基于Directionlet变换的SAR图像相干斑抑制算法及快速实现研究

发布时间：2017-03-27 19:02

  本文关键词：基于Directionlet变换的SAR图像相干斑抑制算法及快速实现研究，由笔耕文化传播整理发布。

【摘要】：由于合成孔径雷达(Synthetic Aperture Radar,SAR)能够在任何天气和光照条件下获取地表物体和地下隐藏物体的信息数据,因此SAR图像在海洋监测、资源和地质探测、农作物生长观测和评估以及军事等领域有着广泛的应用。然而,成像雷达采用干涉原理进行成像,会使所获得的SAR图像产生固有的相干斑噪声(Speckle)。这不仅严重影响了SAR图像的质量、隐藏了图像的精细结构,而且还给对SAR图像后续的分割、目标识别、目标分类等处理带来困难。因此,抑制SAR图像相干斑噪声具有重要的理论和实际意义。传统的二维小波基函数缺乏多方向性和各向异性,这使得它不能对图像实现有效的稀疏表达。图像中各向异性的一维特征(如边缘和轮廓)在人的视觉感知中起着重要的作用,然而,当使用二维小波对图像进行分解时,将会在不连续的边缘点处产生大量的小波系数,造成图像的非稀疏表达。Directionlet变换是一种比小波变换更稀疏的多尺度几何分析工具,且具有多尺度、多方向和各向异性等特性,因此能够有效的描述图像中各向异性的一维特征,实现图像的稀疏表达。由于不同的地表特征会导致具有不同统计特性的相干斑噪声,因此,在实际中很难使用一种固定的统计模型对其进行建模。本文在研究directionlet变换的基础上,首先讨论了SAR图像directionlet变换系数的统计分布特性,并使用Cauchy分布、Gaussian混合分布和Laplacian混合分布对其建模,然后在Bayesian框架下推导最大后验概率估计器,最后实现SAR图像相干斑噪声的去除。为了得到与混合分布相对应的最大后验概率估计器,我们使用期望最大化算法估计混合分布中的参数。作为图像的一种稀疏表达方式,directionlets虽然能够去除像素间大部分的相关性,但是directionlet变换系数之间仍然存在较强的相关性,这些相关性对图像处理算法的性能有很大的影响。我们在研究directionlet系数间的相关性的基础上设计了一个线性预测器,将相关性以互信息的形式引入到最大后验概率估计器中,提高了算法去除相干斑噪声的性能。实验结果表明,本文提出的基于directionlet变换的SAR图像相干斑去除算法在去除相干斑噪声的同时能够保持图像的边缘特征。针对SAR图像数据量大、消除相干斑算法计算复杂度高的特点,本文在研究图形处理器(Graphics Processing Unit, GPU)硬件结构和计算统一设备架构的基础上,实现了基于阈值的SAR图像相干斑噪声去除算法的并行算法设计,将相干斑消除算法中的并行度高、计算量大的部分放到GPU上进行计算,将逻辑性强的串行运算部分放在中央处理器(Central Processing Unit, CPU)上进行处理。实验结果表明,基于GPU的算法执行效率明显高于基于CPU的算法执行效率,如果不考虑数据的复制操作,并行算法的执行效率将进一步提高。
【关键词】：Directionlet变换 SAR图像 相干斑 多尺度积 最大后验
【学位授予单位】：安徽大学
【学位级别】：博士
【学位授予年份】：2015
【分类号】：TN957.52
【目录】：

