本文選題：圖像去噪 + 合成孔徑雷達(dá)圖像��； 參考：《系統(tǒng)工程與電子技術(shù)》2017年06期

【摘要】：通過對(duì)合成孔徑雷達(dá)(synthetic aperture radar,SAR)圖像相干斑噪聲的特點(diǎn)分析,提出一種基于貝葉斯模型的shearlet域SAR圖像去噪方法。首先將變換后的SAR圖像在shearlet域進(jìn)行稀疏表示,得到稀疏系數(shù)的分布;其次利用貝葉斯模型進(jìn)行信號(hào)和噪聲檢測(cè)的建模,得到最佳的閾值;然后根據(jù)稀疏系數(shù)在不同方向上相關(guān)性不同的特點(diǎn),利用自適應(yīng)加權(quán)收縮算法對(duì)SAR圖像噪聲進(jìn)行平滑處理;最后利用降噪后的高頻子圖像和低頻子圖像進(jìn)行逆shearlet變換,得到SAR重構(gòu)圖像。通過在MSTAR數(shù)據(jù)庫上的實(shí)驗(yàn)表明,該算法在濾除相干斑噪聲的效果上比其他方法更好,并且不會(huì)損失圖像的邊緣特性。
[Abstract]:By analyzing the characteristics of speckle noise in synthetic aperture radar (SAR) image, a SAR image denoising method in shearlet domain based on Bayesian model is proposed. First, the transformed SAR image is represented sparsely in the shearlet domain to obtain the distribution of sparse coefficients; secondly, the Bayesian model is used to model the signal and noise detection, and the optimal threshold is obtained. Then, according to the different correlation of sparse coefficients in different directions, the adaptive weighted shrinkage algorithm is used to smooth the noise of SAR images. Finally, the high-frequency subimages and low-frequency sub-images after noise reduction are used to inverse shearlet transform. The reconstructed image of SAR is obtained. Experiments on MSTAR database show that the proposed algorithm is more effective than other methods in filtering speckle noise, and it does not lose the edge characteristics of the image.
【作者單位】： 南京航空航天大學(xué)航天學(xué)院;
【基金】：國家自然科學(xué)基金青年科學(xué)基金項(xiàng)目(61301211)資助課題
【分類號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陶娜娜;高軍;張建;;一種基于小波閾值的圖像去噪方法研究[J];農(nóng)業(yè)裝備與車輛工程;2007年01期

2 李玉峰;郭銳;;基于小波影響錐分析的圖像去噪方法[J];光電子.激光;2007年06期

3 黃文濤,畢篤彥,毛柏鑫,馬時(shí)平;基于中值變換和金字塔分解的圖像去噪方法[J];電子與信息學(xué)報(bào);2004年11期

4 邢丹俊;王繼成;;基于提升小波的自適應(yīng)閾值圖像去噪[J];計(jì)算機(jī)技術(shù)與發(fā)展;2008年02期

5 趙繼印;郝志成;李建坡;;小波自適應(yīng)比例改進(jìn)算法在圖像去噪中的應(yīng)用[J];光電工程;2006年01期

6 楊輝;彭良玉;陸世專;;基于小波域高斯混合模型與中值濾波的圖像去噪研究[J];電子技術(shù)應(yīng)用;2007年05期

7 譚艷麗;張丕狀;;基于自適應(yīng)閾值的小波圖像去噪法研究[J];電腦知識(shí)與技術(shù)(學(xué)術(shù)交流);2007年12期

8 鐘微宇;沈汀;;基于NSCT域鄰域收縮的SAR圖像去噪[J];計(jì)算機(jī)工程與應(yīng)用;2014年12期

9 蘇小英;張昌林;;基于小波層間相關(guān)性的中醫(yī)診斷圖像去噪方法的研究[J];醫(yī)學(xué)信息;2007年11期

10 崔艷秋;王珂;孫巍;;基于小波域自適應(yīng)高斯混合模型的圖像去噪方法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2006年06期

相關(guān)博士學(xué)位論文 前1條

1 劉玉淑;基于多尺度變換的圖像去噪及融合算法研究[D];山東大學(xué);2013年

相關(guān)碩士學(xué)位論文 前7條

1 楊巧;新的TV改進(jìn)模型以及在SAR圖像去噪中的應(yīng)用[D];陜西師范大學(xué);2015年

2 范旭;基于Contourlet變換的SAR圖像去噪研究[D];西安電子科技大學(xué);2015年

3 任少美;基于變分偏微分方程的SAR圖像去噪方法研究[D];南京郵電大學(xué);2016年

4 劉歡;基于壓縮感知的SAR圖像去噪和圖像重構(gòu)模型的研究[D];西安電子科技大學(xué);2015年

5 鄧?yán)?基于FPGA的數(shù)字圖像去噪與編碼算法研究[D];天津大學(xué);2014年

6 蘆婧;小波變換圖像去噪及其在SAR圖像中的應(yīng)用[D];西安科技大學(xué);2011年

7 任倩儒;壓縮感知理論及其在圖像去噪中的應(yīng)用研究[D];長安大學(xué);2012年

，

本文編號(hào)：1946264