本文選題：合成孔徑雷達(dá)圖像 + 相干斑�。� 參考：《西安工程大學(xué)》2016年碩士論文

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)是一種相干成像雷達(dá)系統(tǒng),其相干成像的產(chǎn)物SAR圖像中隨機(jī)分布著具有乘性噪聲特性的相干斑。相干斑的存在大大降低了解譯系統(tǒng)對(duì)SAR圖像的處理效果,因此SAR圖像相干斑抑制成為SAR圖像處理研究領(lǐng)域的重要內(nèi)容之一。目前眾多學(xué)者在空域、變換域、偏微分各向異性擴(kuò)散方面提出了多種抑斑算法,然而大部分算法都采用的是局部平均技術(shù)。為此,本文從非局部平均(Non Local Means,NLM)技術(shù)入手,對(duì)SAR圖像相干斑抑制方法展開研究。本文圍繞非局部平均的SAR圖像相干斑抑制開展了以下五個(gè)方面的研究:其一,通過分析傳統(tǒng)NLM算法的特點(diǎn),提出了經(jīng)典NLM算法的快速實(shí)現(xiàn)方法。該方法以內(nèi)存空間為代價(jià),在保持算法去噪效果一致的同時(shí)有效地提高了算法的實(shí)時(shí)性。其二,通過將傳統(tǒng)NLM思想引入到經(jīng)典空域SAR圖像抑斑算法中,提出了兩種基于空域相似性度量的SAR圖像非局部平均抑斑算法。算法一為基于變差系數(shù)的SAR圖像非局部平均抑斑算法。該算法利用傳統(tǒng)NLM技術(shù)估計(jì)當(dāng)前像素點(diǎn)與其鄰域內(nèi)其它像素點(diǎn)為中心的相似窗的變差系數(shù)比與均值比,用兩者的乘積替代權(quán)值中高斯加權(quán)歐幾里得距離,再結(jié)合Frost濾波的負(fù)指數(shù)形式及衰減因子對(duì)經(jīng)典NLM算法中權(quán)值計(jì)算方法進(jìn)行了改進(jìn),最后利用加權(quán)平均實(shí)現(xiàn)SAR圖像相干斑抑制。算法二為基于Kuan濾波系數(shù)的SAR圖像非局部平均抑斑算法。該算法通過Kuan濾波對(duì)SAR圖像預(yù)處理,計(jì)算信息熵得到Kuan濾波系數(shù),并由傳統(tǒng)非局部平均技術(shù)估計(jì)當(dāng)前像素點(diǎn)與其鄰域內(nèi)其它像素點(diǎn)為中心的相似窗的均值比,用兩者的乘積替代權(quán)值中高斯加權(quán)歐幾里得距離,再結(jié)合Frost濾波的負(fù)指數(shù)形式及衰減因子共同建立新權(quán)值,最后通過加權(quán)平均實(shí)現(xiàn)SAR圖像相干斑抑制。兩種算法在同質(zhì)區(qū)抑斑效果較好,且算法二較算法一在同質(zhì)區(qū)的平滑性能得到增強(qiáng),邊緣區(qū)域細(xì)節(jié)信息保護(hù)能力有所提高。其三,通過將傳統(tǒng)非局部平均思想與小波域SAR圖像抑斑算法結(jié)合,提出了基于小波域相似性度量的SAR圖像非局部平均抑斑算法。該算法首先利用小波分解提取SAR圖像的低頻信息,計(jì)算其信息熵。然后利用非局部平均方法估計(jì)當(dāng)前像素點(diǎn)與其鄰域內(nèi)其它像素點(diǎn)為中心的相似窗的均值比,兩者結(jié)合替代權(quán)值中高斯加權(quán)歐幾里得距離。并與Frost濾波的負(fù)指數(shù)形式及衰減因子共同建立新權(quán)值,最后利用加權(quán)平均使SAR圖像相干斑得到有效抑制。通過實(shí)驗(yàn)圖像與數(shù)據(jù)的分析說明該算法在同質(zhì)區(qū)有較好的平滑能力,且在邊緣細(xì)節(jié)保持方面有較大的突破。其四,借助變尺度窗與基于小波域相似性度量的SAR圖像非局部平均抑斑算法,提出了基于變尺度窗的SAR圖像非局部平均抑斑算法。該算法通過基于高斯伽馬窗的ESM對(duì)含噪圖像進(jìn)行閾值化完成圖像的區(qū)域劃分,結(jié)合文中搜索窗與相似窗的大小對(duì)濾波效果影響的分析,對(duì)同質(zhì)區(qū)、邊緣區(qū)分別采用不同尺度窗,最后通過基于小波域相似性度量的SAR圖像非局部平均抑斑算法來抑制相干斑。該算法在同質(zhì)區(qū)得到較好的平滑的同時(shí),保護(hù)了邊緣細(xì)節(jié)信息。通過真實(shí)SAR圖像去噪的實(shí)驗(yàn)結(jié)果也充分說明,其邊緣保持性能較其他算法得到了增強(qiáng)。其五,借助Lab VIEW平臺(tái),通過MATLAB與Lab VIEW混編,實(shí)現(xiàn)了SAR圖像相干斑抑制算法GUI軟件。該軟件利用本文幾種算法對(duì)SAR圖像進(jìn)行抑斑處理,不但可以得到相應(yīng)的去噪圖像和邊緣檢測(cè)圖像,而且可以得到抑斑后的性能評(píng)估參數(shù)。本文首先介紹了SAR圖像的研究背景及成像原理,闡述了傳統(tǒng)非局部平均算法,提出其快速實(shí)現(xiàn)方法,然后在空域?yàn)V波方面提出了兩種算法,在小波域提出一種算法與一種改進(jìn)算法,最后通過Lab VIEW實(shí)現(xiàn)SAR圖像抑斑算法GUI軟件,并對(duì)全文進(jìn)行了總結(jié)與展望。
[Abstract]:Synthetic Aperture Radar (SAR) is a coherent imaging radar system. The coherent imaging products are randomly distributed in the SAR image with multiplicative noise characteristics. The presence of the speckle greatly reduces the processing effect of the interpretation system on the SAR image. Therefore, the SAR image speckle suppression becomes SAR image processing research. One of the important contents of the field is one of the important fields. At present, many scholars have proposed a variety of speckle suppression algorithms in the field of space, transform domain and partial differential anisotropic diffusion. However, most of the algorithms are using local mean technology. Therefore, this paper starts with the non local mean (Non Local Means, NLM) technique to study the speckle suppression method of SAR image. In this paper, the research on speckle suppression of non local average SAR image is studied in the following five aspects: first, by analyzing the characteristics of the traditional NLM algorithm, a fast implementation method of the classical NLM algorithm is proposed. By introducing the traditional NLM idea into the classical spatial domain SAR image suppression algorithm, two non local average speckle suppression algorithms for SAR images based on the spatial similarity measure are proposed. The first is a non local average suppression algorithm for the SAR image based on the coefficient of variation. The algorithm uses the traditional NLM technology to estimate the current pixels and other images in their neighbourhood. The difference coefficient ratio and the mean ratio of the pixel center similar window are replaced by the product of