【摘要】：合成孔徑雷達(Synthetic aperture radar,SAR)是一種可以全天候生成高分辨率遙感圖像的相干成像系統(tǒng)。與可見光成像系統(tǒng)相比,SAR在弱光、霧天等惡劣環(huán)境條件下依然可以有效工作,同時具有多波段、多極化、穿透能力強的優(yōu)勢,因而成為環(huán)境監(jiān)測、城鎮(zhèn)規(guī)劃、災害評估等眾多領域不可替代的觀測工具。由于相干成像機制的影響,圖像出現(xiàn)相干斑噪聲(也稱為斑點噪聲、散斑噪聲),對圖像的后續(xù)處理造成了嚴重影響。因此,SAR圖像去噪算法的研究對于圖像的理解和解譯具有重要意義。非局部均值(Non-local means,NLM)去噪算法利用圖像的非局部相似性進行去噪,取得了很好的去噪效果,但是NLM在進行塊匹配時,會包含不相似的子塊,增加不必要的計算,而且權重的計算容易受到塊大小的影響,模糊圖像邊緣,本文針對NLM的不足進行了改進,并且在非下采樣剪切波變換(Non-subsampled Shearlet transform,NSST)和加權核范數(shù)最小化(Weighted nuclear norm minimization,WNNM)算法的基礎上,提出了三種基于非局部相似的SAR圖像去噪算法。論文的主要研究工作如下:(1)基于相似性驗證與子塊排序的NSST域SAR圖像去噪為了改進傳統(tǒng)的非局部變換域SAR圖像去噪算法不考慮子塊關系的缺點,本文結合相似性驗證與子塊排序提出一種新的NSST域SAR圖像去噪算法。首先構造NSST域SAR圖像相似塊之間距離的概率密度分布,然后利用子塊之間的相似性,去除相似性較低的子塊,最后結合子塊排序和最優(yōu)一維濾波對SAR圖像進行去噪。實驗結果表明,與其他經(jīng)典去噪算法相比,該算法能更好地保持圖像邊緣和紋理信息,改善圖像的視覺效果。(2)基于非局部先驗性的稀疏域相干噪聲抑制算法為了克服基于稀疏表示的相干噪聲抑制算法容易產(chǎn)生過平滑的問題,本文結合圖像的非局部先驗知識提出了一種基于非局部先驗性的稀疏域相干噪聲抑制算法。首先,利用NSST對圖像進行稀疏表示。然后,利用圖像的非局部先驗性作為限制條件建立基于非局部先驗性的圖像稀疏表示去噪模型。最后,對去噪模型進行交替迭代求解,從而重構相干噪聲抑制后的圖像。實驗結果表明,該算法不僅可以有效地抑制相干斑噪聲,還可以更好的保留圖像紋理信息。(3)結合加權核范數(shù)最小化與灰度理論的相干噪聲抑制算法為了改進傳統(tǒng)圖像分塊算法中使用歐氏距離時,參考塊大小和搜索窗大小對相似塊收集和計算效率的影響,本文使用灰度理論改進傳統(tǒng)非局部算法權重的計算。首先對含噪圖像進行對數(shù)變換。其次,利用灰度相關理論對圖像進行局部塊匹配,從而得到參考塊的相似塊的集合,構建出近似低秩的矩陣。再利用小波變換對圖像的噪聲方差進行估計。最后,利用加權核范數(shù)最小化理論進行去噪。實驗結果表明,該算法不僅有效地改善了去噪圖像的視覺效果,還更好地保留了圖像的局部結構。
【圖文】：

第二章 SAR 圖像去噪算法概述中沒有使用下采樣操作，因此實現(xiàn)了平移不變的性能，而且除偽吉布斯效應。解主要分為不同尺度的分解和不同方向的分解，具體步驟用非下采樣拉普拉斯塔式（Non-subsampled laplacian pyr在不同的尺度進行分解操作。NSLP 經(jīng)過k 層分解，可以產(chǎn) 個高頻圖像和一個低頻圖像，分解后的圖像大小與源圖用剪切波濾波器（Shearlet filter, SF）對獲得的各尺度子帶SST 將標準剪切濾波器圖從偽極坐標系映射到笛卡爾坐標可以得到每個尺度和每個方向的子帶圖像。示意圖如圖 2-3 所示。

和(b)分別是田地和森林的 SAR 圖像，分別對這兩幅圖像使，去噪結果如圖 3-5 和圖 3-6 所示。從圖 3-5 和圖 3-6 可知較差，不能有效抑制噪聲；使用 BWS 和 GNL-NSST 去噪時現(xiàn)象，損失一部分紋理信息，圖像細節(jié)信息丟失比較ST 去噪時產(chǎn)生了一些人造紋理；使用 NSST 去噪存在邊緣模VBO-NSST 進行去噪，可以看出去噪后的圖像邊緣輪廓比較節(jié)信息得到很好的保護。SVBO-NSST 算法在圖像質量和視算法均有所改善，去噪效果更好。地將所提出的算法與其它算法進行對比，我們利用客觀評價量化評價，包括等效視數(shù)（ENL）[75]、邊緣保持指數(shù)（EP（UMQ）[76]。ENL 越大說明算法去噪后圖像的視覺效果越保留更多的細節(jié)信息，，而 UMQ 越小說明算法的綜合性能越所有的 SAR 圖像的去噪性能的客觀評價。
【學位授予單位】：河北大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TN957.52

