极化SAR图像的多纹理最大似然估计

提出了一种新的极化SAR图像相干斑抑制的方法。该方法在多纹理乘性相干斑噪声模型的假设下,采用最大似然估计法来同时估计多个极化通道的纹理参数。该方法保存了极化信息,消除了极化通道间的耦合,取得较好的相干斑抑制效果;并与极化白化滤波法(PWF)作了比较。     

极化SAR改进Lee滤波相干斑抑制研究

针对Lee滤波总存在降低相干斑与有效保持细节信息这一矛盾,将自适应窗引入极化SAR滤波。该方法首先在span图像中根据窗内像素与窗边缘像素分布特性决定是否扩大窗口,在均质区域选择较大窗口,保证了一定的相干斑抑制能力,而在细节信息比较丰富的区域则选择较小窗口,避免细节信息被滤除,然后在选定的窗口中利用极化Lee滤波对数据进行相干斑抑制,在保证相干斑抑制能力的同时保留了细节信息。     

基于平稳Contourlet变换的极化SAR图像融合

提出一种新颖而有效的基于平稳Contourlet变换的极化SAR图像融合算法。平稳Contourlet变换是一种具有几何信息的灵活多尺度、多方向和平移不变性的图像分解变换,与小波变换相比,对图像分析很重要的沿曲面任意方向反映的细节更容易调整。采用平稳Contourlet变换对多个单极化强度图像进行分解,对于低频系数和方向高频系数采用最优加权算法实现极化图像的融合处理。实验结果表明,该算法与PWF算法相比在保留原始图像边缘和纹理信息同时,可以有效地抑制相干斑噪声的影响,取得较好的融合视觉效果。     

SURE准则的非局部SAR图像相干斑抑制

针对传统空域非局部平均方法在合成孔径雷达图像相干斑抑制中存在相似区域提取和方向信息捕获不足的问题,提出了一种基于各向异性高斯方向窗和Stein’s无偏风险估计(SURE)准则融合的非局部均值(NLM)算法。该方法设计多个不同方向的各向异性高斯窗来匹配SAR图像的局部空间几何结构,比传统的方形窗能更好地保护SAR图像中的方向性结构。采用比率测度来衡量图像块间的相似程度,并计算基于该各向异性高斯窗的NLM结果。结合SURE准则来融合不同方向的各向异性高斯窗的非局部平均结果,获得最终的SAR图像降斑结果。针对多幅SAR图像进行对比实验,实验结果表明:该方法在有效抑制SAR图像相干斑的同时能很好地保留图像的几何结构信息,为后续的SAR图像理解与解译提供了良好的基础。     

一种基于区域分集的SAR相干斑抑制算法

合成孔径雷达（ＳＡＲ）因为相干成像原理所固有的相干斑噪声是影响其图像质量的主要原因。文中根据ＳＡＲ图像的纹理特征和相干斑噪声的统计特征，提出了一种基于区域分集的相干斑抑制算法。本算法能够完全保留ＳＡＲ图像边缘特征，同时对相干斑具有较好的抑制能力。实验结果表明，本算法处理效果优于目前常用的相干斑滤波算法。     

一种单视广义极化K-分布纹理参数的估计方法

提出了通过归一化极化联合矩对SAR（合成孔径雷达）单视广义极化K-分布纹理参数进行估计的方法，阐述了SAR各个极化通道之间的纹理相关性。在此基础上给出了单视广义极化K-分布波形因子、纹理相关系数和相干斑相关系数的算法及偏差性能分析，并进行了蒙特卡洛仿真实验论证，进一步证明了该方法的良好估计性能。     

不同小波基下的SAR图像相干斑抑制性能分析

分析了合成孔径雷达(SAR)图像中相干斑(Speckle)的统计特性。基于小波变换(WT),给出了一种多尺度的Speckle滤波方法,该方法利用小波分解后的HH分量(低频分量)作Speckle抑制,得到图像Speckle的相当大的改进。文中还对不同的小波基进行了理论分析,并利用实验数据,从等效视数(ENL)角度进行了比较,证实了不同小波基下该方法对Speckle具有较好的抑制性能。     