• 摘要3-5
• Abstract5-7
• 致谢7-11
• 第一章 绪论11-20
• 1.1 研究背景及意义11-13
• 1.2 国内外研究现状13-18
• 1.3 论文主要工作及章节安排18-20
• 第二章 Directionlet变换和SAR图像噪声模型20-33
• 2.1 二维小波变换20-24
• 2.1.1 小波变换的思想与实现20-23
• 2.1.2 二维小波变换的缺陷23-24
• 2.2 各向异性小波交换24-25
• 2.3 Directionlet交换25-28
• 2.3.1 数字线与陪集分解26-27
• 2.3.2 Directionlet变换的实现27-28
• 2.4 SAR图像与相干斑模型28-33
• 2.4.1 相干斑产生的原因和SAR图像的统计特性28-30
• 2.4.2 相干斑噪声的模型30-33
• 第三章 基于多尺度积的SAR图像相干斑抑制33-46
• 3.1 多尺度积与SAR图像相干斑抑制算法34-37
• 3.1.1 多尺度积34-36
• 3.1.2 基于多尺度积的SAR图像相干斑抑制算法36-37
• 3.2 阈值和噪声标准差的估计37-39
• 3.2.1 阈值估计37-38
• 3.2.2 噪声标准差估计38-39
• 3.3 实验结果与分析39-45
• 3.3.1 合成SAR图像实验39-42
• 3.3.2 真实SAR图像实验42-45
• 3.4 结论45-46
• 第四章 SAR图像Directionlet变换系数的统计特性和Bayesian估计46-87
• 4.1 Cauchy模型与MAP估计46-59
• 4.1.1 图像directionlet系数的Cauchy模型46-48
• 4.1.2 Bayesian估计器与参数估计48-50
• 4.1.3 基于统计模型的SAR图像相干斑消除算法50-51
• 4.1.4 实验结果与分析51-56
• 4.1.5 结论56-59
• 4.2 Gaussian混合模型与MAP估计59-72
• 4.2.1 图像directionlet系数的Gaussian混合模型59-61
• 4.2.2 参数估计与平均MAP估计器61-63
• 4.2.3 实验结果与分析63-69
• 4.2.4 结论69-72
• 4.3 Laplacian混合模型与MAP估计72-87
• 4.3.1 图像directionlet系数的Laplacian混合模型72-75
• 4.3.2 参数估计75-77
• 4.3.3 基于尺度内相关性的平均MAP估计器77-79
• 4.3.4 实验结果与分析79-86
• 4.3.5 结论86-87
• 第五章 基于GPU的SAR图像相干斑抑制算法快速实现87-99
• 5.1 CUDA架构下的GPU通用计算及其硬件结构87-90
• 5.2 CUDA软件架构与编程模式90-92
• 5.2.1 CUDA软件架构90-91
• 5.2.2 CUDA编程模式91-92
• 5.3 基于GPU的SAR图像相干斑抑制92-97
• 5.3.1 矩阵转置并行算法92-94
• 5.3.2 Directionlet变换并行算法94-95
• 5.3.3 并行排序算法95-97
• 5.4 SAR图像相干斑去除并行算法性能测试97-98
• 5.5 结论98-99
• 第六章 总结99-101
• 附录 A101-103
• 参考文献103-111
• 博士期间的学术成果111-11

