用于干涉合成孔径雷达的地形适应K-均值滤波器

研究了干涉合成孔径雷达干涉图的自适应相位降噪滤波问题。由于原有的基于局部统计特性的自适应滤波方法使用固定窗口长度,滤波对干涉条纹中的高频分量有较大损失,因此将K 均值自适应滤波方法运用于干涉图,提出了一种新的地形适应的K均值自适应滤波方法,新方法结合K均值滤波窗口尺寸以当前区域自身的方差为调节的优点,又针对干涉图相位方差的特点,区分噪声因素和地形变化对相位方差产生的不同影响,在抑制噪声的同时,保持了干涉条纹密集区的信息特征,具有更好的滤波效果。     

结合局部频率估计的小波域InSAR相位滤波新方法

干涉相位噪声的存在直接影响相位解缠的效果及最终干涉测量的精度。针对这一问题,本文提出了一种结合局部频率估计的小波域干涉合成孔径雷达(interferometric synthetic aperture radar,InSAR)相位滤波方法。根据局部频率估计可以判断出干涉相位小波系数中包含有用信息的子带。结合VisuShrink和NeighShrink两种小波阈值收缩方法分别具有去噪效果好和细节保持能力强的特点,对有用信息所在子带的小波系数利用NeighShrink方法进行阈值收缩,而对其他子带的小波系数则利用VisuShrink方法进行阈值收缩,从而尽可能地滤除噪声,同时保持干涉条纹的细节信息不被破坏。仿真和实测数据实验验证了本文提出的滤波方法的有效性。     

一种新的基于梯度信息的自适应平滑算法研究

为了弥补基于梯度信息的平滑技术难以滤除脉冲噪声的不足,借鉴中值滤波理论,提出了一种新的基于梯度信息的自适应平滑算法。实验结果表明,该算法不仅可以有效滤除各种慢变化及脉冲噪声,而且在滤噪的同时能锐化目标的边缘。其单次滤波效果较基于梯度信息的平滑技术有明显改进,而且只需3次滤波即可达到比较理想的平滑效果。     

基于短时傅立叶谱脊的相位图滤波算法及仿真研究

提出了一种基于二维短时傅立叶谱脊的相位图滤波方法.该方法首先将干涉相位数据转变成指数,利用一种新的局部频率估计方法对其进行局部频率估计,求取行列方向的最小和最大频率估计值,确定频率取值范围,选择高斯窗口尺寸;然后,通过二维短时傅立叶变换对指数数据进行处理,提取频谱峰值处频率,求其对应的相位;最后,采用仿真数据和Etna火山干涉数据进行试验,将算法与均值和Lee滤波方法进行了比较.试验结果表明,该方法在有效抑制相干斑的同时,还能有效地保持相位的细节信息和条纹的边缘结构,而且清除了残余点,有利于提高干涉测量的精度.     

INSAR干涉图的滤波方法

介绍了INSAR干涉图的多视滤波、矢量滤波等现有的空间域滤波方法，提出了频谱加权的频率域滤波方法．该方法需要将干涉图中的干涉相位映射为单位矢量，并进行FFT变换，得到其频谱，然后采用幂函数、正弦函数或者指数函数等对频谱进行加权处理，从而抑制噪声的频率成分，最后再将加权处理后的频谱变换到空间域，计算干涉相位，得到原始干涉图的滤波结果．采用不同数据源获取的干涉图进行了矢量滤波和频谱加权滤波实验。结果表明：矢量滤波的相位保持能力较好，但是对于较差质量处和条纹密集处的干涉图滤波效果较差；频谱加权滤波属于频率域非线性滤波，它的相位保持能力较差，但是它属于全局滤波方法，能够使条纹质量较差的局部区域恢复出清晰的干涉条纹，甚至可以使没有条纹的局部区域出现清晰条纹。在滤波时要根据干涉图的实际情况和滤波精度要求选择合适的滤波器。     

一种新的SAR图像斑点噪声自适应抑制方法

在合成孔径雷达(synthetic aperture radar, SAR)图像斑点噪声抑制处理中,为有效保护图像细节,提出欧拉弹性能量各向异性扩散去噪模型。该模型将各向异性扩散模型转化为最小能量变分模型,结合欧拉弹性能量模型的边界保护和增强能力,在抑制噪声的同时能更有效地保护和增强细节信息。同时为了提高计算效率,提出自适应变步长去噪算法。仿真和真实SAR图像的实验结果表明,该算法不仅在抑制噪声的同时能够很好地保护图像细节,而且有效减少了计算时间、提高了效率。     

