalent to the subspace filter in the case of no constraint. Experimental results with the NASA/JPL airborne polarimetric SAR data demonstrate the effectiveness of the proposed method.     

Information compression and speckle reduction for multifrequency polarimetric SAR images based on kernel PCA

Multifrequency polarimetric SAR imagery provides a very convenient approach for signal processing and acquisition of radar image. However, the amount of information is scattered in several images, and redundancies exist between different bands and polarizations. Similar to signal-polarimetric SAR image, multifrequency polarimetric SAR image is corrupted with speckle noise at the same time. A method of information compression and speckle reduction for multifrequency polarimetric SAR imagery is presented based on kernel principal component analysis （KPCA）. KPCA is a nonlinear generalization of the linear principal component analysis using the kernel trick. The NASA/JPL polarimetric SAR imagery of P, L, and C bands quadpolarizations is used for illustration. The experimental results show that KPCA has better capability in information compression and speckle reduction as compared with linear PCA.     

Structural adaptive and optimal speckle filtering in multilook full polarimetric SAR images

A novel approach is proposed for speckle reduction in multilook full polarimetric SAR images. In contrast to others, this approach adopts an enhanced structure detection method to estimate the parameters of the polarimetric covariance matrix for the multilook polarimetric whitening filtering (MPWF) algorithm and thus a structural adaptive and optimal speckle filter is developed. To evaluate the present approach, NASA SIR-C/X-SAR, L band, four-look processed polarimetric SAR data of the Tian-Mountain Forest is used for simulation. Experimental results demonstrate the effectiveness of this novel filtering algorithm in case of both speckle reduction and preservation of texture information. Comparisons with other methods are also made.     

一种极化SAR图像模糊分类方法

针对极化合成孔径雷达图像模糊非监督分类问题,给出了一种改进的极化合成孔径雷达图像模糊分类方法。该方法通过引入极化总功率参数--span,改进极化合成孔径雷达图像模糊H/α分类方法,进行极化合成孔径雷达数据模糊H/α/span非监督分类。利用机载极化合成孔径雷达数据进行实验。实验结果表明,改进的方法提高了分类性能,聚类中心更为合理。     

极化SAR图像中的弱小舰船目标检测

结合最新的子空间数据分析方法--非负矩阵分解(nonnegative matrix factorization, NMF),对极化合成孔径雷达(synthetic aperture radar, SAR)图像中的弱小舰船目标提出一种全新的有效检测方法。该方法利用极化协方差矩阵分解,得到包含极化图像能量的特征值组,组成满足NMF要求的非负矩阵;然后采用稀疏限制的NMF来提取其中的主要特征,以此将舰船目标检测出来。采用国内全极化和双极化实测海洋数据进行实验,验证了本文方法的有效性。     

POLSAR多视复图像的特征提取和分类方法

Pauli分解和Krogager分解通常用于对极化合成孔径雷达(POLSAR)单视复图像中的相干复散射矩阵进行分解.基于Pauli分解和Krogager分解提出一种改进的极化特征分解方法,用于POLSAR多视复图像极化特征提取.首先利用Pauli分解分离出多视复图像数据的对称部分和非对称部分,然后利用Krogager分解提取出对称部分的极化特征,最后利用AdaBoost算法对所提取的极化特征进行分类.使用SIR-C的数据验证了方法的有效性.     

基于相似度网络融合的极化SAR图像地物分类

从极化合成孔径雷达(synthetic aperture radar, SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失。针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法。首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素。仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法。     

基于结构的SAR图像配准

由于SAR图像中相干斑的存在，使得已有用于光学遥感图像自动配准的算法往往无法直接应用。基于人工通过地物结构推毫匹配关系进行配准的想法。提出了一种基于结构的SAR图像自动配准算法，该算法首先通过检测出的点目标构造“虚拟结构”，然后再综合新提出的“虚拟结构”不变量及结构区域不变矩作为相似测度完成匹配检测，最后用LMS算法估计出变换参数从而实现SAR图像的自动配准。实验结果表明，该算法不仅能够有效实现SAR图像的自动配准，而且能有效避免SAR图像中相干斑对配准过程中特征检测和匹配造成的影响。