基于cauchy分布建模和shearlet变换的高分辨率sar图像降斑算法研究

《基于cauchy分布建模和shearlet变换的高分辨率sar图像降斑算法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、学校代码：10385分类号：研究生学号：1300205007密级：基于Cauchy分布建模和Shearlet变换的高分辨率SAR图像降斑算法研究SARImageDespecklingBasedonCauchyModelandShearletTransform作者姓名：卢范碧指导教师：孙增国合作教师：学科：计算机科学与技术研究方向：图像处理所在学院：计算机科学与技术学院论文提交日期：二零一六年六月一日华侨大学硕士学位论文摘要摘要合成孔径雷达（SyntheticApertureRadar，SAR）具有

2、全天时、全天候、高分辨率和穿透一些地物的特点，因而在军事方面及国民经济的地质和矿物资源勘探、地形测绘和制图学、农业和林业、海洋和水资源、生态等方面具有重要的应用价值。由于SAR成像机制与光学成像不同，其的相干成像机制将导致图像产生斑点，它的存在降低了SAR图像的质量，将导致了后期的检测边缘、分割图像和识别目标的等图像处理上无法获得良好地效果。所以，斑点的抑制是SAR图像处理过程中一个重要问题。本文对在SAR图像中，如何高效地抑制斑点进行了深入的研究。完成的主要工作如下：（1）介绍了Cauchy分布

3、模型，并提出基于第二统计量的对数累积量（MoLC）的参数估计方法，并与其它常用的参数估计方法来估计Cauchy分布中的未知参数，然后使用Cauchy分布模型对高分辨率SAR图像进行建模。通过实验，可以得出在估计精度和时间上，对数累积量估计方法优于最大似然估计（ML）和分数低阶矩估计方法（FLOM）。（2）介绍了剪切波理论和主要特性及其离散化方法。并以硬阈值降斑算法为例，分析了剪切波关键参数与降斑效果的关系，并且通过实验，表明了参数中的分解层次，方向个数越多，阈值合理，降斑的效果就越好。（3）提出基

4、于正态反高斯分布（NIG）分布模型的剪切波降斑算法。在剪切波的基础上，在最大后验概率准则（MAP）的指导下，推导出了一个剪切波域的系数收缩函数，并给出了收缩函数的参数估计方法。通过实验，从定性和定量指标中可以验证所提算法具有很好的相干斑抑制和边缘保持特性。关键词：SAR图像相干斑抑制柯西分布剪切波正态反高斯分布I华侨大学硕士学位论文AbstractSyntheticApertureRadar(SAR)hassomanycharacteristics,suchasall-day,all-weathe

5、r,highresolutionandpenetrationwithimportantapplicationvalue,whichhasbeenusedinthemilitary,topographicsurveying,mappingofgeology,mineralresourcesexploration,cartography,agricultureandforestry,marineandwaterresourcesandecologyandsoonwidely.SARimagingisd

6、ifferentfromopticalimagingmechanism,whichwillleadtoproductcoherentspecklesothatitwillreducethequalityofSARimagetoaffectthesubsequentedgedetection,imagesegmentationandobjectrecognitionandotherimageprocessing.Therefore,itisindispensableissuetobesolvedto

7、suppressspeckleeffectivelyinSARimageprocessing.Inthispaper,furtherresearchhasbeendiscussedabouthowtosuppressspeckleeffectivelyinSARimage.Theaccomplishedworkasfollowing.(1)TheCauchydistributionmodelisintroducedandthelogarithmiccumulantbasedonsecond-kin

8、dstatistics(MoLC)isproposedforitsparameterestimationmethod.ToestimatetheunknownparametersofCauchydistributionthatcomparingwithothercommonlyusedmethodsforparameterestimation,suchasmaximumlikelihoodestimation(ML)andfractionallowerordermomentesti