Please wait a minute...
img

官方微信

遥感技术与应用  2008, Vol. 23 Issue (5): 561-564    DOI: 10.11873/j.issn.1004-0323.2008.5.561
图像处理     
基于复小波噪声方差显著修正的SAR图像去噪
施汉琴,张大明,罗斌
 (安徽大学计算机科学与技术学院,安徽 合肥 230039)
SAR Image Denoising Based on Significant Estimation ofNoise Variance of Complex Wavelet Coefficients
SHI Han-qin,ZHANG Da-ming,LUO Bin
(School of Computer Science and Technology,Anhui University|Hefei 230039,China)
 全文: PDF(1260 KB)  
摘要:

提出了一种基于复小波域统计建模与噪声方差估计显著性修正相结合的合成孔径雷达(Synthetic Aperture Radar,SAR)图像斑点噪声滤波方法。该方法首先通过对数变换将乘性噪声模型转化为加性噪声模型,然后对变换后的图像进行双树复小波变换(Dualtree Complex Wavelet Transform,DCWT),并对复数小波系数的统计分布进行建模。在此先验分布的基础上,通过运用贝叶斯估计方法从含噪系数中恢复原始系数,达到滤除噪声的目的。实验结果表明该方法在去除噪声的同时保留了图像的细节信息,取得了很好的降噪效果。

关键词: 统计模型合成孔径雷达双树复小波变换贝叶斯估计    
Abstract:

We proposed an algorithm of SAR speckle denoising method based on combination of statistic model of complex wavelet coefficients and significant estimation of noise variance.This method first employs a logarithmic transformation to change the multiplicative speckle into additive noise,then logarithmic image is processed by Dual-Tree Complex Wavelet Transform,and the model,which is based on statistical distribution for the complex wavelet coefficients of SAR image,is set up.Under such prior distribution,Maximum A Posteriori(MAP) estimator is used to restore the wavelet coefficients from the noisy observations to achieve the goal of filtering noise.Experiment results show that the method can remove the noise while preserving significant image details and obtain the good performance.

Key words: Statistical     model    Synthetic     aperture     radar    Dualtree     complex     wavelet transform    Bayesian     estimation
收稿日期: 2008-04-14 出版日期: 2011-11-07
:  TP 75  
基金资助:

博士点基金项目(20070357001)和安徽省高等学校自然科学研究重点项目(KJ2007A045)资助。

作者简介: 施汉琴(1984-),硕士研究生,主要研究方向为图像处理与模式识别。E-mail:shihq0726@sina.com。
服务  
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章  

引用本文:

施汉琴,张大明,罗斌. 基于复小波噪声方差显著修正的SAR图像去噪[J]. 遥感技术与应用, 2008, 23(5): 561-564.

SHI Han-qin,ZHANG Da-ming,LUO Bin. SAR Image Denoising Based on Significant Estimation ofNoise Variance of Complex Wavelet Coefficients. Remote Sensing Technology and Application, 2008, 23(5): 561-564.

链接本文:

http://www.rsta.ac.cn/CN/10.11873/j.issn.1004-0323.2008.5.561        http://www.rsta.ac.cn/CN/Y2008/V23/I5/561

