SAR图像相干斑抑制滤波性能评价

为了评价合成孔径雷达(syntheticapertureradar,SAR)图像相干斑滤波算法性能,提出了一个性能评价体系,其中包含9项指标:等效视数(或平滑指数)、辐射分辨率、信号杂波比损失、信号辐射度损失、均值偏差、空间分辨率损失、边缘保持指数、峰值旁瓣比偏差、积分旁瓣比偏差。该评价体系能同时衡量各滤波算法对相干斑的抑制程度以及对图像原始信息的保持程度。通过用真实图像和模拟SAR图像对典型相干斑滤波算法的检验,表明了评价指标的有效性。     

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。     

一种新的非相干超宽带自适应同步方法的仿真与分析

超宽带系统使用纳秒级的短脉传输数据,能够克服短距离通信中的多径影响,特别适合短距离高速数据通信.针对超宽带系统的快速低复杂度同步问题,基于非相干脉冲超宽带系统,结合相干超宽带系统中的一些快速捕获算法,提出一种新的快速同步方法.在子积分窗口部分重叠时,该同步方法能够比文献[1]中的方法更快速达到同步.经仿真验证,本方法在同步性能上均优于现有方法[1].     

抑制SAR图像相干斑的自适应红黑窗滤波算法

针对经典空域滤波算法处理SAR图像时,在同一滑动窗内完全按同质区域性质处理数据而导致图像细节信息损失的情况,提出一种新的滑动窗结构的算法。该算法选取与窗口中心像素统计特性相近的像素进行滤波处理,解决了经典空域滤波算法存在窗口内数据不满足滤波模型对同质区域要求的缺陷。同时,针对强散射点的特殊性,设计了相应的检测及处理方法。实验结果表明,该算法在获得与经典算法相当的相干斑抑制的同时,较经典算法具有更强的边缘和细节保持能力,同时获得更好的图像视觉效果。     

抑制SAR图像相干斑噪声方法研究

探讨了抑制合成孔径雷达 (SAR)图像相干斑噪声的方法。传统噪声抑制和近年来小波变换去噪方法都有其不足之处。将小波变换和维纳滤波结合用于抑制SAR图像相干斑噪声 ,能够获得良好效果。通过比较观察在多个小波基情况下的噪声抑制结果 ,可以选择较好小波基 ,从而有较好的相干斑噪声抑制和保留图像边缘与点目标的滤波效果。     

基于多尺度交互结构卷积神经网络的SAR图像相干斑抑制方法

结合深度学习思想, 提出了一种基于多尺度交互结构卷积神经网络(convolutional neural network, CNN)的合成孔径雷达(synthetic aperture radar, SAR)图像相干斑抑制方法。首先, 通过不同尺寸的卷积核及跳跃连接构成多尺度交互特征提取模块以获得不同感受野的特征并加快网络收敛速度。然后, 在多尺度交互特征提取模块之间利用简化的密集连接方式使网络能够充分利用浅层纹理特征。最后, 采用残差学习策略得到抑制后的图像。实验结果表明, 与已有方法相比, 所提方法不仅使用较少的计算参数量, 还能保证性能的提升。     

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。     

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。     

各向异性扩散相干斑抑制改进算法

原有相班抑制偏微分方程方法在扩散迭代次数较大时,会严重模糊图像的边缘和细节。在用稳健统计方法研究算法中偏微分方程“边界停止函数”的特性的基础上,提出采用基于Turkey’sbiweight范数的“边界停止函数”的新的偏微分方程算法。对原偏微分方程方法的改进,使得相干班抑制后的图像能够更好地保持边界,并且有利于扩散的自动中止     

基于相干斑抑制SIFT的SAR图像配准方法

基于尺度不变特征变换(scale invariant feature transform, SIFT)算法,提出了一种能有效抑制相干斑噪声干扰的合成孔径雷达图像配准方法。该方法首先基于相干斑抑制各向异性扩散滤波模型建立图像的各向异性尺度空间,在滤除斑点噪声的同时保持了图像细节,弱化了斑点噪声对特征提取的影响;然后采用改进的二元直方图分析方法优化双向匹配初始结果,剔除了随机分布的误匹配点;最后引入临近特征点变换误差分析的过程,增加正确匹配点对数量,提高了变换模型参数的准确度。实验结果表明,该方法能增强SIFT特征点的稳定性,取得较高的配准精度,对相干斑噪声具有良好的适应性。     