the weight value of the Gauss weighted Euclidean distance in the weight value. Then the weight calculation method in the classical NLM algorithm is improved by the negative exponential form and attenuation factor of Frost filtering. Finally, the SAR image speckle suppression is realized by the weighted average. The second is the second algorithm. Based on the Kuan filter coefficient, the non local average anti speckle algorithm of SAR image is used to preprocess the SAR image by Kuan filtering, and the information entropy is calculated to obtain the Kuan filter coefficient, and the mean ratio of the current pixel points to the other pixels in the neighborhood is estimated by the traditional non local mean technique, and the product is used to replace the weight value in the weight value. Gauss weighted Euclidean distance, and then combined with the negative exponential form and attenuation factor of Frost filter to establish new weights, and finally realized SAR image speckle suppression by weighted average. The two algorithms have better spot suppression in homogeneity area, and algorithm two is better than algorithm one in homogeneity area, and the detail information protection of edge area is protected. Thirdly, by combining the traditional non local mean idea with the SAR image suppression algorithm in the wavelet domain, a non local mean suppression algorithm of SAR image based on the similarity measurement of the wavelet domain is proposed. The algorithm first uses the wavelet decomposition to extract the low frequency information of the SAR image, and calculates its information entropy. Then, the non local mean method is used. The mean ratio of the current pixel to the other pixels in the neighborhood is estimated, and both of them combine the Gauss weighted Euclidean distance in the weight value of the Gauss weighted Euclidean distance. And the new weights are established with the negative exponential form and attenuation factor of the Frost filter. Finally, the weighted average is used to effectively suppress the speckle of the SAR image. The analysis of the data shows that the algorithm has better smoothness in the homogeneity area and has a great breakthrough in the maintenance of edge details. Fourthly, the non local average suppression algorithm of SAR image based on variable scale window is proposed by means of variable scale window and the similarity measurement based on wavelet domain. The algorithm is based on the variable scale window. Based on Gauss gamma window ESM, the image is divided by thresholding of the noisy image, and the influence of the search window and the size of the similar window on the filtering effect is analyzed. The different scale windows are used in the homogeneous area and the edge region. Finally, the non local average suppression algorithm of the SAR image based on the similarity of the wavelet domain is used to suppress the image. The algorithm protects the edge details while getting better smoothness in the homogeneity region. The experimental results of denoising through real SAR image are also fully explained, and its edge retention performance is enhanced compared with other algorithms. 5, with the help of Lab VIEW platform, MATLAB and Lab VIEW are mixed, the SAR image speckle suppression algorithm GU is realized. I software. This software uses several algorithms to suppress the SAR image, not only can get the corresponding denoising image and edge detection image, but also get the performance evaluation parameters after the speckle reduction. This paper first introduces the research background and imaging principle of the SAR image, and expounds the traditional non local average algorithm, and proposes its fast reality. In this way, two algorithms are proposed in the field of spatial domain filtering, and an algorithm and an improved algorithm are proposed in the wavelet domain. Finally, the SAR image suppression algorithm GUI software is implemented by Lab VIEW, and the full text is summarized and prospected.