[1] Yu Q Z.Research on Synthetic Aperture Radar (SAR) Image Matching for Navigation[D].Wuhan:Huazhong University of Science and Technology,2004.[于秋则.合成孔径雷达(SAR)图像匹配导航技术研究[D].武汉:华中科技大学,2004.]
[2] Xie H,Pierce L E,Ulaby F T.SAR Speckle Reduction Using Wavelet Denoising and Markov Random Field Modeling[J].IEEE Trans.on Geosciences and Remote Sensing,2002,10(4):2196-2211.
[3] Grace C,Bin Y,Vetterli M.Adaptive Wavelet Thresholding for Image Denoising and Compression[J].IEEE Trans.on Image Proc.,2000,9(9):1532-1546.
[4] Kingsbury N.The Dual-tree Complex Wavelet Transform:A New Efficient Tool for Image Restoration and Enhancement[C].Proc.European Signal Processing Conference,EUSIPCO98.Rhodes,1998,319-322.
[5] Yi X,Wang W R.The Application of Statistic Model for Complex Wavelet Coefficients in Image Denoising[J].Optolectronic Engineering,2004,31(8):69-72.[易翔,王蔚然.复数小波统计模型在图像降噪中的应用[J].光电工程,2004,31(8):69-72.]
[6] Donoho D L,Johnstone I M.Ideal Spatial Adaptation by Wavelet Shrinkage[J].Biometrika,1994,81(3):425-455.
[7] Xie J C,Zhang D L.On the Usage of a Wavelet Coefficient Model in Noise Variance Estimation of Image[J].Journal of Electronics & Information Technology,2004,26(5):673-678.[谢杰成,张大力.一种小波系数模型在图像噪声参数估计中的应用[J].电子与信息学报,2004,26(5):673-678.]

[1] 杨朦朦,汪汇兵,欧阳斯达,范奎奎,戚凯丽. 基于双树复小波分解的BP神经网络遥感影像分类[J]. 遥感技术与应用, 2018, 33(2): 313-320.
[2] 万玲,尤红建,程跃兵,卢晓军. 合成孔径雷达图像分割研究进展[J]. 遥感技术与应用, 2018, 33(1): 10-24.
[3] 熊伟,徐永力,姚力波,崔亚奇. 基于SVM的高分辨率SAR图像舰船目标检测算法[J]. 遥感技术与应用, 2018, 33(1): 119-127.
[4] 谢亚楠,周明亮,刘志坤. 合成孔径雷达反演降雨量算法的研究进展[J]. 遥感技术与应用, 2017, 32(4): 624-633.
[5] 李海英,温卫斌,王芳,付强,肖媛. 表层穿透雷达在月球与深空探测应用中的研究进展及趋势[J]. 遥感技术与应用, 2017, 32(4): 634-642.
[6] 姜萍,刘修国,陈启浩,邵芳芳. 利用多尺度SVM-CRF模型的极化SAR图像建筑物提取[J]. 遥感技术与应用, 2017, 32(3): 475-482.
[7] 张祥,陈报章,赵慧,汪磊. 基于时序Sentinel-1A数据的农田土壤水分变化检测分析[J]. 遥感技术与应用, 2017, 32(2): 338-345.
[8] 袁春琦,徐佳,程圆娥,陈媛媛,许康. 基于协同训练与集成学习的极化SAR图像半监督分类[J]. 遥感技术与应用, 2017, 32(2): 380-385.
[9] 孙景,唐丹玲,潘刚. Radarsat2全极化数据在监测南海溢油事件中的方法研究[J]. 遥感技术与应用, 2016, 31(6): 1181-1189.
[10] 李兰,陈尔学,李增元,冯琦,赵磊. 合成孔径雷达森林树高和地上生物量估测研究进展[J]. 遥感技术与应用, 2016, 31(4): 625-633.
[11] 李婷,程博,尤淑撑. 基于半监督鉴别分析的高分辨率SAR影像建筑区提取[J]. 遥感技术与应用, 2016, 31(2): 239-246.
[12] 孙建勇,车 涛,段克勤,戴礼云. 冰沟流域积雪面积比例与雪水当量关系初探[J]. 遥感技术与应用, 2015, 30(6): 1085-1094.
[13] 蒋少峰,王超,吴樊,张波,汤益先,张红. 基于结构特征分析的COSMO-SkyMed图像商用船舶分类算法[J]. 遥感技术与应用, 2014, 29(4): 607-615.
[14] 李文梅,李增元,陈尔学,孙晗伟,王馨爽. 极化相干层析反演森林垂直结构原理与方法研究[J]. 遥感技术与应用, 2014, 29(2): 232-239.
[15] 吴樊,王超,张波,张红,田小娟. SAR图像船只分类识别研究进展[J]. 遥感技术与应用, 2014, 29(1): 1-8.