本文關鍵詞：基于Contourlet變換的SAR圖像去噪研究

  更多相關文章： 合成孔徑雷達 圖像去噪 核回歸 輪廓波變換 非下采樣輪廓波變換

【摘要】：高分辨合成孔徑雷達(Synthetic Aperture Radar,SAR)是一種能產生高分辨率遙感圖像的相干系統(tǒng),具有全天候、全天時、多波段、多極化工作等優(yōu)異性能,同時具備側視成像及強透射性等特點,被廣泛地應用于軍事領域和國民生活領域。SAR圖像去噪是SAR圖像能夠最終得到有效表示的關鍵步驟,因此SAR圖像去噪一直是SAR圖像處理領域中不可或缺的環(huán)節(jié)。利用傳統(tǒng)的空域方法和變換域方法對SAR圖像進行去噪處理時,會出現(xiàn)細節(jié)信息丟失、同質區(qū)域內噪聲去除不徹底等問題,難以有效地抑制SAR圖像的斑點噪聲,而多尺度幾何分析域統(tǒng)計模型的出現(xiàn),為SAR圖像的去噪處理提供了有效的方法。本文將Contourlet變換方法應用于SAR圖像的去噪處理中,并結合成熟的迭代掌舵核回歸算法,驗證基于Contourlet變換及核回歸的SAR圖像去噪算法,并取得比較好的去噪結果,具體內容和工作如下所示。(1)驗證基于Contourlet變換及核回歸的SAR圖像去噪算法。該方法利用Contourlet變換先對SAR圖像進行Contourlet分解,得到低頻子帶和高頻子帶圖像(系數),然后再使用核回歸算法去除高頻子帶圖像噪聲,對低頻子帶圖像采用增強Lee濾波去噪,最后對經過去噪的低頻系數和高頻系數進行Contourlet逆變換,得到去噪后的SAR圖像。(2)驗證基于Contourlet變換的改進算法非下采樣輪廓變換(NSCT變換)結合核回歸的SAR圖像去噪算法。非下采樣Contourlet變換由非下采樣拉普拉斯金字塔濾波器組和非下采樣方向濾波器組構成,該變換不存在下采樣操作,消除了Contourlet變換中因下采樣操作而造成的偽Gibbs現(xiàn)象及“頻譜混疊”現(xiàn)象,同時具備了平移不變性。因此,將非下采樣輪廓變換與核回歸算法相結合,其去噪效果相對于Contourlet+核回歸算法更優(yōu)。
【關鍵詞】：合成孔徑雷達 圖像去噪 核回歸 輪廓波變換 非下采樣輪廓波變換
【學位授予單位】：西安電子科技大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TN957.52
【目錄】：

• 摘要5-6
• ABSTRACT6-10
• 符號對照表10-11
• 縮略語對照表11-14
• 第一章 緒論14-20
• 1.1 研究背景和意義14-15
• 1.2 SAR圖像去噪發(fā)展現(xiàn)狀15-16
• 1.3 Contourlet變換理論16-17
• 1.3.1 傅里葉變換16
• 1.3.2 小波變換16-17
• 1.3.3 Contourlet變換17
• 1.3.4 NSCT變換17
• 1.4 核回歸理論研究17-18
• 1.4.1 經典回歸算法18
• 1.4.2 核回歸理論的提出18
• 1.5 本文主要工作18-19
• 1.6 本文章節(jié)安排19-20
• 第二章 相關理論概述20-36
• 2.1 濾波方法簡介20-24
• 2.1.1 空間域濾波方法20-22
• 2.1.2 變換域濾波方法22-24
• 2.2 Contourlet變換24-26
• 2.2.1 基本理論簡介24-26
• 2.3 非下采樣Contourlet變換26-27
• 2.3.1 基本理論簡介26-27
• 2.4 核回歸理論27-34
• 2.4.1 回歸理論概述27-30
• 2.4.2 常用核函數30-31
• 2.4.3 自適應核回歸算法31-33
• 2.4.4 迭代掌舵核回歸算法33-34
• 2.5 圖像質量評價標準34-35
• 2.6 本章小結35-36
• 第三章 基于Contourlet變換及核回歸的SAR圖像去噪算法36-46
• 3.1 Contourlet變換算法36-37
• 3.1.1 Contourlet變換步驟36
• 3.1.2 Contourlet變換實例36-37
• 3.2 迭代掌舵核回歸算法去噪效果檢驗37-39
• 3.3 本章算法實現(xiàn)步驟39-41
• 3.4 實驗結果及分析41-45
• 3.4.1 真實SAR_1 圖像去噪實驗41-43
• 3.4.2 真實SAR_2 圖像去噪實驗43-45
• 3.5 本章小結45-46
• 第四章 基于NSCT變換及核回歸的SAR圖像去噪算法46-54
• 4.1 NSCT變換46-48
• 4.1.1 NSCT變換步驟46
• 4.1.2 NSCT變換實例46-48
• 4.2 本章算法實現(xiàn)步驟48-49
• 4.3 實驗結果及分析49-52
• 4.3.1 真實SAR_1 圖像去噪實驗49-51
• 4.3.2 真實SAR_2 圖像去噪實驗51-52
• 4.4 本章小結52-54
• 第五章 總結與展望54-56
• 5.1 總結54-55
• 5.2 展望55-56
• 參考文獻56-60
• 致謝60-62
• 作者簡介62-63

