基于稀疏分解的SAR图像抑制斑点噪声算法的研究

论文摘要

对于SAR图像来说,相干斑抑制、边缘检测、分割等是在SAR图像处理研究中最基础的热点内容,而SAR图像去斑又是一个最基础和最重要的问题,因为SAR图像的斑点噪声直接影响了它的后续应用。本文研究基于稀疏分解的SAR图像斑点抑制方法,着重研究图像的稀疏分解在SAR图像斑点抑制中的应用。论文的主要成果有:1.对图像稀疏表示理论、方法以及基于稀疏表示的图像处理应用问题进行研究,重点研究了基于过完备字典的稀疏表示理论及应用。通过分析SAR图像和噪声在稀疏分解中不同表现,找出图像内容和图像噪声在稀疏分解中的区别,提出了基于图像稀疏分解的SAR图像分解与重建方法。2.基于图像稀疏分解的SAR图像斑点抑制算法。首先通过对数转换把SAR图像的乘性噪声转换为加性。然后通过选择自适应原子字典,给出了基于OMP(正交匹配跟踪)算法的SAR图像的稀疏分解,并通过SVD(奇异值分解)进行原子字典的更新和模拟退火算法来快速寻找每一步的最优原子,这将大大降低稀疏分解的速度。最后通过图像的稀疏表示来实现SAR图像的斑点抑制。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 SAR 简介
• 1.2 SAR 图像斑点抑制研究的目的和意义
• 1.3 SAR 图像去斑的国内外研究现状
• 1.4 论文的研究内容
• 1.5 论文结构安排
• 第二章 SAR 图像斑点噪声的统计性质
• 2.1 SAR 图像斑点噪声的产生机理
• 2.2 SAR 图像的统计性质
• 2.2.1 单视SAR 图像的统计性质
• 2.2.2 多视SAR 图像的统计性质
• 2.3 斑点噪声的乘性数学模型及统计性质
• 2.4 本章小结
• 第三章 信号和图像的稀疏分解
• 3.1 信号的表示
• 3.2 信号正交分解
• 3.3 信号的稀疏表示
• 3.3.1 过完备原子字典
• 3.3.2 信号的稀疏分解
• 3.4 图像的稀疏表示
• 3.4.1 图像稀疏表示的基本思想
• 3.4.2 基于MP 的图像稀疏分解
• 3.5 本章小结
• 第四章 基于稀疏分解的SAR 图像抑制斑点算法
• 4.1 K-SVD 算法
• 4.2 基于OMP 的图像稀疏分解与重建
• 4.3 基于OMP 的图像稀疏分解的模拟退火实现
• 4.3.1 OMP 算法模拟退火实现
• 4.3.2 SAR 图像的评价标准
• 4.3.3 原子数对图像分解与重建影响的实验分析
• 4.4 利用K-SVD 实现SAR 图像的去斑
• 4.4.1 SAR 图像的噪声模型
• 4.4.2 K-SVD 算法实现
• 4.4.3 实验结果及分析
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 本文研究工作的总结
• 5.2 工作展望
• 参考文献
• 发表论文和科研情况说明
• 致谢