资源描述:
《基于复小波变换的SAR图像斑点滤波方法》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库。
1、第22卷第4期测绘学院学报Vol.22No.42005年12月JournalofInstituteofSurveyingandMappingDec.2005文章编号:1009-427X(2005)04-0269-03基于复小波变换的SAR图像斑点滤波方法张春华1,许素芹2,陶荣华2,陈标2(1.海军航空工程学院,山东烟台264001;2.海军潜艇学院,山东青岛266071)摘要:斑点噪声的存在使得SAR图像的应用受到较大的限制。文中首先介绍了SAR图像斑点噪声模型以及几种常用的SAR斑点噪声抑制方法;然后对小波变换斑点噪声滤波方法进
2、行分析,提出了基于二元树复小波变换的SAR图像滤波方法。实验比较表明,二元树复小波变换抑制SAR斑点噪声效果明显,较小波变换更具有优越性。关键词:合成孔径雷达;斑点噪声;小波变换;二元树复小波变换中图分类号:P237文献标识码:A合成孔径雷达(SAR)图像的应用非常广泛。而更适合于分析图像细节信息,进行噪声的滤波但由于它采用相干成像方式,目标回波信号的衰和边缘的保留。[1]落过程引起斑点噪声,严重影响了SAR图像的质量。因此,改善和滤除斑点噪声成为SAR图2基于小波分析的斑点滤波方法像应用的重要问题。小波变换由于具有良好的时2.1小
3、波变换原理频分辨特性被用于图像去噪处理,并取得了一定设x(t)是平方可积函数,(t)满足如下允许0效果。文中利用二元树复小波对SAR图像进行性条件:去噪,通过与基于实小波的软、硬阈值法相比较,+∞^(1)
4、2
5、0C0=∫d1<+∞(1)二元树复小波具有更明显的优势。01则x(t)的小波变换定义为1SAO图像斑点噪声模型WTx(a,b)=1x(t)0*(t-b)dt(2)ヘa∫aSAR图像可用乘性斑点噪声表示,其模型为对满足(1)、(2)式的小波函数(t)作伸缩和0zi,j=xi,j·ni,j平移得一组正交小波基其中,x是未受相干斑点
6、噪声污染的图像;n是相-1/2(t-b),(b∈O,a∈O+)干斑点噪声。由于SAR图像的相干斑点噪声由回0a,b=
7、a
8、0a波中均值为零的随机相位干扰产生,因此n的均其中,a为伸缩因子;b为平移因子。值为1,方差σ与图像的等效视数有关,与图像场n当1=0时,0(t)的Fourier变换^0(1)必满足景无关。等效视数越大,图像越均匀,则σn越小。+∞^(0)=(t)dt=0合理有效的滤波方法要求在减少斑点噪声的0∫-∞0同时尽量保持图像的空间分辨率以及纹理、边缘这说明,0(t)具有快速衰减的振动特性,体现了小等信息[2]。在常用的
9、滤波方法中,均值滤波器和中波具有分析局部时频信号的能力。值滤波器对噪声和图像纹理信息不加区分;自适2.2实小波斑点滤波方法应滤波器多通过局部统计参数的调节对噪声进行实小波变换是指小波函数0(t)为实数,它在较强的平滑,而对边缘则尽量予以保留,但依赖于时频域都具有较好的局部性。其变尺度特性使得图像的统计分布特征[3];傅里叶变换能够进行高小波变换对信号具有一种“集中”的能力,而噪声通或低通滤波,低通滤波器能较好地抑制噪声却与信号的小波系数分布规律相反,尤其在大尺度会模糊图像边缘,高通滤波可以加强图像边缘但时小波变换对噪声进行了一定的平
10、滑,使得噪声背景噪声也会被加强。小波变换具有良好的时频的小波系数很小。因而可以根据此差异设置阈值,分辨特性,不同尺度反映不同层次的图像特征,因去除由噪声控制的幅值小、数目多的小波系数。收稿日期:2005-05-11;修回日期:2005-09-18作者简介:张春华(1980-),女,山东梁山人,博士生,主要从事雷达图像处理与校正研究。270测绘学院学报2005年以达到降低噪声又保持图像主要信息的目的。小和g决定的小波函数满足Hilbert变换。0波变换阈值的选择是影响去噪效果的关键,它控制着图像噪声和信息的分离。常用的降噪方法有下列两
11、种。1)软门限降噪。其原则是绝对值小于阈值δ的小波系数值用零代替;绝对值大于阈值δ的小波系数值用δ来缩减,即sgn(W)(
12、W
13、-δ),
14、W
15、≥δ图1二元树复小波变换流程图Wδ={δ可以看出,二元树复小波变换实际上是对信0,
16、W
17、<号f(t)作两次1维小波变换。即原始信号分别通2)硬门限降噪。其原则是保留绝对值大于过两组滤波器h(n)、h(n)和g(n)、g(n)。其阈值δ的小波系数,被保留的小波系数与原始系0101中,h(n)、h(n)为一组共轭正交滤波器(CQF)。数相同。绝对值小于阈值δ的小波系数赋零。01低通滤波器h(n)的
18、自相关函数满足W,
19、W
20、≥δ0Wδ={δ1,n=00,
21、W
22、<Σh0(n)h0(n+2k)=δ(n)={0Donoho提出的基于小波变换的图像降噪方n0,n≠[4]高通滤波器h(n)=(-1)1-nh法,严格证明了小波变换对去噪的有效