基于结构化信息检测和偏微分方程的高分辨率SAR图像降斑算法研究

发布时间：2017-07-29 14:08

  本文关键词：基于结构化信息检测和偏微分方程的高分辨率SAR图像降斑算法研究

  更多相关文章： 合成孔径雷达 结构化信息检测 偏微分方程 非局部均值 降斑

【摘要】：合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天时、全天候、多视角及对地物有一定的穿透性等优点,被大量的应用在生态、水文、海洋监测和地形测绘等诸多领域。然而,由于雷达波的相干性,导致SAR图像在成像过程中会产生无法避免的斑点,特别是高分辨率SAR图像,其成像更加复杂,而斑点的存在降低了高分辨率SAR图像的质量,使图像的判读和后续处理出现困难。因此,研究高分辨率SAR图像斑点的抑制具有十分重要的意义。本文主要从空间域滤波、偏微分方程方法和非局部均值滤波出发,对高分辨率SAR图像的降斑算法进行了深入的研究,通过不同方法之间的结合和创新,完成的主要工作如下:(1)介绍了经典的SAR图像降斑算法,包括Lee滤波及其增强型算法、Kuan滤波及其增强型算法、Frost滤波、Gamma MAP滤波等空间域滤波方法,以及全变分(TV)模型、PM模型等偏微分方程方法,并分析了经典SAR图像降斑算法的优缺点。(2)提出了基于结构化信息检测和Kirsch方向模板的降斑算法。由于传统的Kirsch方向算子没有对SAR图像的区域特性进行判断,导致图像中的斑点得不到充分的抑制。为了解决滑动窗的自适应选择问题,结合点目标检测、自适应滑动窗技术和结构化信息检测的思想,提出了基于结构化信息检测和Kirsch方向模板的SAR图像降斑算法,所提算法可以有效的检测出图像中的点目标、边缘区域和均匀区域,并针对不同的图像区域使用不同的降斑方法。通过降斑实验可以验证所提算法在充分抑制均匀区域斑点的同时,有效的保留了点目标和边缘区域,从而达到斑点抑制和边缘信息保留的较好平衡。(3)提出了基于非局部均值(NLM)滤波与AA模型的降斑算法。由于AA模型在SAR图像均匀区域的降斑能力比较强,但边缘保留能力弱;与之相反,NLM滤波在SAR图像的均匀区域降斑能力弱,却较好地保留了图像的边缘信息。因此,本文将非局部狄利克雷函数作为线性正则项算子,通过衡量图像的块相似性来构造权重,与AA模型的数据项相结合,提出新的降斑模型,并对新的降斑模型进行迭代求解。通过降斑实验与分析,与AA模型和NLM滤波相比,本文提出的降斑算法可以更好的抑制SAR图像斑点,同时又能较好的保留图像中的边缘信息。
【关键词】：合成孔径雷达 结构化信息检测 偏微分方程 非局部均值 降斑
【学位授予单位】：华侨大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN957.52
【目录】：

• 摘要3-5
• Abstract5-10
• 第1章 绪论10-17
• 1.1 课题背景及意义10-12
• 1.1.1 合成孔径雷达的研究背景10-11
• 1.1.2 合成孔径雷达的研究意义11-12
• 1.2 SAR图像降斑的研究现状12-14
• 1.3 本文的研究内容及组织结构14-17
• 1.3.1 本文的研究内容14-15
• 1.3.2 本文的组织结构15-17
• 第2章 SAR图像特性和斑点特性17-23
• 2.1 SAR图像成像机理17-18
• 2.2 SAR图像特性18-19
• 2.2.1 方位分辨率18-19
• 2.2.2 距离分辨率19
• 2.3 斑点特性19-22
• 2.3.1 斑点模型19-20
• 2.3.2 斑点统计特性20-22
• 2.4 本章小结22-23
• 第3章 经典滤波方法23-32
• 3.1 空域滤波方法23-26
• 3.1.1 Lee滤波及其增强型算法23-25
• 3.1.2 Kuan滤波及其增强型算法25
• 3.1.3 Frost滤波25-26
• 3.1.4 Gamma MAP滤波26
• 3.2 偏微分方程方法26-29
• 3.2.1 全变分（TV）模型27-28
• 3.2.2 PM模型28-29
• 3.3 降斑算法的性能评价指标29-30
• 3.3.1 主观评价方法29
• 3.3.2 客观评价方法29-30
• 3.4 本章小结30-32
• 第4章 基于结构化信息检测和Kirsch方向模板的降斑算法32-46
• 4.1 Kirsch方向模板32-33
• 4.2 自适应滑动窗技术33-35
• 4.3 基于结构化信息检测和Kirsch方向模板的降斑算法35-36
• 4.4 实验结果与分析36-45
• 4.4.1 仿真SAR图像实验37-38
• 4.4.2 实际高分辨率SAR图像实验38-44
• 4.4.3 实验总结44-45
• 4.5 本章小结45-46
• 第5章 基于NLM滤波和AA模型的降斑算法46-60
• 5.1 基于AA模型的SAR图像降斑46-49
• 5.1.1 AA模型的建立及快速求解算法46-48
• 5.1.2 基于AA模型的降斑结果与分析48-49
• 5.2 基于NLM模型的SAR图像降斑49-51
• 5.3 基于NLM滤波和AA模型的降斑算法51-58
• 5.3.1 新模型的建立51-52
• 5.3.2 新模型的求解52-53
• 5.3.3 新模型的实验结果与分析53-58
• 5.4 本章小结58-60
• 第6章 总结与展望60-62
• 6.1 研究工作总结60
• 6.2 未来研究方向60-62
• 参考文献62-68
• 致谢68-70
• 个人简历、在学期间发表的学术论文与研究成果70

，

本文编号：589507