基于關(guān)注圖的自適應(yīng)非局部SAR/PolSAR降斑算法
發(fā)布時間:2021-03-23 09:16
合成孔徑雷達(dá)(SAR)是一種先進(jìn)的微波成像技術(shù),在軍事領(lǐng)域和民用領(lǐng)域都具有重要應(yīng)用。運(yùn)用這種技術(shù)得到的大量對地觀測數(shù)據(jù)為人們系統(tǒng)了解地球提供了重要依據(jù)。由于SAR圖像的相干成像機(jī)理,不可避免的產(chǎn)生了相干斑噪聲,破壞了目標(biāo)信息,影響人們對目標(biāo)物的觀察和判斷。由于噪聲的存在,我們獲得的SAR圖像和極化SAR數(shù)據(jù)所蘊(yùn)含的有用信息含量明顯降低,如何從這些數(shù)據(jù)中提取有效信息是SAR和極化SAR解譯的關(guān)鍵所在。目前此類相干斑抑制研究學(xué)者很多,也提出了許多有效的算法,比如PPB,Lee,Pretest算法,這些方法各有自身的優(yōu)點(diǎn)和不足之處。本文在充分分析SAR的成像機(jī)理、相干斑噪聲的形成原因以及噪聲模型的基礎(chǔ)上提出的新的解決思路,主要有以下兩種:1、提出了基于SAR圖像同質(zhì)顯著性的改進(jìn)的雙邊濾波框架。首先,我們結(jié)合傳統(tǒng)顯著性算法以及SAR圖像的乘性噪聲模型設(shè)計(jì)了新的同質(zhì)顯著性計(jì)算方法,并利用加權(quán)估計(jì)盡量消除噪聲對顯著性的影響,得到更加準(zhǔn)確的同質(zhì)顯著圖;其次,根據(jù)顯著圖和“雙邊”的關(guān)系,制定自適應(yīng)的權(quán)重公式;最后利用改進(jìn)的雙邊濾波算法得到干凈的圖像。優(yōu)點(diǎn)在于通過同質(zhì)顯著性自適應(yīng)的調(diào)節(jié)“雙邊”的權(quán)重,最...
【文章來源】:西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】:65 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
1.1 SAR的發(fā)展及研究背景
1.2 SAR的研究意義
1.3 SAR圖像降斑的研究現(xiàn)狀
1.4 本文主要內(nèi)容及安排
第二章 SAR/極化SAR的基本理論
2.1 SAR的成像機(jī)理
2.2 相干斑理論
2.2.1 電磁波散射理論
2.2.2 相干斑成像機(jī)理
2.2.3 相干斑模型
2.3 極化SAR數(shù)據(jù)描述
2.4 極化分解模型
2.5 相干斑抑制結(jié)果的評價指標(biāo)
2.5.1 主觀評價
2.5.2 客觀評價
2.6 本章小結(jié)
第三章 基于同質(zhì)顯著度的SAR圖像雙邊濾波
3.1 同質(zhì)顯著度
3.2 雙邊濾波相關(guān)理論
3.3 改進(jìn)的SAR圖像雙邊濾波
3.4 算法實(shí)現(xiàn)步驟
3.5 本章算法的結(jié)果顯示及分析
3.5.1 實(shí)驗(yàn)參數(shù)設(shè)置及指標(biāo)選擇
3.5.2 顯著圖算法結(jié)果對比及顯示
3.5.3 模擬SAR圖像降斑結(jié)果及分析
3.5.4 真實(shí)SAR圖像降斑結(jié)果及分析
3.6 本章小結(jié)
第四章 基于極化分解的極化SAR非局部均值濾波
4.1 基于極化分解的相似性計(jì)算
4.1.1 極化相似性度量
4.1.2 Wishart距離
4.1.3 聯(lián)合相似性
4.2 極化SAR的同質(zhì)顯著圖
4.3 非局部均值濾波算法
4.4 算法步驟及實(shí)驗(yàn)結(jié)果分析
4.4.1 算法步驟
4.4.2 極化SAR數(shù)據(jù)降斑結(jié)果顯示及分析
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
致謝
作者簡介
1.基本情況
2.教育背景
本文編號:3095559
【文章來源】:西安電子科技大學(xué)陜西省 211工程院校 教育部直屬院校
【文章頁數(shù)】:65 頁
【學(xué)位級別】:碩士
【文章目錄】:
摘要
ABSTRACT
符號對照表
縮略語對照表
第一章 緒論
1.1 SAR的發(fā)展及研究背景
1.2 SAR的研究意義
1.3 SAR圖像降斑的研究現(xiàn)狀
1.4 本文主要內(nèi)容及安排
第二章 SAR/極化SAR的基本理論
2.1 SAR的成像機(jī)理
2.2 相干斑理論
2.2.1 電磁波散射理論
2.2.2 相干斑成像機(jī)理
2.2.3 相干斑模型
2.3 極化SAR數(shù)據(jù)描述
2.4 極化分解模型
2.5 相干斑抑制結(jié)果的評價指標(biāo)
2.5.1 主觀評價
2.5.2 客觀評價
2.6 本章小結(jié)
第三章 基于同質(zhì)顯著度的SAR圖像雙邊濾波
3.1 同質(zhì)顯著度
3.2 雙邊濾波相關(guān)理論
3.3 改進(jìn)的SAR圖像雙邊濾波
3.4 算法實(shí)現(xiàn)步驟
3.5 本章算法的結(jié)果顯示及分析
3.5.1 實(shí)驗(yàn)參數(shù)設(shè)置及指標(biāo)選擇
3.5.2 顯著圖算法結(jié)果對比及顯示
3.5.3 模擬SAR圖像降斑結(jié)果及分析
3.5.4 真實(shí)SAR圖像降斑結(jié)果及分析
3.6 本章小結(jié)
第四章 基于極化分解的極化SAR非局部均值濾波
4.1 基于極化分解的相似性計(jì)算
4.1.1 極化相似性度量
4.1.2 Wishart距離
4.1.3 聯(lián)合相似性
4.2 極化SAR的同質(zhì)顯著圖
4.3 非局部均值濾波算法
4.4 算法步驟及實(shí)驗(yàn)結(jié)果分析
4.4.1 算法步驟
4.4.2 極化SAR數(shù)據(jù)降斑結(jié)果顯示及分析
4.5 本章小結(jié)
第五章 總結(jié)與展望
5.1 總結(jié)
5.2 展望
參考文獻(xiàn)
致謝
作者簡介
1.基本情況
2.教育背景
本文編號:3095559
本文鏈接:http://sikaile.net/kejilunwen/wltx/3095559.html
最近更新
教材專著