论文部分内容阅读
合成孔径雷达(Synthetic Aperture Radar,SAR)图像在军用和民用领域都有着十分广泛的应用。但SAR图像在成像的过程中,由于其散射回波的相干作用导致了SAR图像中存在相干斑噪声,这严重影响了图像的质量。为了提高SAR图像的质量,不仅要对SAR图像的相干斑噪声进行抑制,还要有效地保持图像边缘和纹理等细节信息,因为图像的边缘和纹理信息对于图像的理解和解译也是至关重要的。本文在研究了字典学习算法以及图像融合技术在SAR图像斑点噪声抑制上的应用的基础上,提出了多字典融合的SAR图像降噪算法,不仅从理论上解释该算法的可行性,还从实验上证明了该算法的有效性。本文的主要研究工作包含在以下三个方面:(1)由于在SAR图像成像时,地物目标的复杂性会导致SAR图像的模型没有确定性,传统的去噪方法一般基于的模型比较固定,所以难以有效地抑制SAR图像的相干斑噪声,SAR图像的多尺度几何分析为相干斑的抑制提供了新的方法。Contourlet变换具有多尺度、多方向特性,能够有效地几何表示二维图像或更高维的图像。但Contourlet变换的拉普拉斯金字塔滤波器和带通滤波器对分解的带通图像在奇异点附近会产生震荡现象,影响了降噪效果,所以本文进一步研究了平移不变的Contourlet变换(Translation-Invariant Contourlet Transform,TICT)在SAR图像降噪中的应用。实验表明该算法有效抑制了噪声,并在一定程度上减轻了伪Gibbs现象,增加了图像的清晰度。(2)由于字典学习算法相比于传统的图像去噪算法,在图像降噪的同时保持图像细节信息的能力较好,因此本文详细介绍了稀疏表示原理和字典学习算法,在此基础上,又详细研究了K-SVD(Singular Value Decomposition)和非参数贝叶斯两类字典学习算法在SAR图像降噪中的应用。实验结果表明这两类字典学习算法在保持了SAR图像的边缘等细节信息上效果很好,而且也能很好地抑制斑点噪声。(3)在详细研究了Contourlet变换和字典学习算法在SAR图像降噪中的应用后,本文提出来了多字典融合的SAR图像降噪。首先研究了图像融合技术在图像降噪中的应用,然后选择了几种图像融合方法,对研究过的字典学习算法得到的图像进行融合。实验结果表明该方法能较大幅度地提高图像的信噪比,并且很好地保留了图像的边缘和纹理信息。