基于局部统计特性与全层次模型的SAR图像相干斑抑制方法研究

《基于局部统计特性与全层次模型的SAR图像相干斑抑制方法研究》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、西安电子科技大学学位论文独创性(或创新性)声明秉承学校严谨的学风和优良的科学道德，本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢中所罗列的内容以外，论文中不包含其他人已经发表或撰写过的研究成果；也不包含为获得西安电子科技大学或其它教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中做了明确的说明并表示了谢意。申请学位论文与资料若有不实之处，本人承担一切的法律责任。本人签名：雠日期：递!!!：叁颦关于论文使用授权的说明本

2、人完全了解西安电子科技大学有关保留和使用学位论文的规定，即：研究生在校攻读学位期间论文工作的知识产权单位属西安电子科技大学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。同时本人保证，毕业后结合学位论文研究课题再撰写的文章一律署名单位为西安电子科技大学。(保密的论文在解密后遵守此规定)本学位论文属于保密，在年解密后适用本授权书。本人签名：蚴日期：鱼!玉、三!!孽导师签名：摘要图像在传送和转换的过程中会受到自身系统或者外部环境干扰产生

3、噪声，为了能更好的解译和处理图像，降噪是非常有必要的。由于成像原理的不同，不同种类图像的噪声分布也是不相同的。因此可以通过统计不同图像中的噪声分布有针对性地对其进行降噪处理。研究表明自然图像中的噪声服从均值为零的正态分布。而SAR图像中的噪声情况就复杂的多。因此本文在国家自然科学基金(No．60971128)和华为创新研究计划项目(No．IRP一2011—03．04)的支持下从分析SAR图像局部统计特性入手，结合全层次模型抑制SAR图像中的相干斑噪声。主要工作如下：(1)用K．SVD算法与非参数贝叶斯字典学习(BP

4、FA)算法分别对自然图像降噪，实验表明BPFA算法能在不预先定义字典大小和噪声方差下很好去除自然图像中的噪声，但是直接用BPFA算法对SAR图像进行相干斑抑制，结果不好，这是因为BPFA算法中的全层次模型假设噪声先验是均值为零，方差为无信息Gamma分布的正态分布，这与SAR图像统计特性不符，因此本文结合SAR图像局部统计特性，改进原BPFA算法中的全层次模型，得到SAR图像的全层次模型。假设样本的似然函数为多变量高斯分布，使用共轭分布法得到SAIl图像全层次模型的更新公式，根据更新公式得滤波后的SAR图像。由于幅

5、度格式的SAIl图像不能满足共轭分布要求，因此此方法仅适用于强度格式的SAR图像。(2)由于工作(1)的方法仅适用于强度格式的SAR图像，为了得到更普适的相干斑抑制方法，使用最大后验概率法得到SAR图像全层次模型的更新目标函数，根据此目标函数降噪。实验表明此方法能有效去除均匀场景中的相干斑噪声，同时保留图像的边缘和纹理信息，且该方法是直接在空域中对SAR图像进行相干斑抑制，避免了伪吉布斯效应。相比工作(1)的方法，此方法不仅适用于强度格式的SAR图像也适用于幅度格式的SAR图像。(3)为了更进一步保持SAR图像中的

6、边缘和点目标信息，在抑斑前使用一种针对SAR图像的像素分类策略，该分类策略结合了SAR图像方差系数将一幅SAR图像分为边缘图像、纹理图像和同质图像，将这三幅图像分别使用工作(1)和工作(2)的方法进行相干斑抑制，字典大小不同，边缘图像使用小字典，纹理图像使用中字典，同质图像使用大字典。将处理后的三幅图像相加即为抑斑后SAR图像。实验表明，进行像素分类后的抑斑方法能更好地保持边缘和目标信息。关键词：SAR图像相干斑抑制图像统计分布全层次模型图像像素分类AbstractIntheprocessofimagetransm

7、issionandtransformation，itispollutedeasilybythenoisewhichcouldbeproducedbythesystemitselfortheexternalenvironment．Inordertointerpretandprocesstherealimage，itisnecessarytoremovethenoise．Thedistributionofthenoisevarieswiththedifferentkindsofimageswhichhavediffer

8、entimagingprinciples．Therefor,thenosiesuppressioncanbeprocessedbygettingdifferentnoisestatisticaldistribution．Thenoiseofnaturalimagemeetsanormaldistributionwithzeromean．Butthedistr