本文關(guān)鍵詞：基于Directionlet變換的SAR圖像相干斑抑制算法及快速實現(xiàn)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：由于合成孔徑雷達(Synthetic Aperture Radar,SAR)能夠在任何天氣和光照條件下獲取地表物體和地下隱藏物體的信息數(shù)據(jù),因此SAR圖像在海洋監(jiān)測、資源和地質(zhì)探測、農(nóng)作物生長觀測和評估以及軍事等領(lǐng)域有著廣泛的應用。然而,成像雷達采用干涉原理進行成像,會使所獲得的SAR圖像產(chǎn)生固有的相干斑噪聲(Speckle)。這不僅嚴重影響了SAR圖像的質(zhì)量、隱藏了圖像的精細結(jié)構(gòu),而且還給對SAR圖像后續(xù)的分割、目標識別、目標分類等處理帶來困難。因此,抑制SAR圖像相干斑噪聲具有重要的理論和實際意義。傳統(tǒng)的二維小波基函數(shù)缺乏多方向性和各向異性,這使得它不能對圖像實現(xiàn)有效的稀疏表達。圖像中各向異性的一維特征(如邊緣和輪廓)在人的視覺感知中起著重要的作用,然而,當使用二維小波對圖像進行分解時,將會在不連續(xù)的邊緣點處產(chǎn)生大量的小波系數(shù),造成圖像的非稀疏表達。Directionlet變換是一種比小波變換更稀疏的多尺度幾何分析工具,且具有多尺度、多方向和各向異性等特性,因此能夠有效的描述圖像中各向異性的一維特征,實現(xiàn)圖像的稀疏表達。由于不同的地表特征會導致具有不同統(tǒng)計特性的相干斑噪聲,因此,在實際中很難使用一種固定的統(tǒng)計模型對其進行建模。本文在研究directionlet變換的基礎(chǔ)上,首先討論了SAR圖像directionlet變換系數(shù)的統(tǒng)計分布特性,并使用Cauchy分布、Gaussian混合分布和Laplacian混合分布對其建模,然后在Bayesian框架下推導最大后驗概率估計器,最后實現(xiàn)SAR圖像相干斑噪聲的去除。為了得到與混合分布相對應的最大后驗概率估計器,我們使用期望最大化算法估計混合分布中的參數(shù)。作為圖像的一種稀疏表達方式,directionlets雖然能夠去除像素間大部分的相關(guān)性,但是directionlet變換系數(shù)之間仍然存在較強的相關(guān)性,這些相關(guān)性對圖像處理算法的性能有很大的影響。我們在研究directionlet系數(shù)間的相關(guān)性的基礎(chǔ)上設計了一個線性預測器,將相關(guān)性以互信息的形式引入到最大后驗概率估計器中,提高了算法去除相干斑噪聲的性能。實驗結(jié)果表明,本文提出的基于directionlet變換的SAR圖像相干斑去除算法在去除相干斑噪聲的同時能夠保持圖像的邊緣特征。針對SAR圖像數(shù)據(jù)量大、消除相干斑算法計算復雜度高的特點,本文在研究圖形處理器(Graphics Processing Unit, GPU)硬件結(jié)構(gòu)和計算統(tǒng)一設備架構(gòu)的基礎(chǔ)上,實現(xiàn)了基于閾值的SAR圖像相干斑噪聲去除算法的并行算法設計,將相干斑消除算法中的并行度高、計算量大的部分放到GPU上進行計算,將邏輯性強的串行運算部分放在中央處理器(Central Processing Unit, CPU)上進行處理。實驗結(jié)果表明,基于GPU的算法執(zhí)行效率明顯高于基于CPU的算法執(zhí)行效率,如果不考慮數(shù)據(jù)的復制操作,并行算法的執(zhí)行效率將進一步提高。
【關(guān)鍵詞】：Directionlet變換 SAR圖像 相干斑 多尺度積 最大后驗
【學位授予單位】：安徽大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TN957.52
【目錄】：

