基于变换域稀疏系数估计的SAR图像降噪

发布时间：2017-09-17 05:46

  本文关键词：基于变换域稀疏系数估计的SAR图像降噪

  更多相关文章： 合成孔径雷达 图像降噪 稀疏表示 系数估计 图像分类

【摘要】：合成孔径雷达(SAR,Synthetic Aperture Radar)以其全天时、全天候、强穿透力、高分辨率成像的独特优势在国民经济和国防军事的各个领域中发挥着不可替代的作用。然而SAR相干成像机理使所获得的SAR图像中含有大量相干斑,这些相干斑给目标识别及图像压缩等后续处理带来了不利影响,因此SAR图像降噪是其后续处理前的关键技术。近年来,变换域稀疏降噪引起了人们的广泛关注,在变换域中通过保留有限个表示真实信号的大系数,丢弃剩下表示噪声的小系数可有效降噪。本文以变换域稀疏系数估计为主线,结合SAR图像统计特性,对SAR图像降噪开展了相关研究,主要工作如下:(1)对变换域稀疏降噪原理和SAR图像统计特性进行研究,分析基于变换域稀疏表示降噪的核心问题:如何选择变换域字典,即将图像信息更稀疏的表示在变换域中,如何更精确的估计真实图像变换域系数,如何构建基于稀疏表示的具体SAR降噪模型和怎样有效求解;(2)提出利用剪切波变换将图像有效表示在变换域中,并利用正交匹配追踪算法求解稀疏系数,最后利用全微分约束方法修复降噪过程中丢失的图像纹理细节;(3)提出基于稀疏表示与图像非局部相似性相结合的变换域降噪方法,并结合SAR图像统计特性,提出利用最小线性均方误差方法估计变换域真实图像系数;(4)由于SAR图像不同区域统计特性差距较大且降噪目标也不同,因此提出分类降噪方法,利用3D变换域阈值收缩处理异质区图像,利用非局部加权平均方法处理同质区图像。
【关键词】：合成孔径雷达 图像降噪 稀疏表示 系数估计 图像分类
【学位授予单位】：重庆大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TN957.52
【目录】：

• 中文摘要3-4
• 英文摘要4-8
• 1 绪论8-14
• 1.1 选题背景及意义8-9
• 1.2 SAR图像降噪研究现状9-11
• 1.3 研究内容11
• 1.4 本文的结构和主要工作11-14
• 2 基于稀疏表示SAR降噪理论基础14-26
• 2.1 稀疏表示的研究意义现状及理论基础14-17
• 2.1.1 稀疏表示的研究意义及现状14-15
• 2.1.2 稀疏表示的理论基础15-17
• 2.2 图像稀疏表示模型17-19
• 2.2.1 图像块的稀疏表示17-18
• 2.2.2 整幅图像的贝叶斯重建18-19
• 2.3 基于稀疏表示SAR图像降噪19-23
• 2.3.1 SAR图像相干斑形成机理19-20
• 2.3.2 SAR图像相干斑统计模型20-21
• 2.3.3 基于稀疏表示的SAR图像降噪21-23
• 2.4 SAR降噪指标评价23-24
• 2.5 本章小结24-26
• 3 基于Shearlet域系数处理的SAR图像降噪26-36
• 3.1 Shearlet变换及系数特性26-27
• 3.2 Shearlet域稀疏表示算法27-28
• 3.3 基于Shearlet域投影的TV去噪28-30
• 3.4 实验结果与分析30-35
• 3.5 本章小结35-36
• 4 基于线性最小均方误差估计的SAR图像降噪36-50
• 4.1 相似块聚类36-37
• 4.2 相似图像块集合奇异值分解37-38
• 4.3 基于LMMSE准则的变换域系数估计38-40
• 4.4 仿真与分析40-48
• 4.5 本章小结48-50
• 5 基于非局部分类处理的SAR图像降噪50-64
• 5.1 图像分类50-52
• 5.2 块匹配和参数设置52-54
• 5.3 非局部分类降噪54-57
• 5.3.1 非局部降噪方法的选择54-55
• 5.3.2 非局部均值与 3D变换域阈值收缩滤波55-57
• 5.4 实验结果与分析57-62
• 5.5 本章小结62-64
• 6 总结与展望64-66
• 6.1 总结64-65
• 6.2 展望65-66
• 致谢66-68
• 参考文献68-72
• 附录72
• A. 作者在攻读学位期间发表的论文目录72
• B. 作者在攻读学位期间申请的专利目录72

【相似文献】

中国期刊全文数据库 前10条

1 张银蒲;;混合图像降噪技术研究[J];唐山学院学报;2013年03期

2 王伟;;基于小波的阈值法图像降噪分析与仿真[J];技术与市场;2009年12期

3 黄宝贵;马春梅;卢振泰;;新的形态学图像降噪方法[J];计算机应用;2011年03期

4 江月松;王龙奇;;基于积分图像的红外图像降噪去条带方法[J];红外;2012年07期

5 赵一凡;李久贤;吴游;夏良正;;一种基于小波域系数收缩的图像降噪改进算法[J];电路与系统学报;2008年05期

6 周登文;申晓留;;基于最大似然估计的自适应图像降噪[J];计算机工程;2009年08期

7 王丽梅;孙丰荣;张明强;李前娜;姚桂华;张运;;S变换在心肌声学造影图像降噪中的应用[J];计算机工程;2009年13期

8 李智玉;矫媛;;基于上下文模型的小波包图像降噪方法[J];系统仿真学报;2009年S1期

9 傅健;李斌;肖迎春;江柏红;;航空发动机涡轮叶片工业CT图像降噪方法[J];航空动力学报;2010年04期

10 祁国平;吴朝润;;基于非局部均值的图像降噪[J];山西电子技术;2012年02期

中国重要会议论文全文数据库 前1条

1 李小林;刘传才;;基于PDE的图像降噪方法的研究综述[A];第十二届全国图象图形学学术会议论文集[C];2005年

中国重要报纸全文数据库 前1条

1 车宪民;XHX150A型X线机通过专家鉴定[N];中国医药报;2010年

中国博士学位论文全文数据库 前2条

1 陈建军;基于偏微分方程的图像降噪和图像恢复研究[D];重庆大学;2009年

2 陈守水;基于偏微分方程的图像降噪及质量评价研究[D];上海交通大学;2008年

中国硕士学位论文全文数据库 前10条

1 叶铭;基于双边滤波的结构保持极化SAR图像降噪研究[D];合肥工业大学;2015年

2 吕兴琴;苹果采摘机器人夜间图像降噪和增强技术研究[D];江苏大学;2016年

3 周镇镇;离散余弦S变换及其在医学图像降噪中的应用研究[D];山东大学;2016年

4 王妍;基于S变换图像降噪的嵌入式系统设计与实现[D];西安工业大学;2016年

5 张培培;基于BM3D算法的图像降噪电路设计和FPGA实现[D];东南大学;2016年

6 吴国庆;基于变换域稀疏系数估计的SAR图像降噪[D];重庆大学;2016年

7 姚乃萌;基于整数变换与滤波的图像降噪研究[D];天津大学;2014年

8 夏咏梅;低照度图像降噪技术研究[D];南京理工大学;2009年

9 王能强;基于多小波理论的图像降噪研究[D];中国海洋大学;2008年

10 周慧;基于字典的图像降噪方法研究[D];湖北大学;2012年

，

本文编号：867620