基于STFT的INSAR干涉图自适应零中频矢量滤波

提出了一种基于短时傅立叶变换的合成孔径雷达干涉图自适应零中频矢量滤波方法。该方法将干涉图映射至矢量空间,并采用短时傅立叶变换进行局域频谱分析,统计得到各局域的中心频率;然后频率自适应地建立参考干涉图序列,并将原始干涉图与参考干涉图序列进行差分处理,得到零中频干涉图序列;最后对零中频干涉图序列进行矢量滤波,由滤波后的零中频干涉图序列和参考干涉图序列得到原始干涉图的滤波结果。实验结果表明:该方法能够解决干涉条纹密集、干涉条纹频率变化较大处滤波效果差的问题。     

基于优化回波数据的图像配准InSAR干涉相位估计

提出一种基于优化回波数据的自适应图像配准InSAR干涉相位估计方法.该方法充分利用相应像素对及其相邻像素的相干信息,通过获得的最优加权向量对SAR图像进行自适应配准处理,实现对回波数据优化从而获得地形干涉相位最优估计.实验结果表明了该方法有效性的同时,能够在SAR图像配准误差较大(可以允许达到一个分辨单元)的情况下,得到稳健的干涉相位估计结果.     

基于自适应参数回归的非局部图像滤波算法

针对图像加性高斯白噪声,提出一种优化的自适应参数滤波算法。该算法以非局部欧氏中值(non-local Euclidean medians, NLEM)滤波算法为基础,根据含噪图像梯度幅值在一定噪声范围内服从Rayleigh分布这一特性,求得以梯度幅值和噪声标准差为自变量的二元自适应滤波参数,并将它引入到邻域的权值计算中。其次,噪声的变化影响着l_p范数回归的选择,在一定范围内以噪声标准差为自变量对参数p进行多项式拟合,得到自适应l_p范数回归。在自适应滤波参数基础上,用自适应l_p范数回归进一步改进NLEM滤波算法的l₁范数回归。所选图像的实验结果表明,本文算法在一定噪声范围内不但获得满意的去噪效果,而且有效地减少人机交互程度。     

基于时间-空间分数阶偏微分方程的图像去噪模型

为了在去噪的同时更多地保留图像的细节信息,将分数阶微积分理论和梯度下降流有效结合,提出了分数阶梯度下降流的概念,并证明了能量泛函的分数阶梯度下降流在一定微分阶次范围内是收敛的。在此基础上,将时间因素引入到改进的基于空间分数阶偏微分方程的去噪模型中,从而构建了基于时间-空间分数阶偏微分方程的去噪模型,该模型实现了在时间方向上和空间平面内的同时去噪。实验结果表明,提出的基于时间-空间分数阶偏微分方程的图像去噪模型较基于空间分数阶偏微分方程的图像去噪模型不仅可以提高信噪比,而且可以大幅减少图像获得最大信噪比所需要的迭代次数。     

融合纹理信息的深度图像修复

针对低质量深度图像中存在的空洞和噪声问题,提出了融合纹理信息的深度图像修复算法。首先利用形态学操作对空洞进行优化,基于区域的分割算法完成空洞区域分割;然后将提取出的空洞区域进行纹理信息填补,分析空洞区域与同场景彩色图像的局部结构相似性,完成空洞初修复;最后利用灰度级图像重建算法,对边缘空洞区域进行填充和平滑处理。基于标准数据集Middlebury,所提算法与快速行进算法、自适应中值滤波算法和形态学重建算法相比,对大面积空洞信息完成了良好的修复。在获得较好修复效果的同时,该算法保持了图像的结构完整性和整体平滑性。     

基于提升静态小波变换的自适应消噪方法

基于离散小波变换的自适应消噪方法为雷达信号的滤波提供了一种可行的方法.但DWT不具有平移不变性,若不用相同的小波对滤波后的信号进行重构,则会带来较大的重构误差.针对这一现象,提出了基于提升静态小波变换的自适应消噪方法,它首先根据DWT的提升方法,得到SWT的提升和对偶提升实现方法,然后通过SWT的提升方法将信号分解为多个子带,利用引入更多动量因子的权系数的迭代公式进行自适应匹配.并对匹配结果二次自适应,得到拟合的原信号.仿真结果表明,该方法可在计算量增加不大的前提下,进一步改善系统的滤波性能.     

基于自适应窗的小波域图像去噪算法

提出了一种利用自适应窗的小波域双重局部维纳滤波图像去噪算法。综合考虑小波分解后各个子带中能量分布的方向特性和图像本身的边缘和纹理特性,该算法首先估计每个子带中信号的能量分布进而在每个子带中确定自适应窗,然后利用自适应窗估计出的能量分布对含噪图像进行双重维纳滤波来去除噪声。实验结果表明该算法对含噪图像去噪的效果优于已有的采用二维可分实小波进行图像去噪的算法。     