• 摘要3-5
• Abstract5-7
• 致謝7-11
• 第一章 緒論11-20
• 1.1 研究背景及意義11-13
• 1.2 國內(nèi)外研究現(xiàn)狀13-18
• 1.3 論文主要工作及章節(jié)安排18-20
• 第二章 Directionlet變換和SAR圖像噪聲模型20-33
• 2.1 二維小波變換20-24
• 2.1.1 小波變換的思想與實現(xiàn)20-23
• 2.1.2 二維小波變換的缺陷23-24
• 2.2 各向異性小波交換24-25
• 2.3 Directionlet交換25-28
• 2.3.1 數(shù)字線與陪集分解26-27
• 2.3.2 Directionlet變換的實現(xiàn)27-28
• 2.4 SAR圖像與相干斑模型28-33
• 2.4.1 相干斑產(chǎn)生的原因和SAR圖像的統(tǒng)計特性28-30
• 2.4.2 相干斑噪聲的模型30-33
• 第三章 基于多尺度積的SAR圖像相干斑抑制33-46
• 3.1 多尺度積與SAR圖像相干斑抑制算法34-37
• 3.1.1 多尺度積34-36
• 3.1.2 基于多尺度積的SAR圖像相干斑抑制算法36-37
• 3.2 閾值和噪聲標準差的估計37-39
• 3.2.1 閾值估計37-38
• 3.2.2 噪聲標準差估計38-39
• 3.3 實驗結(jié)果與分析39-45
• 3.3.1 合成SAR圖像實驗39-42
• 3.3.2 真實SAR圖像實驗42-45
• 3.4 結(jié)論45-46
• 第四章 SAR圖像Directionlet變換系數(shù)的統(tǒng)計特性和Bayesian估計46-87
• 4.1 Cauchy模型與MAP估計46-59
• 4.1.1 圖像directionlet系數(shù)的Cauchy模型46-48
• 4.1.2 Bayesian估計器與參數(shù)估計48-50
• 4.1.3 基于統(tǒng)計模型的SAR圖像相干斑消除算法50-51
• 4.1.4 實驗結(jié)果與分析51-56
• 4.1.5 結(jié)論56-59
• 4.2 Gaussian混合模型與MAP估計59-72
• 4.2.1 圖像directionlet系數(shù)的Gaussian混合模型59-61
• 4.2.2 參數(shù)估計與平均MAP估計器61-63
• 4.2.3 實驗結(jié)果與分析63-69
• 4.2.4 結(jié)論69-72
• 4.3 Laplacian混合模型與MAP估計72-87
• 4.3.1 圖像directionlet系數(shù)的Laplacian混合模型72-75
• 4.3.2 參數(shù)估計75-77
• 4.3.3 基于尺度內(nèi)相關(guān)性的平均MAP估計器77-79
• 4.3.4 實驗結(jié)果與分析79-86
• 4.3.5 結(jié)論86-87
• 第五章 基于GPU的SAR圖像相干斑抑制算法快速實現(xiàn)87-99
• 5.1 CUDA架構(gòu)下的GPU通用計算及其硬件結(jié)構(gòu)87-90
• 5.2 CUDA軟件架構(gòu)與編程模式90-92
• 5.2.1 CUDA軟件架構(gòu)90-91
• 5.2.2 CUDA編程模式91-92
• 5.3 基于GPU的SAR圖像相干斑抑制92-97
• 5.3.1 矩陣轉(zhuǎn)置并行算法92-94
• 5.3.2 Directionlet變換并行算法94-95
• 5.3.3 并行排序算法95-97
• 5.4 SAR圖像相干斑去除并行算法性能測試97-98
• 5.5 結(jié)論98-99
• 第六章 總結(jié)99-101
• 附錄 A101-103
• 參考文獻103-111
• 博士期間的學術(shù)成果111-11

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 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;2012年07期

2 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];雷達學報;2014年01期

3 付毓生,皮亦鳴,黃順吉;基于多紋理的合成孔徑雷達圖像相干斑抑制[J];系統(tǒng)工程與電子技術(shù);2003年01期

4 喬明,王新樓,鄒謀炎;一種規(guī)整化的各向異性擴散相干斑抑制算法[J];中國科學院研究生院學報;2005年01期

5 李金才;黃斌;彭宇行;;一種改進的用于合成孔徑雷達圖像相干斑抑制的雙邊濾波參數(shù)配置方法[J];物理學報;2012年18期

6 張中山;余潔;燕琴;孟云閃;趙爭;;基于核獨立成分分析的極化SAR圖像相干斑抑制[J];測繪學報;2011年03期

7 趙忠民;趙擁軍;牛朝陽;;改進的基于非局部均值的極化SAR相干斑抑制[J];中國圖象圖形學報;2013年08期

8 袁湛;何友;蔡復青;;SAR圖像偽加性相干斑噪聲統(tǒng)計特性[J];宇航學報;2012年06期

9 唐健,王貞松;利用小波分析來抑制合成孔徑雷達圖象的相干斑噪聲[J];電子科學學刊;1997年04期

10 楊大海;馬德寶;;基于極化矢量相似系數(shù)的極化Lee濾波改進算法[J];信息工程大學學報;2010年06期

中國重要會議論文全文數(shù)據(jù)庫 前5條

1 李剛飛;張濤;;SAR圖像多視工程實現(xiàn)方法[A];中國通信學會第六屆學術(shù)年會論文集（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];全國第五屆信號和智能信息處理與應用學術(shù)會議�？�(第一冊)[C];2011年

3 孫琳琳;張云;;基于FOCUSS算法的相干斑噪聲抑制方法研究[A];全國第二屆信號處理與應用學術(shù)會議�？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];信號與信息處理技術(shù)——第一屆信號與信息處理聯(lián)合學術(shù)會議論文集[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年中國智能自動化會議論文集（第三分冊）[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前10條

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

2 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;2004年

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

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

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

6 楊萌;稀疏表示在SAR圖像相干斑抑制與檢測中的應用研究[D];南京航空航天大學;2012年

7 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;2002年

8 萬朋;合成孔徑雷達目標檢測及相關(guān)技術(shù)研究[D];電子科技大學;2000年

9 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;2008年

10 陳少波;SAR圖像相干斑抑制算法研究[D];華中科技大學;2010年

中國碩士學位論文全文數(shù)據(jù)庫 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;2011年

2 鄒琪;極化合成孔徑雷達相干斑抑制研究[D];電子科技大學;2001年

3 陳紅艷;極化SAR圖像相干斑抑制研究[D];電子科技大學;2006年

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

5 蔣含祿;基于統(tǒng)計檢驗的極化SAR相干斑抑制研究[D];西安電子科技大學;2013年

6 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;2013年

7 朱佳文;極化SAR相干斑抑制及其對分類精度的影響研究[D];首都師范大學;2013年

8 許雙星;極化SAR圖像相干斑抑制及分類研究[D];西安電子科技大學;2013年

9 賈惠珍;合成孔徑雷達圖像相干斑抑制算法的研究[D];廣西師范大學;2011年

10 李永臣;合成孔徑雷達圖像統(tǒng)計建模與濾波[D];上海交通大學;2013年

  本文關(guān)鍵詞：基于Directionlet變換的SAR圖像相干斑抑制算法及快速實現(xiàn)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：270874