论文部分内容阅读
合成孔径雷达(SAR)图像的全天时、全天候的探测及强穿透力的特点，使得SAR图像广泛应用于军事和日常生活中，如目标识别、地震台风预测、河流迁移检测等。但是由于SAR的成像机制，使得SAR图像存在固有的相干斑噪声，为SAR图像后期处理带来极大的困难，所以SAR图像的相干斑抑制是应用SAR图像必不可少的一步。SAR图像变化检测是检测图像中场景的变化情况，广泛应用于军用和民用中，是SAR图像处理中一个非常重要的应用。本文从SAR图像相干斑抑制和SAR图像的变化检测角度进行研究，其主要的工作如下： 1.提出了基于Primal Sketch分类和SVD域MMSE估计的SAR图像去噪方法。在该方法中，首先，在Primal Sketch算法中，采用双邻域对比度的方法对能量图进行增强再进行素描图的绘画，进而对笔画进行扩展将SAR图像分为边缘类和非边缘类两类；其次，分别对边缘类和非边缘类中的像素点采用比值相似性的测量方法选取周围相似的邻域图像块并列向量化组成二维矩阵进行SVD分解，用含有收缩因子的最小均方误差准则估计奇异值，反变换得到边缘类的估计值和非边缘类估计值；最后，依据像素点的类别计算边缘系数，通过巴特沃斯的融合方法融合边缘类和非边缘类的边界得到去噪结果。实验证明，该方法有效的去除了 SAR图像中的斑点噪声，同时保持了边缘和点目标信息。 2.提出了基于同质区划分和Primal Sketch分类的SAR图像变化检测方法。在该方法中，首先，采用概率相似性和LPA-ICI原理为两时相的SAR图像中所有的像素点寻找自适应的局部同质区，并利用同质区内像素点的相似值作为权值加权平均做比生成差异图，再用谱聚类对差异图聚类得到初始的变化检测结果；其次，利用改进的Primal Sketch算法对两时相的SAR图像边缘检测，分别得到边缘类和非边缘类两类，并将两时相图像对应像素点做差得到分类的变化检测结果；最后，用分类的变化检测结果修正初始的结果得到检测结果。实验证明，该方法有效的提高了变化检测的正确率，同时在变化区域的边缘也有良好的效果。