發(fā)布時(shí)間：2018-03-04 21:03

  本文選題：SAR圖像去噪　切入點(diǎn)：剪切波變換　出處：《河北大學(xué)》2017年碩士論文　論文類(lèi)型：學(xué)位論文

【摘要】：合成孔徑雷達(dá)(Synthetic aperture radar,SAR)是通過(guò)采用合成孔徑的理論,得到高分辯率的微波成像,起初主要應(yīng)用在機(jī)載和星載平臺(tái),隨著科學(xué)技術(shù)的不斷完善,出現(xiàn)了彈載、無(wú)人機(jī)SAR、以及手持式設(shè)備等多種形式平臺(tái)搭載的合成孔徑雷達(dá),廣泛用于軍事、民用領(lǐng)域。由于SAR圖像是通過(guò)接收地物散射回波的相干信號(hào)疊加而形成的,因此極易受到相干噪聲的干擾,從而嚴(yán)重的影響了SAR圖像的后續(xù)處理,例如目標(biāo)提取、目標(biāo)分類(lèi)等。所以,SAR圖像相干噪聲的抑制方法具有十分重大的研究?jī)r(jià)值。由于多尺度幾何變換不僅具有良好的時(shí)頻特性,而且能夠更好的表示圖像信息,因此其在SAR圖像去噪中得到了普遍的使用。另外,由于圖像自身存在著冗余性,從而導(dǎo)致圖像的像素塊之間存在著相似性,該性質(zhì)稱(chēng)之為圖像的非局部相似性。很多學(xué)者將圖像的非局部相似性應(yīng)用到SAR圖像去噪中,取得了十分好的結(jié)果。本人根據(jù)前人的研究,在此基礎(chǔ)上從下面兩個(gè)方面進(jìn)行深入的探究。一方面,將已有的多尺度幾何變換的性質(zhì)進(jìn)行提高并創(chuàng)新出的擁有更多性質(zhì)的多尺度幾何變換。另一方面,本文在分析了多尺度幾何變換優(yōu)勢(shì)的基礎(chǔ)上,結(jié)合圖像的非局部相似模型對(duì)SAR圖像的相干噪聲進(jìn)行抑制。論文的主要研究工作如下:1.基于剪切復(fù)小波變換的SAR圖像去噪算法研究根據(jù)剪切波變換缺少方向選擇性和移不變性的缺陷,文章結(jié)合剪切波和雙樹(shù)復(fù)小波的各自特點(diǎn),提出了剪切復(fù)小波變換。該變換與非下采樣復(fù)小波變換一樣保留了多個(gè)低頻子帶,但是具有更好的稀疏性,因此可以更好的表示圖像信息。然后,本文利用該變換結(jié)合K-SVD去噪算法、軟閾值去噪和Lee濾波提出了一種新的SAR圖像去噪方法。與其它去噪方法相比,此方法不僅考慮了SAR圖像高頻部分的去噪,還對(duì)SAR圖像的低頻部分進(jìn)行了噪聲抑制,仿真效果顯示了所提出的去噪算法的真實(shí)性和可靠性。2.基于權(quán)重優(yōu)化的廣義非局部均值SAR圖像去噪為了克服變換域算法產(chǎn)生的人造紋理和非局部均值算法權(quán)重選擇的難題,從而更好的抑制相干噪聲和盡可能多的保留圖像的紋理信息,文章結(jié)合非下采樣剪切波變換和廣義非局部均值算法提出了一種基于非下采樣剪切波域權(quán)重優(yōu)化的廣義非局部均值SAR圖像去噪方法。在權(quán)重優(yōu)化的過(guò)程中,本文算法利用重疊子塊中的冗余信息,采用二次規(guī)劃求解最小均方誤差意義下的最優(yōu)權(quán)重。通過(guò)實(shí)驗(yàn)對(duì)比,本文的方法具有較好地去噪結(jié)果。
[Abstract]:Synthetic aperture radar (SAR) is to obtain high resolution microwave imaging by using the theory of synthetic aperture. At first, it was mainly used in airborne and spaceborne platforms. With the development of science and technology, projectile was produced. Synthetic Aperture Radar (SAR) carried by UAV, hand-held equipment and other platforms is widely used in military and civil fields. Because SAR images are formed by the superposition of coherent signals received from scattered echoes from ground objects. Therefore, it is easy to be interfered by coherent noise, which seriously affects the subsequent processing of SAR image, such as target extraction. Therefore, the suppression method of coherent noise in SAR images has great research value. Multi-scale geometric transform not only has good time-frequency characteristics, but also can better represent the image information. Therefore, it is widely used in SAR image denoising. In addition, because of the redundancy of the image itself, there is similarity between the pixel blocks of the image. This property is called non-local similarity of image. Many scholars apply non-local similarity of image to SAR image denoising, and obtain very good results. On the one hand, the properties of the existing multi-scale geometric transformation are improved and the multi-scale geometric transformation with more properties is innovated. On the other hand, In this paper, the advantages of multi-scale geometric transformation are analyzed. Combining the nonlocal similarity model of the image, the coherent noise of the SAR image is suppressed. The main research work of this paper is as follows: 1. The SAR image denoising algorithm based on the shearing complex wavelet transform is studied according to the lack of direction selection of the shear wave transform. The imperfections of sex and shift invariance, Combined with the characteristics of shearing wave and bitree complex wavelet, a shearing complex wavelet transform is proposed in this paper, which preserves many low frequency subbands as well as non-downsampling complex wavelet transform, but has better sparsity. Therefore, the image information can be represented better. Then, this paper proposes a new SAR image denoising method by using the transform combined with K-SVD denoising algorithm, soft threshold denoising and Lee filtering. Compared with other denoising methods, this paper proposes a new SAR image denoising method. This method not only takes into account the high frequency part of SAR image de-noising, but also carries on the noise suppression to the low frequency part of the SAR image. Simulation results show the authenticity and reliability of the proposed denoising algorithm. Secondly, the generalized non-local mean SAR image denoising based on weight optimization is used to overcome the problem of artificial texture and weight selection of the non-local mean algorithm, which is generated by the transform domain algorithm. In order to better suppress coherent noise and retain as much texture information as possible, In this paper, a generalized nonlocal mean SAR image denoising method based on non-downsampling shear wave domain weight optimization is proposed by combining non-downsampling shear wave transform and generalized non-local mean algorithm. In this paper, the optimal weight in the sense of minimum mean square error is solved by quadratic programming using redundant information in overlapped subblocks. The experimental results show that the method presented in this paper has better denoising results.
【學(xué)位授予單位】：河北大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類(lèi)號(hào)】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王順利;支持向量機(jī)在圖像去噪處理中的初步研究[J];集寧師專(zhuān)學(xué)報(bào);2004年04期