一种SAR图像目标识别方法

提出了一种新的合成孔径雷达 (SAR)图像目标检测和识别方法 ,该方法根据SAR图像统计分布特性 ,结合恒虚警检测算法和小波变换提取感兴趣的SAR图像目标特征 ,检测得到目标 ,采用马氏距离从杂波背景中识别该目标。实际SAR图像测试结果表明了该方法的有效性     

SAR图像中桥梁的识别方法研究

提出了一种能够从复杂背景的SAR图像中识别出桥梁的方法。该方法首先对SAR图像进行预处理,增强了下一步对目标的识别效果,然后在此基础上针对桥梁的特点,顺序进行方向比值和双边参数的处理,即可得到良好的识别效果。     

带噪图像的小波零树压缩研究

小波零树编码是一种高效的图像压缩编码方法,是目前图像压缩领域中的研究热点.主要讨论在小波域的图像去噪问题,而且结合SPIHT算法讨论了如何将图像小波域的去噪与图像压缩编码结合起来,并进一步提出了各种小波零树算法在处理带噪图像时的顽健性问题.     

一种大小窗口结合的SAR图像纹理特征分类方法

针对纹理特征窗口大小的选择对SAR图像分类精度有很大影响的情况 ,在传统的最大似然分类法(ML)的基础上 ,提出了一种将大小窗口结合在一起的改进纹理特征分类方法 ,并分别用该方法与传统的ML法对哈尔滨附近地区 5 12× 5 12大小的JERS - 1SAR图进行分类 ,实验证明了该方法的可行性和有效性     

基于参数估计精度的SAR图像分辨率评估方法

分辨率是SAR图像超分辨处理性能评估的一个重要指标。首先分析传统的3dB主瓣宽度计算方法用于超分辨性能评估的缺陷与不足,并利用三次样条方法证明了对传统方法而言,像元分辨率为最高测量分辨率。然后基于频域点散射模型,从最优参数估计精度角度提出了新的分辨率评估方法。该方法克服了传统方法的缺点,并建立了分辨率与目标参数、噪声水平之间的联系,可用于SAR图像超分辨及其它处理性能的预测与评估。利用仿真实验验证了该方法的有效性。     

一种含椒盐噪声图像去噪的新方法

经典基追踪模型不适用于非高斯噪声环境下的图像去噪问题.基于不同的拟合误差项形式,提出一类新的基追踪扩展模型,并用于图像去噪.实验结果表明,本文方法在椒盐噪声环境下具有显著的去噪效果.     

一种新的图像灰度数字水印嵌入算法

提出了一种基于Haar小波变换的图像水印嵌入算法,通过利用各层小波系数间的特点,并通过对图像水印本身的信息选择构造了适用于所提算法的伪码水印,有效地增强了算法的隐蔽性与鲁棒性,从而即使在图像质量受到严重损害时仍能提取出足够信息,辨别出原图像水印的存在.     

红外图像目标分割方法研究

针对红外图像目标准确分割的难题 ,提出了一种有效的目标分割方法。该方法所遵循的基本准则是 ,使区域内部所考虑的特征或属性相同或相似 ,而这些特征或属性在不同区域中则是不同的或存在差异的。依据这个准则运用最大距离法和自动增强图像分割门限的方法实现了红外图像中目标的准确分割 ,并且通过实验验证了本方法的有效性。     

基于改进相关邻域模型的SAR图像RCS重构

提出了一种基于改进相关邻域模型的SAR图像RCS重构滤波器,特别对高分辨率的SAR图像具有很好的去斑效果。本算法虽然是一种RCS重构算法,但是通过采用非线性积累的方法,可明确地把图像划分为阴影、背景和目标区,直接达到SAR图像目标检测的结果。本算法在平滑图像的同时,克服了多视平滑降低图像分辨率的固有缺陷,并且能较好地保持图像的边缘信息,能极大地提高后续SAR图像解释的效率。