基于Contourlet变换的SAR图像去噪研究

发布时间：2017-07-19 20:02

  本文关键词：基于Contourlet变换的SAR图像去噪研究

  更多相关文章： 合成孔径雷达 图像去噪 核回归 轮廓波变换 非下采样轮廓波变换

【摘要】：高分辨合成孔径雷达(Synthetic Aperture Radar,SAR)是一种能产生高分辨率遥感图像的相干系统,具有全天候、全天时、多波段、多极化工作等优异性能,同时具备侧视成像及强透射性等特点,被广泛地应用于军事领域和国民生活领域。SAR图像去噪是SAR图像能够最终得到有效表示的关键步骤,因此SAR图像去噪一直是SAR图像处理领域中不可或缺的环节。利用传统的空域方法和变换域方法对SAR图像进行去噪处理时,会出现细节信息丢失、同质区域内噪声去除不彻底等问题,难以有效地抑制SAR图像的斑点噪声,而多尺度几何分析域统计模型的出现,为SAR图像的去噪处理提供了有效的方法。本文将Contourlet变换方法应用于SAR图像的去噪处理中,并结合成熟的迭代掌舵核回归算法,验证基于Contourlet变换及核回归的SAR图像去噪算法,并取得比较好的去噪结果,具体内容和工作如下所示。(1)验证基于Contourlet变换及核回归的SAR图像去噪算法。该方法利用Contourlet变换先对SAR图像进行Contourlet分解,得到低频子带和高频子带图像(系数),然后再使用核回归算法去除高频子带图像噪声,对低频子带图像采用增强Lee滤波去噪,最后对经过去噪的低频系数和高频系数进行Contourlet逆变换,得到去噪后的SAR图像。(2)验证基于Contourlet变换的改进算法非下采样轮廓变换(NSCT变换)结合核回归的SAR图像去噪算法。非下采样Contourlet变换由非下采样拉普拉斯金字塔滤波器组和非下采样方向滤波器组构成,该变换不存在下采样操作,消除了Contourlet变换中因下采样操作而造成的伪Gibbs现象及“频谱混叠”现象,同时具备了平移不变性。因此,将非下采样轮廓变换与核回归算法相结合,其去噪效果相对于Contourlet+核回归算法更优。
【关键词】：合成孔径雷达 图像去噪 核回归 轮廓波变换 非下采样轮廓波变换
【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】：2015
【分类号】：TN957.52
【目录】：

• 摘要5-6
• ABSTRACT6-10
• 符号对照表10-11
• 缩略语对照表11-14
• 第一章 绪论14-20
• 1.1 研究背景和意义14-15
• 1.2 SAR图像去噪发展现状15-16
• 1.3 Contourlet变换理论16-17
• 1.3.1 傅里叶变换16
• 1.3.2 小波变换16-17
• 1.3.3 Contourlet变换17
• 1.3.4 NSCT变换17
• 1.4 核回归理论研究17-18
• 1.4.1 经典回归算法18
• 1.4.2 核回归理论的提出18
• 1.5 本文主要工作18-19
• 1.6 本文章节安排19-20
• 第二章 相关理论概述20-36
• 2.1 滤波方法简介20-24
• 2.1.1 空间域滤波方法20-22
• 2.1.2 变换域滤波方法22-24
• 2.2 Contourlet变换24-26
• 2.2.1 基本理论简介24-26
• 2.3 非下采样Contourlet变换26-27
• 2.3.1 基本理论简介26-27
• 2.4 核回归理论27-34
• 2.4.1 回归理论概述27-30
• 2.4.2 常用核函数30-31
• 2.4.3 自适应核回归算法31-33
• 2.4.4 迭代掌舵核回归算法33-34
• 2.5 图像质量评价标准34-35
• 2.6 本章小结35-36
• 第三章 基于Contourlet变换及核回归的SAR图像去噪算法36-46
• 3.1 Contourlet变换算法36-37
• 3.1.1 Contourlet变换步骤36
• 3.1.2 Contourlet变换实例36-37
• 3.2 迭代掌舵核回归算法去噪效果检验37-39
• 3.3 本章算法实现步骤39-41
• 3.4 实验结果及分析41-45
• 3.4.1 真实SAR_1 图像去噪实验41-43
• 3.4.2 真实SAR_2 图像去噪实验43-45
• 3.5 本章小结45-46
• 第四章 基于NSCT变换及核回归的SAR图像去噪算法46-54
• 4.1 NSCT变换46-48
• 4.1.1 NSCT变换步骤46
• 4.1.2 NSCT变换实例46-48
• 4.2 本章算法实现步骤48-49
• 4.3 实验结果及分析49-52
• 4.3.1 真实SAR_1 图像去噪实验49-51
• 4.3.2 真实SAR_2 图像去噪实验51-52
• 4.4 本章小结52-54
• 第五章 总结与展望54-56
• 5.1 总结54-55
• 5.2 展望55-56
• 参考文献56-60
• 致谢60-62
• 作者简介62-63

