發(fā)布時間：2018-09-01 07:49

【摘要】：結(jié)合圖像在Shearlet域中系數(shù)的特點,提出了一種基于Shearlet系數(shù)稀疏表示與投影總變分(total variation,TV)相結(jié)合的合成孔徑雷達(synthetic aperture radar,SAR)圖像去噪算法。有效解決了稀疏表示在圖像去噪時存在的邊緣細節(jié)損失與TV去噪時存在的光滑區(qū)域階梯效應(yīng)。首先,利用SAR圖像Shearlet系數(shù)的稀疏性,結(jié)合系數(shù)稀疏表示模型,采用分段正交匹配追蹤方法求解優(yōu)化解,從統(tǒng)計意義上實現(xiàn)稀疏表示后的系數(shù)均值為真實圖像系數(shù)均值的無偏估計;其次,為彌補稀疏表示中丟失部分系數(shù)在圖像細節(jié)上的損失,同時結(jié)合這部分系數(shù)對應(yīng)的Shearlet函數(shù)有利于表征圖像邊緣細節(jié)的特性,針對圖像在丟失系數(shù)對應(yīng)的Shearlet函數(shù)空間中投影重構(gòu)的結(jié)果,結(jié)合TV方法迭代去噪。實驗結(jié)果表明,該方法充分利用Shearlet域系數(shù)的特性,采用稀疏去噪與投影TV相結(jié)合的方法以彌補各自缺陷,在去噪的同時能有效保持圖像紋理細節(jié),并具有更優(yōu)的圖像視覺效果。
[Abstract]:A new synthetic aperture radar (SAR) image denoising algorithm based on the combination of Shearlet coefficients sparse representation and total variation (TV) is proposed, which effectively solves the edge detail loss of sparse representation in image denoising and the existence of TV denoising. Firstly, by using the sparsity of the Shearlet coefficients of SAR images and the sparse representation model of the coefficients, the optimal solution is solved by piecewise orthogonal matching pursuit method, and the unbiased estimation of the sparse representation coefficients to the real image coefficients is realized statistically. Secondly, the missing coefficients in the sparse representation are compensated. The loss of some coefficients in image details and the Shearlet function corresponding to these coefficients are helpful to characterize the edge details of the image. According to the result of projection reconstruction of the image in the Shearlet function space corresponding to the loss coefficients, the method is combined with TV iterative denoising. The experimental results show that this method makes full use of the coefficients of Shearlet domain. The method of combining sparse denoising with projection TV is used to compensate for their defects. The method can effectively preserve texture details while denoising, and has better image visual effect.
【作者單位】： 重慶大學(xué)通信工程學(xué)院;
【基金】：國家自然科學(xué)基金(61301224) 重慶市自然科學(xué)基金(cstc2012jjA40001) 中央高�；究蒲袠I(yè)務(wù)費(CDJZR11160003,CDJZR12160014)資助課題
【分類號】：TN957.52

【參考文獻】

相關(guān)期刊論文 前4條

1 何艷敏;甘濤;陳武凡;;基于稀疏表示的兩級圖像去噪[J];電子與信息學(xué)報;2012年09期

2 Robert J. SCLABASSI;;Wavelet denoising via sparse representation[J];Science in China(Series F:Information Sciences);2009年08期

