本文選題：SAR圖像去噪 + 非局部均值�。� 參考：《西安電子科技大學(xué)》2014年碩士論文

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)作為一種主動(dòng)的遙感觀測(cè)系統(tǒng),由于其輻射的電磁波所具有的獨(dú)特性質(zhì)使得這種成像方法不受光照,天氣等的影響,可以全天時(shí)全天候?qū)崿F(xiàn)對(duì)地觀測(cè),在軍事和民用領(lǐng)域得到廣泛應(yīng)用。隨著計(jì)算機(jī)技術(shù)的發(fā)展,自動(dòng)化的目標(biāo)識(shí)別技術(shù)被用在越來越多的場合。但是雷達(dá)系統(tǒng)的相干成像機(jī)制使得獲取的SAR圖像含有很強(qiáng)的相干斑噪聲,這種乘性噪聲嚴(yán)重破壞了圖像的信息內(nèi)容,從而導(dǎo)致對(duì)SAR圖像的解譯,識(shí)別變得相當(dāng)困難,因此非常有必要對(duì)SAR圖像的相干斑進(jìn)行抑制。盡管近30多年來各類降斑技術(shù)取得了很大的發(fā)展,但是這些算法很難在SAR圖像相干斑噪聲抑制與圖像的邊緣細(xì)節(jié)、結(jié)構(gòu)、輻射特性保持之間取得平衡。隨著對(duì)降斑后的SAR圖像的質(zhì)量要求越來越高,因此需要設(shè)計(jì)更強(qiáng)有力的算法對(duì)SAR圖像進(jìn)行降斑處理。由于近年來稀疏表示理論研究取得的巨大進(jìn)展以及非局部均值算法在圖像處理中的成功應(yīng)用,本文在分析SAR圖像相干斑統(tǒng)計(jì)特性的基礎(chǔ)上,提出了基于稀疏表示和非局部均值技術(shù)的SAR圖像相干斑抑制算法及其改進(jìn)算法,主要工作如下:分析了近年來在圖像處理中得到廣泛應(yīng)用的稀疏表示模型和非局部均值算法,鑒于非局部逼近稀疏表示模型在自然圖像處理中的優(yōu)良性能,我們將其推廣應(yīng)用于SAR圖像的處理當(dāng)中。由于SAR圖像的乘性相干斑與自然圖像的加性高斯噪聲在分布特性方面有著很大的不同,為了驗(yàn)證SAR圖像是否適用于該模型,我們先做了初步的統(tǒng)計(jì)實(shí)驗(yàn)與分析。將進(jìn)行過對(duì)數(shù)變換的原始SAR圖像劃分成重疊的子圖像塊,并對(duì)這些子圖像塊應(yīng)用K-means聚類算法和主成分分析算法學(xué)習(xí)得到一個(gè)冗余字典,接著對(duì)含噪子圖像塊進(jìn)行自適應(yīng)稀疏編碼和使用非局部均值算法估計(jì)無噪SAR圖像子塊的稀疏編碼系數(shù)估計(jì)值,并用迭代閾值收縮算法得到降噪后的編碼系數(shù)。在逆變換回對(duì)數(shù)域后,我們又對(duì)對(duì)數(shù)域SAR圖像進(jìn)行了偏差糾正,以提升降斑效果。鑒于對(duì)數(shù)變換后SAR圖像的噪聲并不嚴(yán)格符合高斯分布,在原非局部逼近稀疏表示模型中所使用的高斯相似性度量用在對(duì)數(shù)域的SAR圖像處理當(dāng)中是不合適的。我們?cè)谟懻搶?duì)數(shù)域SAR圖像噪聲分布特性的基礎(chǔ)上,基于廣義似然比準(zhǔn)則推導(dǎo)了一種新的相似性度量公式,實(shí)驗(yàn)證明了這種改進(jìn)取得了良好的效果,尤其在SAR圖像視數(shù)較低的情況下效果尤其明顯。對(duì)于本論文中提出的降斑算法,我們都進(jìn)行了模擬相干斑圖像和真實(shí)SAR圖像的測(cè)試,并使用了多個(gè)評(píng)估準(zhǔn)則和對(duì)比算法來驗(yàn)證其降斑性能以及圖像的細(xì)節(jié)信息保持能力,實(shí)驗(yàn)結(jié)果證明了我們所提算法的有效性。
[Abstract]:As a kind of active remote sensing observation system , synthetic aperture radar ( SAR ) has been widely used in the field of military and civilian applications because of its unique property .