【相似文献】

中国期刊全文数据库 前10条

1 李强;谢志宏;;组合层内和层间小波系数的图像去噪方法[J];装甲兵工程学院学报;2008年05期

2 金志泉;葛洪伟;;一种非参数回归图像去噪方法[J];淮阴工学院学报;2008年05期

3 朱勇;;基于层内和层间相关性的小波图像去噪[J];农业网络信息;2008年05期

4 曹春红;高协平;;区间最小能量小波框架的图像去噪研究[J];计算机工程与应用;2009年14期

5 ;图像去噪新技术让数码照片更清晰[J];广西科学;2009年02期

6 张洁;杨文国;;一种基于梯度保真项的图像去噪法[J];计算机应用与软件;2009年11期

7 吴玲;;基于数字图像去噪的方法分析[J];科技信息;2010年06期

8 贾辉;林义刚;李娜;李宏;;独立分量分析在图像去噪中的应用[J];长江大学学报(自然科学版)理工卷;2010年02期

9 冯象初;郝彬彬;朱见广;;图像去噪的改进迭代非局部平均滤波方法[J];西安电子科技大学学报;2010年04期

10 刘权;林娜;吕倩;;基于加权自适应方向提升小波的图像去噪研究[J];电子技术;2010年12期

中国重要会议论文全文数据库 前10条

1 刘旨春;朱伟;盛磊;;基于邻域特性的小波阈值图像去噪方法[A];第九届全国信息获取与处理学术会议论文集Ⅱ[C];2011年

2 陈仙红;屈小波;郭迪;宁本德;陈忠;;自适应方向小波在磁共振图像去噪中的应用[A];第十七届全国波谱学学术会议论文摘要集[C];2012年

3 韩希珍;赵建;;基于偏微分方程的图像去噪[A];第八届全国信息获取与处理学术会议论文集[C];2010年

4 殷明;刘卫;;基于非高斯分布的四元数小波图像去噪[A];全国第22届计算机技术与应用学术会议(CACIS·2011)暨全国第3届安全关键技术与应用（SCA·2011）学术会议论文摘要集[C];2011年

5 侯艳芹;李均利;魏平;陈刚;;一种新的基于模糊均差和小波阈值的医学图像去噪方法[A];第十三届全国图象图形学学术会议论文集[C];2006年

6 刘曙光;费佩燕;屈萍鸽;;基于对偶树复小波的图像去噪技术研究[A];2009中国仪器仪表与测控技术大会论文集[C];2009年

7 周利利;张晓明;;基于小波变换的图像去噪研究[A];2009全国测绘科技信息交流会暨首届测绘博客征文颁奖论文集[C];2009年

8 王文;康锡章;王晓东;;基于小波域HMT的航空侦察图像去噪方法[A];'2003系统仿真技术及其应用学术交流会论文集[C];2003年

9 倪永婧;王成儒;;一种纹理图像去噪方法的研究[A];2006中国控制与决策学术年会论文集[C];2006年

10 邓超;;基于改进神经网络的CCD图像去噪方法研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

，

本文编号：564571