融合区域和边界信息的水平集SAR图像分割方法

提出了一种基于区域和边界信息的水平集SAR图像分割方法。该方法根据SAR图像的区域统计特征和边界梯度信息,建立SAR图像分割能量泛函模型;通过最小化能量泛函得到曲线演化偏微分方程;采用水平集方法求解演化方程,实现了SAR图像的分割。分别采用模拟和真实SAR图像对该方法进行了仿真。实验结果表明,该方法能充分利用SAR图像特征,不需要去除相干斑噪声的预处理过程,实现了对图像中目标与背景的正确分割。     

结合相干系数的极化干涉SAR植被高度估计方法研究

阐述了极化干涉SAR成像技术的基本理论,分析了极化干涉SAR的植被散射模型和Cloude三阶段植被高度反演算法。因三阶段法采用多参数初值迭代求解方法,其运算量较大复杂性高,该文提出基于相干系数的高度估计方法。先用干涉相位估计植被高度,再由相干系数幅度估计植被高度对前面相位估计的高度进行补偿,既保证了一定植被高度估计精度,又大大减少了反演算法的运算量,最后用极化干涉SAR仿真数据验证了该方法的有效性。     

多极化干涉在PolInSAR植被高度估计分析

极化干涉SAR技术能够提供多种极化状态组合的干涉信息,提高干涉测量的精度。针对含有植被覆盖区域的电磁散射复杂情况,该文通过极化干涉SAR相干矩阵提取不同的极化干涉信息,分析不同极化散射机制对植被高度估计的特定物理意义,用极化干涉SAR仿真数据对不同极化干涉进行高度估计。通过选择最佳的极化干涉提高植被估计的精度,为极化干涉SAR植被成像提供一定的理论依据。     

一种新的SAR图像Speckle滤波算法

详细分析了合成孔径雷达图像中相干斑的统计特性，提出了一种具有窗口自选功能的自适应相干斑滤波算法，并将该算法用于Ｓｅａｓａｔ－ＡＳＡＲ图像的滤波处理；并将滤波结果与Ｌｅｅ算法和Ｏｄｄｙ算法作了对比试验，其结果表明滤波性能优于Ｌｅｅ算法和Ｏｄｄｙ算法。     

一种新的合成孔径雷达三维成像方法

研究了从全极化合成孔径雷达(SAR)图像数据中提取方位向的地势倾斜度信息,形成极化SAR三维成像。阐述了极化合成孔径雷达三维成像的快速搜索算法,对快速搜索算法作了修正与完善。提出了由Stokes矢量推导的极化椭圆方向角解模糊算法,利用真实的极化SAR图像数据得到了极化三维成像结果;并讨论了极化三维成像对地势场景的要求。     

SAR图像边缘检测方法综述

边缘检测是SAR图像解译的基本问题之一。固有的乘性噪声特性使得经典的梯度边缘检测方法并不适用于SAR图像,因此研究针对SAR图像的边缘检测方法具有重要的意义。本文对SAR图像边缘检测问题进行了系统的研究,简单描述了SAR图像边缘检测问题,讨论了现有的SAR图像边缘检测方法,总结了SAR图像边缘检测中存在的两个问题——边缘细化和边缘定位,对检测结果的性能评估方法也进行了概括。最后在总结现有研究成果的基础上展望了SAR图像边缘检测的发展方向。     

基于去取向理论的全极化SAR图像非监督分类

由于复杂地表目标的取向往往是随机分布的,产生散射回波的随机起伏使散射目标分类不容易明确,采用常规的分类方法容易造成地表的分类混淆.文中提出了一种全极化SAR图像非监督分类方法,首先对数据进行极化去取向处理,提取极化特征参数u、v,结合极化熵参数H进行非监督分类;之后将分类结果作为改进C-均值算法的初始类别划分,基于由u/v/H3个参数组成的特征空间,采用迭代方法实现对地物的分类;最后对NASA/JPL实验室的实测数据进行了实验分析,验证了文中所提分类方法的有效性.