【相似文献】

中国期刊全文数据库 前10条

1 韩萍;晏珂;吴仁彪;;基于散射模型的极化SAR图像相干斑抑制算法[J];现代雷达;2012年07期

2 王爽;于佳平;刘坤;侯彪;焦李成;;基于双边滤波的极化SAR相干斑抑制[J];雷达学报;2014年01期

3 付毓生,皮亦鸣,黄顺吉;基于多纹理的合成孔径雷达图像相干斑抑制[J];系统工程与电子技术;2003年01期

4 乔明,王新楼,邹谋炎;一种规整化的各向异性扩散相干斑抑制算法[J];中国科学院研究生院学报;2005年01期

5 李金才;黄斌;彭宇行;;一种改进的用于合成孔径雷达图像相干斑抑制的双边滤波参数配置方法[J];物理学报;2012年18期

6 张中山;余洁;燕琴;孟云闪;赵争;;基于核独立成分分析的极化SAR图像相干斑抑制[J];测绘学报;2011年03期

7 赵忠民;赵拥军;牛朝阳;;改进的基于非局部均值的极化SAR相干斑抑制[J];中国图象图形学报;2013年08期

8 袁湛;何友;蔡复青;;SAR图像伪加性相干斑噪声统计特性[J];宇航学报;2012年06期

9 唐健,王贞松;利用小波分析来抑制合成孔径雷达图象的相干斑噪声[J];电子科学学刊;1997年04期

10 杨大海;马德宝;;基于极化矢量相似系数的极化Lee滤波改进算法[J];信息工程大学学报;2010年06期

中国重要会议论文全文数据库 前5条

1 李刚飞;张涛;;SAR图像多视工程实现方法[A];中国通信学会第六届学术年会论文集（下）[C];2009年

2 王雪;田微晴;胡华超;;基于新阈值函数小波变换的SAR相干斑抑制[A];全国第五届信号和智能信息处理与应用学术会议专刊(第一册)[C];2011年

3 孙琳琳;张云;;基于FOCUSS算法的相干斑噪声抑制方法研究[A];全国第二届信号处理与应用学术会议专刊[C];2008年

4 申家振;张艳宁;薛笑荣;段锋;;SAR图像中相干斑噪声分布特性研究[A];信号与信息处理技术——第一届信号与信息处理联合学术会议论文集[C];2002年

5 郑世友;周晔;贺丰收;郑瑶;;有重叠区域的SAR图像序列拼接新方法[A];2009年中国智能自动化会议论文集（第三分册）[C];2009年

中国博士学位论文全文数据库 前10条

1 朱磊;合成孔径雷达图像相干斑抑制方法研究[D];西安电子科技大学;2014年

2 谢海慧;SAR相干斑抑制及图像压缩的小波域方法[D];电子科技大学;2004年

3 颜学颖;SAR图像相干斑抑制和分割方法研究[D];西安电子科技大学;2013年

4 王程;SAR图像相干斑抑制和光学图像序列超分辨率技术研究[D];中国人民解放军国防科学技术大学;2002年

5 卢一相;基于Directionlet变换的SAR图像相干斑抑制算法及快速实现研究[D];安徽大学;2015年

6 杨萌;稀疏表示在SAR图像相干斑抑制与检测中的应用研究[D];南京航空航天大学;2012年

7 武昕伟;SAR自聚焦技术及相干斑抑制算法研究[D];南京航空航天大学;2002年

8 万朋;合成孔径雷达目标检测及相关技术研究[D];电子科技大学;2000年

9 王爱丽;基于小波理论的SAR图像压缩算法研究[D];哈尔滨工业大学;2008年

10 陈少波;SAR图像相干斑抑制算法研究[D];华中科技大学;2010年

中国硕士学位论文全文数据库 前10条

1 左美霞;基于散射特性相似性的极化SAR图像相干斑抑制研究[D];合肥工业大学;2011年

2 邹琪;极化合成孔径雷达相干斑抑制研究[D];电子科技大学;2001年

3 陈红艳;极化SAR图像相干斑抑制研究[D];电子科技大学;2006年

4 张光辉;极化SAR相干斑抑制及效果评估方法研究[D];解放军信息工程大学;2012年

5 蒋含禄;基于统计检验的极化SAR相干斑抑制研究[D];西安电子科技大学;2013年

6 赵忠民;基于非局部均值的极化SAR相干斑抑制方法研究[D];解放军信息工程大学;2013年

7 朱佳文;极化SAR相干斑抑制及其对分类精度的影响研究[D];首都师范大学;2013年

8 许双星;极化SAR图像相干斑抑制及分类研究[D];西安电子科技大学;2013年

9 贾惠珍;合成孔径雷达图像相干斑抑制算法的研究[D];广西师范大学;2011年

10 李永臣;合成孔径雷达图像统计建模与滤波[D];上海交通大学;2013年

  本文关键词：基于Directionlet变换的SAR图像相干斑抑制算法及快速实现研究，，由笔耕文化传播整理发布。

本文编号：270874