基于Contourlet变换域统计模型的SAR图像去噪

论文摘要

合成孔径雷达(Synthetic Aperture Radar,SAR)图像中斑点噪声的存在不利于图像中场景的自动分析和SAR图像的理解,因此斑点噪声的去除对SAR图像的后续处理例如边缘检测、图像分割等是非常重要的。传统的空域方法和变换域方法对SAR图像进行去噪处理时,会出现细节信息丢失,同质区域内噪声去除不彻底等问题,难以有效地抑制SAR图像的斑点噪声,而多尺度几何分析域统计模型的出现,为SAR图像的去噪处理提供了有效的方法。本文主要研究了多尺度几何分析工具——Contourlet变换域的统计模型,并将其应用于SAR图像的去噪中,论文主要进行了以下三方面的研究工作:(1)基于Contourlet域隐马尔可夫树HMT模型和背景隐马尔可夫模型CHMM的SAR图像去噪,该方法以Contourlet系数在邻域内和尺度间都具有很大的依赖性为基础,把HMT和CHMM结合起来建立Contourlet域改进的统计模型对SAR图像进行去噪处理。另外采用Cycle Spinning来抑制伪吉布斯现象,同时利用各向异性扩散来补充细节信息。(2)基于Contourlet域块隐马尔可夫模型的SAR图像去噪,该方法利用BHMM捕获SAR图像Contourlet系数邻域内的依赖性,进而对SAR图像进行降斑处理。(3)基于非下采样Contourlet变换NSCT域边缘检测和先验空间约束的SAR图像去噪,该方法先用边缘检测方法对NSCT系数进行分类,然后用BHMM模型对SAR图像进行去噪,最后再利用先验空间约束的方法来对差值图像进行处理,两去噪图像相加得到了较好的去噪结果。通过对真实SAR图像去噪的实验结果表明,本文所提出的方法取得了比经典空域滤波及其它变换域去噪方法较好的去噪性能。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 合成孔径雷达的特点及应用领域
• 1.1.1 合成孔径雷达的发展历史和特点
• 1.1.2 合成孔径雷达的应用领域
• 1.2 合成孔径雷达图像研究内容概述
• 1.2.1 SAR图像去噪
• 1.2.2 SAR图像其他研究内容
• 1.3 本文的主要工作
• 第二章 轮廓波变换和变换域隐马尔可夫统计模型
• 2.1 轮廓波变换
• 2.2 变换域的几种统计模型
• 2.2.1 隐马尔可夫模型
• 2.2.2 高斯混合模型
• 2.2.3 隐马尔可夫树模型
• 2.2.4 背景隐马尔可夫模型
• 2.2.5 局部背景隐马尔可夫模型
• 2.2.6 Contourlet变换域统计模型
• 2.3 本章小结
• 第三章 基于Contourlet域HMT和CHMM的SAR图像去噪
• 3.1 引言
• 3.2 SAR图像噪声模型
• 3.3 Contourlet域HMT模型和CHMM
• 3.3.1 SAR图像的Contourlet变换域系数特性
• 3.3.2 Contourlet域HMT模型参数的估计
• 3.3.3 Contourlet域CHMM及其参数的估计
• 3.3.4 Cycle Spinning和各向异性扩散
• 3.4 基于Contourlet域改进的HMT模型SAR图像去噪
• 3.4.1 Contourlet域改进的HMT模型
• 3.4.2 算法步骤
• 3.5 实验结果与分析
• 3.5.1 去噪性能的评价指标
• 3.5.2 实验结果及分析
• 3.6 本章结论
• 第四章 基于Contourlet域块隐马尔可夫模型的SAR图像去噪
• 4.1 引言
• 4.2 Contourlet域BHMM及其参数的估计
• 4.3 算法步骤
• 4.4 实验结果与分析
• 4.5 本章小结
• 第五章 基于NSCT域边缘检测和先验空间约束的SAR图像去噪
• 5.1 引言
• 5.2 非下采样Contourlet变换
• 5.3 比例边缘检测因子
• 5.4 NSCT域块隐马尔可夫模型
• 5.5 先验空间约束
• 5.6 算法步骤
• 5.7 实验结果与分析
• 5.8 本章小结
• 第六章 总结与展望
• 6.1 论文总结
• 6.2 展望
• 致谢
• 参考文献
• 研究生期间撰写的论文和专利