2 王勇智,黃紅波;一種數(shù)學(xué)圖像去噪的新方法[J];岳陽(yáng)職業(yè)技術(shù)學(xué)院學(xué)報(bào);2005年01期

3 楊淑伶;郭定輝;管克英;;一個(gè)用于圖像去噪、量化的反應(yīng)擴(kuò)散模型[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2006年08期

4 王香菊;;圖像去噪方法及應(yīng)用[J];科技情報(bào)開(kāi)發(fā)與經(jīng)濟(jì);2007年27期

5 高嵐;廖云良;袁中華;;尺度適應(yīng)性二代小波的圖像去噪方法[J];船海工程;2007年06期

6 楊文國(guó);;基于擴(kuò)散方程的圖像去噪[J];科技風(fēng);2008年20期

7 于雯輝;田逢春;李立;唐光菊;;基于空域平均的圖像去噪方法[J];光電子技術(shù);2008年02期

8 王銀峰;朱麗麗;何光宏;朱根琴;;一種基于尺度相關(guān)的小波圖像去噪方法[J];激光雜志;2008年05期

9 姚斌;楊玲香;;基于非線(xiàn)性復(fù)擴(kuò)散和小波的圖像去噪方法[J];航空計(jì)算技術(shù);2009年05期

10 李柯材;張曦煌;;基于鄰域閾值萎縮法的圖像去噪方法的優(yōu)化[J];計(jì)算機(jī)應(yīng)用;2010年01期

相關(guān)會(huì)議論文 前10條

1 劉旨春;朱偉;盛磊;;基于鄰域特性的小波閾值圖像去噪方法[A];第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C];2011年

2 陳仙紅;屈小波;郭迪;寧本德;陳忠;;自適應(yīng)方向小波在磁共振圖像去噪中的應(yīng)用[A];第十七屆全國(guó)波譜學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2012年

3 韓希珍;趙建;;基于偏微分方程的圖像去噪[A];第八屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2010年