3 劉璐;陳永強;;改進的InSAR相位Lee濾波器[J];科學(xué)技術(shù)與工程;2013年19期

4 梁棟;梁昭;鮑文霞;張林;郭存山;;基于非局部正則化稀疏表示的圖像去噪算法[J];系統(tǒng)工程與電子技術(shù);2013年05期

【共引文獻】

相關(guān)期刊論文 前10條

1 劉亞新;趙瑞珍;胡紹海;姜春暉;;用于壓縮感知信號重建的正則化自適應(yīng)匹配追蹤算法[J];電子與信息學(xué)報;2010年11期

2 岑翼剛;岑麗輝;;基于峰值變換的信號稀疏表示及重建[J];電子與信息學(xué)報;2011年02期

3 高睿;趙瑞珍;胡紹海;;基于壓縮感知的變步長自適應(yīng)匹配追蹤重建算法[J];光學(xué)學(xué)報;2010年06期

4 王杉;周皓鈞;劉海文;呂科;;幀間自適應(yīng)壓縮感知算法在視頻編碼中的應(yīng)用[J];電視技術(shù);2012年11期

5 劉帥奇;胡紹海;肖揚;;基于稀疏表示的Shearlet域SAR圖像去噪[J];電子與信息學(xué)報;2012年09期

6 郝巖;許建樓;;去除乘性噪聲的二階總廣義變分模型及算法[J];光電子.激光;2013年09期

7 徐旭;郭崇慧;;基于相似性函數(shù)的稀疏成分分析混合矩陣估計方法[J];工程數(shù)學(xué)學(xué)報;2013年05期

8 周霞;張鴻杰;王憲;;Shearlet多方向特征融合與加權(quán)直方圖的人臉識別算法[J];光電工程;2013年11期

9 郝巖;許建樓;;迭代重加權(quán)的小波變分修復(fù)模型[J];電子與信息學(xué)報;2013年12期

10 路雅寧;郭雷;李暉暉;;帶限剪切波變換與全變差結(jié)合的圖像去噪[J];光子學(xué)報;2013年12期

相關(guān)博士學(xué)位論文 前10條

1 韓利;高分辨率全譜分解方法研究[D];吉林大學(xué);2013年

2 鐘九生;基于稀疏表示的光學(xué)遙感影像超分辨率重建算法研究[D];南京師范大學(xué);2013年

3 胡琳;切波在方向正則性及閾值估計中的應(yīng)用[D];北京工業(yè)大學(xué);2013年

4 劉帥奇;基于多尺度幾何變換的遙感圖像處理算法研究[D];北京交通大學(xué);2013年

5 殷飛;基于稀疏學(xué)習(xí)的圖像維數(shù)約簡和目標識別方法研究[D];西安電子科技大學(xué);2014年

6 何同弟;高光譜圖像的分類技術(shù)研究[D];重慶大學(xué);2014年

7 嚴�？�;低速重載機械早期故障稀疏特征提取的研究[D];武漢科技大學(xué);2014年

8 潘天工;面向PACS系統(tǒng)的圖像增強和圖像加密算法研究[D];哈爾濱理工大學(xué);2014年

9 岑翼;高維信號及網(wǎng)絡(luò)信息感知中的稀疏恢復(fù)問題研究[D];北京郵電大學(xué);2014年

10 董小亮;基于軌道角動量的信息處理與傳輸技術(shù)研究[D];南京郵電大學(xué);2013年

【二級參考文獻】

相關(guān)期刊論文 前4條

1 全剛,荊麟角;干涉合成孔徑雷達相位濾波的一種新算法[J];電子與信息學(xué)報;2002年05期

2 曾凱;楊華;翟月;張紅;;光電成像干擾圖像質(zhì)量評估[J];電子與信息學(xué)報;2011年09期

3 張小華;陳佳偉;孟紅云;焦李成;孫翔;;基于方向增強鄰域窗和非下采樣Shearlet描述子的非局部均值圖像去噪[J];電子與信息學(xué)報;2011年11期