【學(xué)位授予單位】：西安電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李映;張艷寧;許星;;基于信號(hào)稀疏表示的形態(tài)成分分析:進(jìn)展和展望[J];電子學(xué)報(bào);2009年01期

2 趙瑞珍;王飛;羅阿理;張彥霞;;基于稀疏表示的譜線自動(dòng)提取方法[J];光譜學(xué)與光譜分析;2009年07期

3 楊蜀秦;寧紀(jì)鋒;何東健;;基于稀疏表示的大米品種識(shí)別[J];農(nóng)業(yè)工程學(xué)報(bào);2011年03期

4 史加榮;楊威;魏宗田;;基于非負(fù)稀疏表示的人臉識(shí)別[J];計(jì)算機(jī)工程與設(shè)計(jì);2012年05期

5 高志榮;熊承義;笪邦友;;改進(jìn)的基于殘差加權(quán)的稀疏表示人臉識(shí)別[J];中南民族大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年03期

6 朱杰;楊萬扣;唐振民;;基于字典學(xué)習(xí)的核稀疏表示人臉識(shí)別方法[J];模式識(shí)別與人工智能;2012年05期

7 耿耀君;張軍英;袁細(xì)國;;一種基于稀疏表示系數(shù)的特征相關(guān)性測(cè)度[J];模式識(shí)別與人工智能;2013年01期

8 張疆勤;廖海斌;李原;;基于因子分析與稀疏表示的多姿態(tài)人臉識(shí)別[J];計(jì)算機(jī)工程與應(yīng)用;2013年05期

9 李正周;王會(huì)改;劉梅;丁浩;金鋼;;基于形態(tài)成分稀疏表示的紅外小弱目標(biāo)檢測(cè)[J];彈箭與制導(dǎo)學(xué)報(bào);2013年04期

10 胡正平;趙淑歡;李靜;;基于塊稀疏遞推殘差分析的稀疏表示遮擋魯棒識(shí)別算法研究[J];模式識(shí)別與人工智能;2014年01期

相關(guān)會(huì)議論文 前3條

1 何愛香;劉玉春;魏廣芬;;基于稀疏表示的煤矸界面識(shí)別研究[A];虛擬運(yùn)營與云計(jì)算——第十八屆全國青年通信學(xué)術(shù)年會(huì)論文集（上冊(cè)）[C];2013年

2 樊亞翔;孫浩;周石琳;鄒煥新;;基于元樣本稀疏表示的多視角目標(biāo)識(shí)別[A];2013年中國智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第五分冊(cè)）[C];2013年

3 葛鳳翔;任歲玲;郭鑫;郭良浩;孫波;;微弱信號(hào)處理及其研究進(jìn)展[A];中國聲學(xué)學(xué)會(huì)水聲學(xué)分會(huì)2013年全國水聲學(xué)學(xué)術(shù)會(huì)議論文集[C];2013年

相關(guān)博士學(xué)位論文 前10條

1 李進(jìn)明;基于稀疏表示的圖像超分辨率重建方法研究[D];重慶大學(xué);2015年

2 王亞寧;基于信號(hào)稀疏表示的電機(jī)故障診斷研究[D];河北工業(yè)大學(xué);2014年

3 姚明海;視頻異常事件檢測(cè)與認(rèn)證方法研究[D];東北師范大學(xué);2015年

4 黃國華;蛋白質(zhì)翻譯后修飾位點(diǎn)與藥物適應(yīng)癥預(yù)測(cè)方法研究[D];上海大學(xué);2015年

5 王瑾;基于稀疏表示的數(shù)據(jù)收集、復(fù)原與壓縮研究[D];北京工業(yè)大學(xué);2015年

6 王文卿;基于融合框架與稀疏表示的遙感影像銳化[D];西安電子科技大學(xué);2015年

7 李小薪;稀疏表示的分段匹配尋蹤方法[D];華南理工大學(xué);2009年

8 何艷敏;稀疏表示在圖像壓縮和去噪中的應(yīng)用研究[D];電子科技大學(xué);2011年

9 宋相法;基于稀疏表示和集成學(xué)習(xí)的若干分類問題研究[D];西安電子科技大學(xué);2013年

10 匡金駿;基于稀疏表示的圖像分類與目標(biāo)跟蹤研究[D];重慶大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王道文;基于稀疏表示的目標(biāo)跟蹤算法研究[D];華南理工大學(xué);2015年

2 李哲;基于稀疏表示和LS-SVM的心電信號(hào)分類[D];河北大學(xué);2015年

3 孫雪青;Shearlet變換和稀疏表示相結(jié)合的甲狀腺結(jié)節(jié)圖像融合[D];河北大學(xué);2015年

4 吳麗璇;基于稀疏表示的微聚焦X射線圖像去噪方法[D];華南理工大學(xué);2015年

5 趙孝磊;基于圖像分塊稀疏表示的人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

6 黃志明;基于辨別式稀疏字典學(xué)習(xí)的視覺追蹤算法研究[D];華南理工大學(xué);2015年

7 張鈴華;非約束環(huán)境下的稀疏表示人臉識(shí)別算法研究[D];南京信息工程大學(xué);2015年

8 賀妍斐;基于稀疏表示與自適應(yīng)倒易晶胞的遙感圖像復(fù)原方法研究[D];南京信息工程大學(xué);2015年

9 楊爍;電能質(zhì)量擾動(dòng)信號(hào)的稀疏表示/壓縮采樣研究[D];西南交通大學(xué);2015年

10 應(yīng)艷麗;基于低秩稀疏表示的目標(biāo)跟蹤算法研究[D];西南交通大學(xué);2015年

，

本文編號(hào)：1822541