【相似文獻】

相關期刊論文 前10條

1 陰盼強;路東明;袁淵;;基于馬氏距離的改進非局部均值圖像去噪算法[J];計算機輔助設計與圖形學學報;2016年03期

2 李小林;劉傳才;魏艷紅;;一種非線性復擴散圖像去噪算法[J];渭南師范學院學報;2009年02期

3 崔金鴿;陳炳權;徐慶;鄧波;;一種基于新型符號函數(shù)的小波閾值圖像去噪算法[J];電信科學;2017年01期

4 趙遠;彭富倫;李戶平;曹越;李瓊;;一種小窗口下的快速去噪算法[J];電子設計工程;2017年10期

5 許光宇;李玲;;一種改進的非局部平均圖像去噪算法[J];計算機應用與軟件;2017年07期

6 裴志鵬;;基于小波變換的圖像閥值去噪算法[J];科技視界;2017年14期

7 李紅延;周云龍;田峰;李松;孫天寶;;一種新的小波自適應閾值函數(shù)振動信號去噪算法[J];儀器儀表學報;2015年10期

8 鄧承志,汪勝前,劉祝華,王忠華,鄒道文;基于層間特性的多級小波收縮去噪算法[J];江西師范大學學報(自然科學版);2004年04期

9 劉帥奇;扈琪;劉彤;趙杰;;合成孔徑雷達圖像去噪算法研究綜述[J];兵器裝備工程學報;2018年12期

10 朱伍洋;;基于字典學習融合的圖像去噪算法研究[J];數(shù)字技術與應用;2016年05期

相關會議論文 前10條

1 許永峰;;一個基于多分辨分析模型和非線性擴散的圖像去噪算法[A];2012管理創(chuàng)新、智能科技與經(jīng)濟發(fā)展研討會論文集[C];2012年

2 李洋;李雙田;;小波圖像去噪算法分析[A];第十四屆全國信號處理學術年會(CCSP-2009)論文集[C];2009年

3 李俊峰;戴文戰(zhàn);潘海鵬;高金鳳;;基于灰色系統(tǒng)理論的圖像去噪算法研究[A];第二十九屆中國控制會議論文集[C];2010年

4 焦莉莉;劉麗;馬苗;;自適應閾值小波圖像去噪算法的改進[A];第八屆全國信號與信息處理聯(lián)合學術會議論文集[C];2009年

5 王杰;顏霖煌;;基于雙邊語譜圖濾波的語音去噪算法[A];2018年全國聲學大會論文集 K語言聲學與語音信號處理[C];2018年

6 王樹艷;楊勛年;;平面曲線去噪的混合雙邊算法[A];第五屆全國幾何設計與計算學術會議論文集[C];2011年

7 連小麗;姚暉;王冠華;萬木森;張林樸;孟卓;李燕妮;梁雨;代曉華;石博雅;;基于光學相干層析離體牙圖像的去噪算法研究[A];天津市生物醫(yī)學工程學會第30次學術年會暨生物醫(yī)學工程前沿科學研討會論文集[C];2010年

8 張娛;谷旭源;;基于小波系數(shù)的圖像自適應閾值去噪算法[A];全國第4屆信號和智能信息處理與應用學術會議論文集[C];2010年

9 鄧志全;關履泰;朱慶勇;;改進的非局部均值圖像去噪算法[A];第十四屆全國圖象圖形學學術會議論文集[C];2008年

10 趙振磊;耿則勛;王蘭;閆兆嬋;;基于自適應遞歸LPA-ICI的圖像去噪算法[A];圖像圖形技術研究與應用2009——第四屆圖像圖形技術與應用學術會議論文集[C];2009年

相關博士學位論文 前10條

1 呂紅力;基于稀疏和低秩表示的OCT圖像去噪算法研究[D];山東大學;2018年

2 張海鋒;壓縮感知圖像重構及去噪算法的研究[D];燕山大學;2016年

3 陳大力;數(shù)字圖像處理中去噪算法的研究[D];東北大學;2008年

4 劉輝;數(shù)字圖像處理中基于局部方向性的壓縮和去噪算法研究[D];吉林大學;2008年

5 張小波;基于維納濾波的圖像去噪算法研究[D];西安電子科技大學;2014年

6 宮霄霖;基于小波變換的不規(guī)則鄰域的數(shù)字圖像去噪算法研究[D];天津大學;2010年

7 張鑫媛;基于結構相似性的磁共振圖像去噪新算法研究[D];南方醫(yī)科大學;2015年

8 張震;數(shù)字圖像處理中邊緣提取和去噪算法研究[D];吉林大學;2009年

9 楊昊;圖像去噪中幾種優(yōu)化算法的相關研究[D];電子科技大學;2016年

10 崔學英;低劑量CT的投影域去噪算法和后處理方法研究[D];中北大學;2015年

相關碩士學位論文 前10條

1 鮑中運;基于深度學習和四元小波的圖像去噪算法研究[D];南昌航空大學;2019年

2 李鵬飛;基于各向異性濾波技術的DTI圖像去噪算法研究[D];河北大學;2019年

3 扈琪;基于非局部相似的SAR圖像去噪算法研究[D];河北大學;2019年

4 李詩婷;用于DoFP偏振圖像的去噪算法設計與實現(xiàn)[D];深圳大學;2018年

5 王貴顯;基于生成對抗網(wǎng)絡的語音去噪算法研究[D];北方工業(yè)大學;2019年

6 肖沖;面向高光譜數(shù)據(jù)的三維離散余弦變換字典去噪算法研究[D];杭州電子科技大學;2018年

7 鄧中東;圖像椒鹽噪聲去噪算法研究及應用[D];湖南大學;2018年

8 周林鋒;基于小波和脈沖耦合神經(jīng)網(wǎng)絡的圖像去噪算法[D];南京信息工程大學;2017年

9 張真真;基于稀疏表示與字典學習的圖像去噪算法研究[D];河南大學;2018年

10 任陽紅;醫(yī)學磁共振圖像去噪算法研究與實現(xiàn)[D];陜西師范大學;2018年

本文編號：2617705