4 李民;程建;李小文;樂翔;;非局部學(xué)習(xí)字典的圖像修復(fù)[J];電子與信息學(xué)報;2011年11期

【相似文獻】

相關(guān)期刊論文 前10條

1 鄭軼;蔡體健;;稀疏表示的人臉識別及其優(yōu)化算法[J];華東交通大學(xué)學(xué)報;2012年01期

2 段菲;章毓晉;;一種面向稀疏表示的最大間隔字典學(xué)習(xí)算法[J];清華大學(xué)學(xué)報(自然科學(xué)版);2012年04期

3 李仲生;李仁發(fā);蔡則蘇;趙乘麟;;稀疏表示下的非監(jiān)督顯著對象提取[J];電子學(xué)報;2012年06期

4 段菲;章毓晉;;基于多尺度稀疏表示的場景分類[J];計算機應(yīng)用研究;2012年10期

5 胡正平;李靜;白洋;;基于樣本-擴展差分模板的聯(lián)合雙稀疏表示人臉識別[J];信號處理;2012年12期

6 姜芳芳;;稀疏表示理論在提高數(shù)字圖像質(zhì)量中的應(yīng)用[J];科技創(chuàng)新導(dǎo)報;2012年36期

7 馬莉娜;;增強的兩階段測試樣本稀疏表示方法[J];福建電腦;2013年07期

8 尹學(xué)忠;樊甫華;;基于字典學(xué)習(xí)的超寬帶信號稀疏表示與降噪方法[J];計算機應(yīng)用研究;2014年06期

9 張佳宇;彭力;;基于聯(lián)合動態(tài)稀疏表示方法的多圖像人臉識別算法[J];江南大學(xué)學(xué)報(自然科學(xué)版);2014年03期

10 陳才扣;喻以明;史俊;;一種快速的基于稀疏表示分類器[J];南京大學(xué)學(xué)報(自然科學(xué)版);2012年01期

相關(guān)會議論文 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別研究[A];虛擬運營與云計算——第十八屆全國青年通信學(xué)術(shù)年會論文集（上冊）[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識別[A];2013年中國智能自動化學(xué)術(shù)會議論文集（第五分冊）[C];2013年

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

相關(guān)博士學(xué)位論文 前10條

1 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

2 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

3 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

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

5 李海山;基于稀疏表示理論的地震信號處理方法研究[D];中國石油大學(xué)（華東）;2013年

6 鄧承志;圖像稀疏表示理論及其應(yīng)用研究[D];華中科技大學(xué);2008年

7 路錦正;基于稀疏表示的圖像超分辨率重構(gòu)技術(shù)研究[D];電子科技大學(xué);2013年

8 尹海濤;面向圖像融合和圖像復(fù)原的稀疏表示研究[D];湖南大學(xué);2012年

9 謝成軍;圖像稀疏表示模型在可視化追蹤中的應(yīng)用研究[D];合肥工業(yè)大學(xué);2014年

10 歐衛(wèi)華;基于稀疏表示和非負矩陣分解的部分遮擋人臉識別研究[D];華中科技大學(xué);2014年

相關(guān)碩士學(xué)位論文 前10條

1 張琨雨;在線字典訓(xùn)練及加權(quán)差異性稀疏表示的研究[D];大連理工大學(xué);2011年

2 王勇;基于稀疏表示的人臉識別研究[D];五邑大學(xué);2013年

3 李義真;基于詞包與稀疏表示的場景分類[D];華南理工大學(xué);2013年

4 孫麗花;基于稀疏表示的人臉識別方法研究[D];河南科技大學(xué);2013年

5 陳天嬌;基于分組稀疏和權(quán)重稀疏表示的人臉識別研究[D];安徽大學(xué);2014年

6 劉自成;基于稀疏表示的雷達目標角度與距離估計[D];西安電子科技大學(xué);2014年

7 李立;基于稀疏表示的人臉圖像識別方法研究[D];南京理工大學(xué);2012年

8 滿江月;基于稀疏表示的代價敏感性人臉識別算法研究[D];南京郵電大學(xué);2012年

9 趙廣鑾;稀疏表示在圖像識別中的應(yīng)用[D];北京郵電大學(xué);2013年

10 羅燕龍;基于局部稀疏表示模型的在線字典學(xué)習(xí)跟蹤算法研究[D];廈門大學(xué);2014年

，

本文編號：2216566