【學(xué)位授予單位】：西安工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 紀(jì)建;田錚;;基于獨(dú)立分量分析的極化SAR圖像的相干斑抑制[J];計(jì)算機(jī)應(yīng)用;2006年10期

2 王曉軍;閆抒升;孫洪;;極化SAR圖像相干斑濾波性能評(píng)估[J];系統(tǒng)工程與電子技術(shù);2008年01期

3 胡國(guó)浩;沈汀;張文超;;一種可操縱金字塔的相干斑去噪方法[J];微計(jì)算機(jī)信息;2008年16期

4 張光輝;牛朝陽;李冬海;;基于差異度的極化SAR相干斑抑制效果評(píng)估[J];信號(hào)處理;2012年01期

5 朱磊;水鵬朗;章為川;周忠根;;利用區(qū)域劃分的合成孔徑雷達(dá)圖像相干斑抑制算法[J];西安交通大學(xué)學(xué)報(bào);2012年10期

6 張光輝;牛朝陽;李冬海;;一種改進(jìn)的高分辨極化SAR相干斑抑制算法[J];信息工程大學(xué)學(xué)報(bào);2012年06期

7 張靜怡;雷斌;劉團(tuán)結(jié);;一種新型的空域極化SAR數(shù)據(jù)相干斑濾波方法[J];中國(guó)科學(xué)院研究生院學(xué)報(bào);2013年01期

8 田金鳳,皮亦鳴;用一種新的獨(dú)立分量分析算法實(shí)現(xiàn)極化SAR圖像相干斑抑制[J];雷達(dá)科學(xué)與技術(shù);2005年01期

9 韓萍;晏珂;吳仁彪;;基于散射模型的極化SAR圖像相干斑抑制算法[J];現(xiàn)代雷達(dá);2012年07期

10 王爽;于佳平;劉坤;侯彪;焦李成;;基于雙邊濾波的極化SAR相干斑抑制[J];雷達(dá)學(xué)報(bào);2014年01期

相關(guān)會(huì)議論文 前5條

1 李剛飛;張濤;;SAR圖像多視工程實(shí)現(xiàn)方法[A];中國(guó)通信學(xué)會(huì)第六屆學(xué)術(shù)年會(huì)論文集（下）[C];2009年