4 殷明;劉衛(wèi);;基于非高斯分布的四元數(shù)小波圖像去噪[A];全國(guó)第22屆計(jì)算機(jī)技術(shù)與應(yīng)用學(xué)術(shù)會(huì)議(CACIS·2011)暨全國(guó)第3屆安全關(guān)鍵技術(shù)與應(yīng)用（SCA·2011）學(xué)術(shù)會(huì)議論文摘要集[C];2011年

5 侯艷芹;李均利;魏平;陳剛;;一種新的基于模糊均差和小波閾值的醫(yī)學(xué)圖像去噪方法[A];第十三屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2006年

6 劉曙光;費(fèi)佩燕;屈萍鴿;;基于對(duì)偶樹(shù)復(fù)小波的圖像去噪技術(shù)研究[A];2009中國(guó)儀器儀表與測(cè)控技術(shù)大會(huì)論文集[C];2009年

7 周利利;張曉明;;基于小波變換的圖像去噪研究[A];2009全國(guó)測(cè)繪科技信息交流會(huì)暨首屆測(cè)繪博客征文頒獎(jiǎng)?wù)撐募痆C];2009年

8 王文;康錫章;王曉東;;基于小波域HMT的航空偵察圖像去噪方法[A];'2003系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2003年

9 倪永婧;王成儒;;一種紋理圖像去噪方法的研究[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 鄧超;;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)的CCD圖像去噪方法研究[A];武漢(南方九省)電工理論學(xué)會(huì)第22屆學(xué)術(shù)年會(huì)、河南省電工技術(shù)學(xué)會(huì)年會(huì)論文集[C];2010年

相關(guān)博士學(xué)位論文 前10條

1 張偉;具有擴(kuò)散—波動(dòng)調(diào)和特性的圖像去噪方法[D];上海交通大學(xué);2014年

2 劉孝艷;變分、PDE和非局部濾波在圖像去噪中的應(yīng)用研究[D];西安電子科技大學(xué);2015年

3 羅亮;基于MCMC采樣的非局部圖像去噪方法研究[D];西安電子科技大學(xué);2015年

4 廖帆;四方向全變分在圖像去噪問(wèn)題中的應(yīng)用[D];東南大學(xué);2015年

5 楊昊;圖像去噪中幾種優(yōu)化算法的相關(guān)研究[D];電子科技大學(xué);2016年

6 楊成佳;圖像去噪及其效果評(píng)估若干問(wèn)題研究[D];吉林大學(xué);2016年

7 張崢嶸;基于變分模型的泊松圖像去噪及去模糊研究[D];南京理工大學(xué);2015年

8 劉紅毅;結(jié)構(gòu)保持的圖像去噪方法研究[D];南京理工大學(xué);2011年

9 侯迎坤;非局部變換域圖像去噪與增強(qiáng)及其性能評(píng)價(jià)研究[D];南京理工大學(xué);2012年

10 侯建華;基于小波及其統(tǒng)計(jì)特性的圖像去噪方法研究[D];華中科技大學(xué);2007年

相關(guān)碩士學(xué)位論文 前10條

1 陳龍;偏微分方程擴(kuò)散模型在圖像去噪中的應(yīng)用[D];昆明理工大學(xué);2015年

2 李孟嬌;基于壓縮感知的圖像去噪理論研究[D];長(zhǎng)安大學(xué);2015年

3 楊巧;新的TV改進(jìn)模型以及在SAR圖像去噪中的應(yīng)用[D];陜西師范大學(xué);2015年

4 顏珂;高通量基因測(cè)序堿基識(shí)別中圖像去噪的方法研究[D];哈爾濱工業(yè)大學(xué);2015年

5 遲廣元;兩類(lèi)圖像去噪模型的若干數(shù)值新方法研究[D];華北電力大學(xué);2015年

6 陳會(huì)娟;噪聲的估計(jì)及基于快速NLM的去除[D];華僑大學(xué);2015年

7 溫海嬌;圖像去噪與恢復(fù)[D];南京航空航天大學(xué);2014年

8 范旭;基于Contourlet變換的SAR圖像去噪研究[D];西安電子科技大學(xué);2015年

9 田剛;基于非局部均值的MRI圖像去噪研究[D];西安電子科技大學(xué);2014年

10 范婷;基于字典學(xué)習(xí)的圖像去噪方法研究[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：1567284