基于稀疏表示和非局部均值的SAR图像去噪算法研究
本文选题：SAR图像去噪 + 非局部均值 ； 参考：《西安电子科技大学》2014年硕士论文
【摘要】：合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种主动的遥感观测系统,由于其辐射的电磁波所具有的独特性质使得这种成像方法不受光照,天气等的影响,可以全天时全天候实现对地观测,在军事和民用领域得到广泛应用。随着计算机技术的发展,自动化的目标识别技术被用在越来越多的场合。但是雷达系统的相干成像机制使得获取的SAR图像含有很强的相干斑噪声,这种乘性噪声严重破坏了图像的信息内容,从而导致对SAR图像的解译,识别变得相当困难,因此非常有必要对SAR图像的相干斑进行抑制。尽管近30多年来各类降斑技术取得了很大的发展,但是这些算法很难在SAR图像相干斑噪声抑制与图像的边缘细节、结构、辐射特性保持之间取得平衡。随着对降斑后的SAR图像的质量要求越来越高,因此需要设计更强有力的算法对SAR图像进行降斑处理。由于近年来稀疏表示理论研究取得的巨大进展以及非局部均值算法在图像处理中的成功应用,本文在分析SAR图像相干斑统计特性的基础上,提出了基于稀疏表示和非局部均值技术的SAR图像相干斑抑制算法及其改进算法,主要工作如下:分析了近年来在图像处理中得到广泛应用的稀疏表示模型和非局部均值算法,鉴于非局部逼近稀疏表示模型在自然图像处理中的优良性能,我们将其推广应用于SAR图像的处理当中。由于SAR图像的乘性相干斑与自然图像的加性高斯噪声在分布特性方面有着很大的不同,为了验证SAR图像是否适用于该模型,我们先做了初步的统计实验与分析。将进行过对数变换的原始SAR图像划分成重叠的子图像块,并对这些子图像块应用K-means聚类算法和主成分分析算法学习得到一个冗余字典,接着对含噪子图像块进行自适应稀疏编码和使用非局部均值算法估计无噪SAR图像子块的稀疏编码系数估计值,并用迭代阈值收缩算法得到降噪后的编码系数。在逆变换回对数域后,我们又对对数域SAR图像进行了偏差纠正,以提升降斑效果。鉴于对数变换后SAR图像的噪声并不严格符合高斯分布,在原非局部逼近稀疏表示模型中所使用的高斯相似性度量用在对数域的SAR图像处理当中是不合适的。我们在讨论对数域SAR图像噪声分布特性的基础上,基于广义似然比准则推导了一种新的相似性度量公式,实验证明了这种改进取得了良好的效果,尤其在SAR图像视数较低的情况下效果尤其明显。对于本论文中提出的降斑算法,我们都进行了模拟相干斑图像和真实SAR图像的测试,并使用了多个评估准则和对比算法来验证其降斑性能以及图像的细节信息保持能力,实验结果证明了我们所提算法的有效性。
[Abstract]:As a kind of active remote sensing observation system , synthetic aperture radar ( SAR ) has been widely used in the field of military and civilian applications because of its unique property .
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TN957.52
【相似文献】
相关期刊论文 前10条
1 李映;张艳宁;许星;;基于信号稀疏表示的形态成分分析:进展和展望[J];电子学报;2009年01期
2 赵瑞珍;王飞;罗阿理;张彦霞;;基于稀疏表示的谱线自动提取方法[J];光谱学与光谱分析;2009年07期
3 杨蜀秦;宁纪锋;何东健;;基于稀疏表示的大米品种识别[J];农业工程学报;2011年03期
4 史加荣;杨威;魏宗田;;基于非负稀疏表示的人脸识别[J];计算机工程与设计;2012年05期
5 高志荣;熊承义;笪邦友;;改进的基于残差加权的稀疏表示人脸识别[J];中南民族大学学报(自然科学版);2012年03期
6 朱杰;杨万扣;唐振民;;基于字典学习的核稀疏表示人脸识别方法[J];模式识别与人工智能;2012年05期
7 耿耀君;张军英;袁细国;;一种基于稀疏表示系数的特征相关性测度[J];模式识别与人工智能;2013年01期
8 张疆勤;廖海斌;李原;;基于因子分析与稀疏表示的多姿态人脸识别[J];计算机工程与应用;2013年05期
9 李正周;王会改;刘梅;丁浩;金钢;;基于形态成分稀疏表示的红外小弱目标检测[J];弹箭与制导学报;2013年04期
10 胡正平;赵淑欢;李静;;基于块稀疏递推残差分析的稀疏表示遮挡鲁棒识别算法研究[J];模式识别与人工智能;2014年01期
相关会议论文 前3条
1 何爱香;刘玉春;魏广芬;;基于稀疏表示的煤矸界面识别研究[A];虚拟运营与云计算——第十八届全国青年通信学术年会论文集（上册）[C];2013年
2 樊亚翔;孙浩;周石琳;邹焕新;;基于元样本稀疏表示的多视角目标识别[A];2013年中国智能自动化学术会议论文集（第五分册）[C];2013年
3 葛凤翔;任岁玲;郭鑫;郭良浩;孙波;;微弱信号处理及其研究进展[A];中国声学学会水声学分会2013年全国水声学学术会议论文集[C];2013年
相关博士学位论文 前10条
1 李进明;基于稀疏表示的图像超分辨率重建方法研究[D];重庆大学;2015年
2 王亚宁;基于信号稀疏表示的电机故障诊断研究[D];河北工业大学;2014年
3 姚明海;视频异常事件检测与认证方法研究[D];东北师范大学;2015年
4 黄国华;蛋白质翻译后修饰位点与药物适应症预测方法研究[D];上海大学;2015年
5 王瑾;基于稀疏表示的数据收集、复原与压缩研究[D];北京工业大学;2015年
6 王文卿;基于融合框架与稀疏表示的遥感影像锐化[D];西安电子科技大学;2015年
7 李小薪;稀疏表示的分段匹配寻踪方法[D];华南理工大学;2009年
8 何艳敏;稀疏表示在图像压缩和去噪中的应用研究[D];电子科技大学;2011年
9 宋相法;基于稀疏表示和集成学习的若干分类问题研究[D];西安电子科技大学;2013年
10 匡金骏;基于稀疏表示的图像分类与目标跟踪研究[D];重庆大学;2013年
相关硕士学位论文 前10条
1 王道文;基于稀疏表示的目标跟踪算法研究[D];华南理工大学;2015年
2 李哲;基于稀疏表示和LS-SVM的心电信号分类[D];河北大学;2015年
3 孙雪青;Shearlet变换和稀疏表示相结合的甲状腺结节图像融合[D];河北大学;2015年
4 吴丽璇;基于稀疏表示的微聚焦X射线图像去噪方法[D];华南理工大学;2015年
5 赵孝磊;基于图像分块稀疏表示的人脸识别算法研究[D];南京信息工程大学;2015年
6 黄志明;基于辨别式稀疏字典学习的视觉追踪算法研究[D];华南理工大学;2015年
7 张铃华;非约束环境下的稀疏表示人脸识别算法研究[D];南京信息工程大学;2015年
8 贺妍斐;基于稀疏表示与自适应倒易晶胞的遥感图像复原方法研究[D];南京信息工程大学;2015年
9 杨烁;电能质量扰动信号的稀疏表示/压缩采样研究[D];西南交通大学;2015年
10 应艳丽;基于低秩稀疏表示的目标跟踪算法研究[D];西南交通大学;2015年
，本文编号：1822541
本文链接：https://www.wllwen.com/kejilunwen/wltx/1822541.html