2 王雪;田微晴;胡華超;;基于新閾值函數(shù)小波變換的SAR相干斑抑制[A];全國(guó)第五屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議�？�(第一冊(cè))[C];2011年

3 孫琳琳;張?jiān)?;基于FOCUSS算法的相干斑噪聲抑制方法研究[A];全國(guó)第二屆信號(hào)處理與應(yīng)用學(xué)術(shù)會(huì)議�？痆C];2008年

4 申家振;張艷寧;薛笑榮;段鋒;;SAR圖像中相干斑噪聲分布特性研究[A];信號(hào)與信息處理技術(shù)——第一屆信號(hào)與信息處理聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

5 鄭世友;周曄;賀豐收;鄭瑤;;有重疊區(qū)域的SAR圖像序列拼接新方法[A];2009年中國(guó)智能自動(dòng)化會(huì)議論文集（第三分冊(cè)）[C];2009年

相關(guān)博士學(xué)位論文 前10條

1 李金才;合成孔徑雷達(dá)圖像相干斑噪聲抑制研究[D];國(guó)防科學(xué)技術(shù)大學(xué);2014年

2 朱磊;合成孔徑雷達(dá)圖像相干斑抑制方法研究[D];西安電子科技大學(xué);2014年

3 謝�；�;SAR相干斑抑制及圖像壓縮的小波域方法[D];電子科技大學(xué);2004年

4 顏學(xué)穎;SAR圖像相干斑抑制和分割方法研究[D];西安電子科技大學(xué);2013年

5 王程;SAR圖像相干斑抑制和光學(xué)圖像序列超分辨率技術(shù)研究[D];中國(guó)人民解放軍國(guó)防科學(xué)技術(shù)大學(xué);2002年

6 盧一相;基于Directionlet變換的SAR圖像相干斑抑制算法及快速實(shí)現(xiàn)研究[D];安徽大學(xué);2015年

7 楊萌;稀疏表示在SAR圖像相干斑抑制與檢測(cè)中的應(yīng)用研究[D];南京航空航天大學(xué);2012年

8 武昕偉;SAR自聚焦技術(shù)及相干斑抑制算法研究[D];南京航空航天大學(xué);2002年

9 萬朋;合成孔徑雷達(dá)目標(biāo)檢測(cè)及相關(guān)技術(shù)研究[D];電子科技大學(xué);2000年

10 王愛麗;基于小波理論的SAR圖像壓縮算法研究[D];哈爾濱工業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 左美霞;基于散射特性相似性的極化SAR圖像相干斑抑制研究[D];合肥工業(yè)大學(xué);2011年

2 李艷華;基于改進(jìn)擴(kuò)散系數(shù)的各向異性擴(kuò)散相干斑抑制算法[D];大連海事大學(xué);2015年

3 楚阿芳;基于核聚類和最優(yōu)迭代的SAR圖像相干斑抑制研究[D];西安電子科技大學(xué);2014年

4 雷曉珍;基于局部與非局部策略的極化SAR相干斑抑制研究[D];西安電子科技大學(xué);2014年

5 李倩;基于非局部平均的SAR圖像相干斑抑制算法研究[D];西安工程大學(xué);2016年

6 鄒琪;極化合成孔徑雷達(dá)相干斑抑制研究[D];電子科技大學(xué);2001年

7 陳紅艷;極化SAR圖像相干斑抑制研究[D];電子科技大學(xué);2006年

8 張光輝;極化SAR相干斑抑制及效果評(píng)估方法研究[D];解放軍信息工程大學(xué);2012年

9 蔣含祿;基于統(tǒng)計(jì)檢驗(yàn)的極化SAR相干斑抑制研究[D];西安電子科技大學(xué);2013年

10 趙忠民;基于非局部均值的極化SAR相干斑抑制方法研究[D];解放軍信息工程大學(xué);2013年

，

本文編號(hào)：1827651