本文關(guān)鍵詞：基于結(jié)構(gòu)化信息檢測和偏微分方程的高分辨率SAR圖像降斑算法研究

  更多相關(guān)文章： 合成孔徑雷達(dá) 結(jié)構(gòu)化信息檢測 偏微分方程 非局部均值 降斑

【摘要】：合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)具有全天時、全天候、多視角及對地物有一定的穿透性等優(yōu)點,被大量的應(yīng)用在生態(tài)、水文、海洋監(jiān)測和地形測繪等諸多領(lǐng)域。然而,由于雷達(dá)波的相干性,導(dǎo)致SAR圖像在成像過程中會產(chǎn)生無法避免的斑點,特別是高分辨率SAR圖像,其成像更加復(fù)雜,而斑點的存在降低了高分辨率SAR圖像的質(zhì)量,使圖像的判讀和后續(xù)處理出現(xiàn)困難。因此,研究高分辨率SAR圖像斑點的抑制具有十分重要的意義。本文主要從空間域濾波、偏微分方程方法和非局部均值濾波出發(fā),對高分辨率SAR圖像的降斑算法進(jìn)行了深入的研究,通過不同方法之間的結(jié)合和創(chuàng)新,完成的主要工作如下:(1)介紹了經(jīng)典的SAR圖像降斑算法,包括Lee濾波及其增強(qiáng)型算法、Kuan濾波及其增強(qiáng)型算法、Frost濾波、Gamma MAP濾波等空間域濾波方法,以及全變分(TV)模型、PM模型等偏微分方程方法,并分析了經(jīng)典SAR圖像降斑算法的優(yōu)缺點。(2)提出了基于結(jié)構(gòu)化信息檢測和Kirsch方向模板的降斑算法。由于傳統(tǒng)的Kirsch方向算子沒有對SAR圖像的區(qū)域特性進(jìn)行判斷,導(dǎo)致圖像中的斑點得不到充分的抑制。為了解決滑動窗的自適應(yīng)選擇問題,結(jié)合點目標(biāo)檢測、自適應(yīng)滑動窗技術(shù)和結(jié)構(gòu)化信息檢測的思想,提出了基于結(jié)構(gòu)化信息檢測和Kirsch方向模板的SAR圖像降斑算法,所提算法可以有效的檢測出圖像中的點目標(biāo)、邊緣區(qū)域和均勻區(qū)域,并針對不同的圖像區(qū)域使用不同的降斑方法。通過降斑實驗可以驗證所提算法在充分抑制均勻區(qū)域斑點的同時,有效的保留了點目標(biāo)和邊緣區(qū)域,從而達(dá)到斑點抑制和邊緣信息保留的較好平衡。(3)提出了基于非局部均值(NLM)濾波與AA模型的降斑算法。由于AA模型在SAR圖像均勻區(qū)域的降斑能力比較強(qiáng),但邊緣保留能力弱;與之相反,NLM濾波在SAR圖像的均勻區(qū)域降斑能力弱,卻較好地保留了圖像的邊緣信息。因此,本文將非局部狄利克雷函數(shù)作為線性正則項算子,通過衡量圖像的塊相似性來構(gòu)造權(quán)重,與AA模型的數(shù)據(jù)項相結(jié)合,提出新的降斑模型,并對新的降斑模型進(jìn)行迭代求解。通過降斑實驗與分析,與AA模型和NLM濾波相比,本文提出的降斑算法可以更好的抑制SAR圖像斑點,同時又能較好的保留圖像中的邊緣信息。
【關(guān)鍵詞】：合成孔徑雷達(dá) 結(jié)構(gòu)化信息檢測 偏微分方程 非局部均值 降斑
【學(xué)位授予單位】：華僑大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TN957.52
【目錄】：

• 摘要3-5
• Abstract5-10
• 第1章 緒論10-17
• 1.1 課題背景及意義10-12
• 1.1.1 合成孔徑雷達(dá)的研究背景10-11
• 1.1.2 合成孔徑雷達(dá)的研究意義11-12
• 1.2 SAR圖像降斑的研究現(xiàn)狀12-14
• 1.3 本文的研究內(nèi)容及組織結(jié)構(gòu)14-17
• 1.3.1 本文的研究內(nèi)容14-15
• 1.3.2 本文的組織結(jié)構(gòu)15-17
• 第2章 SAR圖像特性和斑點特性17-23
• 2.1 SAR圖像成像機(jī)理17-18
• 2.2 SAR圖像特性18-19
• 2.2.1 方位分辨率18-19
• 2.2.2 距離分辨率19
• 2.3 斑點特性19-22
• 2.3.1 斑點模型19-20
• 2.3.2 斑點統(tǒng)計特性20-22
• 2.4 本章小結(jié)22-23
• 第3章 經(jīng)典濾波方法23-32
• 3.1 空域濾波方法23-26
• 3.1.1 Lee濾波及其增強(qiáng)型算法23-25
• 3.1.2 Kuan濾波及其增強(qiáng)型算法25
• 3.1.3 Frost濾波25-26
• 3.1.4 Gamma MAP濾波26
• 3.2 偏微分方程方法26-29
• 3.2.1 全變分（TV）模型27-28
• 3.2.2 PM模型28-29
• 3.3 降斑算法的性能評價指標(biāo)29-30
• 3.3.1 主觀評價方法29
• 3.3.2 客觀評價方法29-30
• 3.4 本章小結(jié)30-32
• 第4章 基于結(jié)構(gòu)化信息檢測和Kirsch方向模板的降斑算法32-46
• 4.1 Kirsch方向模板32-33
• 4.2 自適應(yīng)滑動窗技術(shù)33-35
• 4.3 基于結(jié)構(gòu)化信息檢測和Kirsch方向模板的降斑算法35-36
• 4.4 實驗結(jié)果與分析36-45
• 4.4.1 仿真SAR圖像實驗37-38
• 4.4.2 實際高分辨率SAR圖像實驗38-44
• 4.4.3 實驗總結(jié)44-45
• 4.5 本章小結(jié)45-46
• 第5章 基于NLM濾波和AA模型的降斑算法46-60
• 5.1 基于AA模型的SAR圖像降斑46-49
• 5.1.1 AA模型的建立及快速求解算法46-48
• 5.1.2 基于AA模型的降斑結(jié)果與分析48-49
• 5.2 基于NLM模型的SAR圖像降斑49-51
• 5.3 基于NLM濾波和AA模型的降斑算法51-58
• 5.3.1 新模型的建立51-52
• 5.3.2 新模型的求解52-53
• 5.3.3 新模型的實驗結(jié)果與分析53-58
• 5.4 本章小結(jié)58-60
• 第6章 總結(jié)與展望60-62
• 6.1 研究工作總結(jié)60
• 6.2 未來研究方向60-62
• 參考文獻(xiàn)62-68
• 致謝68-70
• 個人簡歷、在學(xué)期間發(fā)表的學(xué)術(shù)論文與研究成果70

，

本文編號：589507