基于非局部相似的SAR图像去噪算法研究

发布时间：2020-04-07 08:54

【摘要】：合成孔径雷达(Synthetic aperture radar,SAR)是一种可以全天候生成高分辨率遥感图像的相干成像系统。与可见光成像系统相比,SAR在弱光、雾天等恶劣环境条件下依然可以有效工作,同时具有多波段、多极化、穿透能力强的优势,因而成为环境监测、城镇规划、灾害评估等众多领域不可替代的观测工具。由于相干成像机制的影响,图像出现相干斑噪声(也称为斑点噪声、散斑噪声),对图像的后续处理造成了严重影响。因此,SAR图像去噪算法的研究对于图像的理解和解译具有重要意义。非局部均值(Non-local means,NLM)去噪算法利用图像的非局部相似性进行去噪,取得了很好的去噪效果,但是NLM在进行块匹配时,会包含不相似的子块,增加不必要的计算,而且权重的计算容易受到块大小的影响,模糊图像边缘,本文针对NLM的不足进行了改进,并且在非下采样剪切波变换(Non-subsampled Shearlet transform,NSST)和加权核范数最小化(Weighted nuclear norm minimization,WNNM)算法的基础上,提出了三种基于非局部相似的SAR图像去噪算法。论文的主要研究工作如下:(1)基于相似性验证与子块排序的NSST域SAR图像去噪为了改进传统的非局部变换域SAR图像去噪算法不考虑子块关系的缺点,本文结合相似性验证与子块排序提出一种新的NSST域SAR图像去噪算法。首先构造NSST域SAR图像相似块之间距离的概率密度分布,然后利用子块之间的相似性,去除相似性较低的子块,最后结合子块排序和最优一维滤波对SAR图像进行去噪。实验结果表明,与其他经典去噪算法相比,该算法能更好地保持图像边缘和纹理信息,改善图像的视觉效果。(2)基于非局部先验性的稀疏域相干噪声抑制算法为了克服基于稀疏表示的相干噪声抑制算法容易产生过平滑的问题,本文结合图像的非局部先验知识提出了一种基于非局部先验性的稀疏域相干噪声抑制算法。首先,利用NSST对图像进行稀疏表示。然后,利用图像的非局部先验性作为限制条件建立基于非局部先验性的图像稀疏表示去噪模型。最后,对去噪模型进行交替迭代求解,从而重构相干噪声抑制后的图像。实验结果表明,该算法不仅可以有效地抑制相干斑噪声,还可以更好的保留图像纹理信息。(3)结合加权核范数最小化与灰度理论的相干噪声抑制算法为了改进传统图像分块算法中使用欧氏距离时,参考块大小和搜索窗大小对相似块收集和计算效率的影响,本文使用灰度理论改进传统非局部算法权重的计算。首先对含噪图像进行对数变换。其次,利用灰度相关理论对图像进行局部块匹配,从而得到参考块的相似块的集合,构建出近似低秩的矩阵。再利用小波变换对图像的噪声方差进行估计。最后,利用加权核范数最小化理论进行去噪。实验结果表明,该算法不仅有效地改善了去噪图像的视觉效果,还更好地保留了图像的局部结构。
【图文】：

示意图,示意图,下采样,尺度

第二章 SAR 图像去噪算法概述中没有使用下采样操作，因此实现了平移不变的性能，而且除伪吉布斯效应。解主要分为不同尺度的分解和不同方向的分解，具体步骤用非下采样拉普拉斯塔式（Non-subsampled laplacian pyr在不同的尺度进行分解操作。NSLP 经过k 层分解，可以产个高频图像和一个低频图像，分解后的图像大小与源图用剪切波滤波器（Shearlet filter, SF）对获得的各尺度子带SST 将标准剪切滤波器图从伪极坐标系映射到笛卡尔坐标可以得到每个尺度和每个方向的子带图像。示意图如图 2-3 所示。

SAR图像,SAR图像,去噪

和(b)分别是田地和森林的 SAR 图像，分别对这两幅图像使，去噪结果如图 3-5 和图 3-6 所示。从图 3-5 和图 3-6 可知较差，不能有效抑制噪声；使用 BWS 和 GNL-NSST 去噪时现象，损失一部分纹理信息，图像细节信息丢失比较ST 去噪时产生了一些人造纹理；使用 NSST 去噪存在边缘模VBO-NSST 进行去噪，可以看出去噪后的图像边缘轮廓比较节信息得到很好的保护。SVBO-NSST 算法在图像质量和视算法均有所改善，去噪效果更好。地将所提出的算法与其它算法进行对比，我们利用客观评价量化评价，包括等效视数（ENL）[75]、边缘保持指数（EP（UMQ）[76]。ENL 越大说明算法去噪后图像的视觉效果越保留更多的细节信息，，而 UMQ 越小说明算法的综合性能越所有的 SAR 图像的去噪性能的客观评价。
【学位授予单位】：河北大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TN957.52

【相似文献】