蒙卡渲染画面多特征非局部均值滤波降噪算法

针对蒙特卡罗渲染在低光线路径采样率下绘制的图像容易出现噪点的问题，提出一种蒙特卡罗渲染画面多特征非局部均值降噪算法。使用canny算法对场景反射率图进行梯度化，以反射率梯度图为引导图，利用引导滤波器对法向量图预滤波；求出预滤波后法向量图中图像块之间的结构相似性，利用结构相似性倒数的对数值对非局部均值滤波器权值进行改进；利用改进后的非局部均值滤波器对噪点图像进行滤波重构。实验结果表明：该算法能在典型场景中有效降低渲染画面的噪声，改善均方误差和峰值信噪比质量指标。     

PCMA系统中干扰信号时延估计新算法

对PCMA系统中干扰信号的时延估计问题进行了研究,提出一种基于粒子滤波的干扰信号时延估计新算法.算法首先通过对接收PCMA信号进行动态状态空间建模,然后在贝叶斯估计框架下,利用粒子滤波方法估计干扰信号时延.另外,为说明该算法的有效性,利用Fisher信息阵推导了干扰信号时延估计的克拉美罗限.仿真结果表明该算法能够有效进行的时延估计.     

基于自适应分数阶微积分的图像去噪与增强算法

针对传统的图像去噪算法容易忽视图像纹理细节的问题,首先提出一种全局自适应分数阶积分去噪算法。该算法可以在去除图像噪声的同时,对图像的纹理进行一定的保留。其次在全局自适应分数阶算法的基础上,针对一类低强度椒盐噪声提出另一种基于小概率策略的自适应分数阶微积分图像去噪与增强算法,该算法将图像中噪声点的出现视为小概率事件并进行分割,然后再采用自适应分数阶积分对噪声点进行处理的同时,采用自适应分数阶微分对图像的纹理进行增强和保留。实验结果表明,两种方法都可以达到较好的去噪效果,其中基于小概率策略的自适应分数阶算法在去噪的同时更具有增强图像的边缘的效果。     

基于时延和相位估计的改进位移相位中心算法

多接收元合成孔径声纳是当前研究的热点问题,偏航和侧摆是影响多接收元合成孔径声纳成像质量的关键因素。在深入分析位移相位中心算法的基础上,提出了一种改进的多接收元合成孔径声纳运动补偿算法。改进算法首先修正声信号的实际传播距离与采用等效相位中心近似的传播距离之间的偏差,然后基于时延和相位估计偏航和侧摆,而且改进算法消除了目标回波的相互干涉对估计运动误差的影响,从而在扩大了算法适用的运动误差范围的同时,提高了运动误差估计的精度。计算机仿真结果表明,改进算法有效地补偿了运动误差,改善了成像质量。     

基于非局部正则化稀疏表示的图像去噪算法

针对K-奇异值分解（sigular value decomposition, SVD）算法存在的问题,结合结构聚类和字典学习,提出了一种基于非局部正则化稀疏表示的图像去噪算法。首先,利用非局部去噪的思想将结构相似的图像块聚类,每一类图像块单独进行字典学习,增强了字典的自适应性;其次,利用稀疏K-SVD替代传统的K-SVD进行类内字典学习,改善了字典的结构性;最后,引入稀疏系数误差正则项来修正稀疏系数以进一步改善图像的重构效果。实验结果表明,与传统的K-SVD算法相比,该算法能够有效地保持图像的结构信息,并且提升了去噪效果,同时,在不降低图像结构相似度的基础上,峰值信噪比很接近甚至部分好于目前先进的去噪算法。     

基于近似消息传递与卡通纹理模型的图像重构

近似消息传递(approximate message passing, AMP)的高相变性能与低计算复杂度使其非常适用于图像重构等大数据量应用领域。如何充分利用图像的结构化稀疏先验是基于AMP研究图像重构的一个关键问题。将卡通-纹理模型引入AMP图像重构,根据迭代滤波中待处理图像卡通、纹理成分的不同特点,设计基于双树复数小波变换与全变差的层次化AMP滤波算子,进而分析AMP迭代次数对滤波对象结构特征与滤波算子性能的影响,研究AMP的阶段化滤波操作,提出一种基于卡通-纹理模型与分段滤波的AMP图像重构算法。实验表明,该算法能够更好地保留图像轮廓与纹理信息,提高图像的重构质量。     

基于轻小型无人机雷达的植被高度反演方法

针对目前主流雷达传感器难以满足轻小型无人机载荷需要, 且存在着数据获取成本高及算法模型复杂的问题, 在自行研制的一种高度集成、轻量化且具有高可靠性的轻小型无人机雷达系统基础上, 发展了一种植被高度信息反演新方法。该方法中使用二维滤波抑制直耦波能量, 基于剩余图像熵的自适应主元分析去噪方法解决传统方法主元选择不稳定的问题, 并基于互相关信息的后向投影算法进一步增强目标信号, 最后应用Sobel算子提取植被高度。实验结果表明, 该方法反演得到的植被高度和验证数据的相关性达到0.92, 均方根误差可达1.28 m。