【相似文獻】

中國期刊全文數據庫 前10條

1 李強;謝志宏;;組合層內和層間小波系數的圖像去噪方法[J];裝甲兵工程學院學報;2008年05期

2 金志泉;葛洪偉;;一種非參數回歸圖像去噪方法[J];淮陰工學院學報;2008年05期

3 朱勇;;基于層內和層間相關性的小波圖像去噪[J];農業(yè)網絡信息;2008年05期

4 曹春紅;高協(xié)平;;區(qū)間最小能量小波框架的圖像去噪研究[J];計算機工程與應用;2009年14期

5 ;圖像去噪新技術讓數碼照片更清晰[J];廣西科學;2009年02期

6 張潔;楊文國;;一種基于梯度保真項的圖像去噪法[J];計算機應用與軟件;2009年11期

7 吳玲;;基于數字圖像去噪的方法分析[J];科技信息;2010年06期

8 賈輝;林義剛;李娜;李宏;;獨立分量分析在圖像去噪中的應用[J];長江大學學報(自然科學版)理工卷;2010年02期

9 馮象初;郝彬彬;朱見廣;;圖像去噪的改進迭代非局部平均濾波方法[J];西安電子科技大學學報;2010年04期

10 劉權;林娜;呂倩;;基于加權自適應方向提升小波的圖像去噪研究[J];電子技術;2010年12期

中國重要會議論文全文數據庫 前10條

1 劉旨春;朱偉;盛磊;;基于鄰域特性的小波閾值圖像去噪方法[A];第九屆全國信息獲取與處理學術會議論文集Ⅱ[C];2011年

2 陳仙紅;屈小波;郭迪;寧本德;陳忠;;自適應方向小波在磁共振圖像去噪中的應用[A];第十七屆全國波譜學學術會議論文摘要集[C];2012年

3 韓希珍;趙建;;基于偏微分方程的圖像去噪[A];第八屆全國信息獲取與處理學術會議論文集[C];2010年

4 殷明;劉衛(wèi);;基于非高斯分布的四元數小波圖像去噪[A];全國第22屆計算機技術與應用學術會議(CACIS·2011)暨全國第3屆安全關鍵技術與應用（SCA·2011）學術會議論文摘要集[C];2011年

5 侯艷芹;李均利;魏平;陳剛;;一種新的基于模糊均差和小波閾值的醫(yī)學圖像去噪方法[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

6 劉曙光;費佩燕;屈萍鴿;;基于對偶樹復小波的圖像去噪技術研究[A];2009中國儀器儀表與測控技術大會論文集[C];2009年

7 周利利;張曉明;;基于小波變換的圖像去噪研究[A];2009全國測繪科技信息交流會暨首屆測繪博客征文頒獎論文集[C];2009年

8 王文;康錫章;王曉東;;基于小波域HMT的航空偵察圖像去噪方法[A];'2003系統(tǒng)仿真技術及其應用學術交流會論文集[C];2003年

9 倪永婧;王成儒;;一種紋理圖像去噪方法的研究[A];2006中國控制與決策學術年會論文集[C];2006年

10 鄧超;;基于改進神經網絡的CCD圖像去噪方法研究[A];武漢(南方九省)電工理論學會第22屆學術年會、河南省電工技術學會年會論文集[C];2010年

，

本文編號：564571