資源描述：
《基于稀疏表示和非局部均值的sar圖像去噪算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學術(shù)論文-天天文庫。
1、基于稀疏表示和非局部均值的SAR圖像去噪算法研究作者姓名王成龍導(dǎo)師姓名、職稱石光明教授一級學科信息與通信工程二級學科智能信息處理申請學位類別工學碩士提交學位論文日期2014年11月學校代碼10701學號1202121179分類TN82號TP75密級公開西安電子科技大學碩士學位論文基于稀疏表示和非局部均值的SAR圖像去噪算法研究作者姓名：王成龍一級學科：信息與通信工程二級學科：智能信息處理學位類別：工學碩士指導(dǎo)教師姓名、職稱：石光明教授提交日期：2014年11月SARImageDespecklingAlgor
2、ithmviaSparseRepresentationandNonlocalMeansAthesissubmittedtoXIDIANUNIVERSITYinpartialfulfillmentoftherequirementsforthedegreeofMasterinInformationandCommunicationEngineeringByWangChenglongSupervisor:Prof.ShiGuangmingNov.2014西安電子科技大學學位論文獨創(chuàng)性（或創(chuàng)新性）聲明秉承學校嚴謹?shù)膶W
3、風和優(yōu)良的科學道德，本人聲明所呈交的論文是我個人在導(dǎo)師指導(dǎo)下進行的研究工作及取得的研究成果。盡我所知，除了文中特別加以標注和致謝中所羅列的內(nèi)容以外，論文中不包含其他人已經(jīng)發(fā)表或撰寫過的研究成果；也不包含為獲得西安電子科技大學或其它教育機構(gòu)的學位或證書而使用過的材料。與我一同工作的同志對本研究所做的任何貢獻均已在論文中作了明確的說明并表示了謝意。學位論文若有不實之處，本人承擔一切法律責任。本人簽名：日期：西安電子科技大學關(guān)于論文使用授權(quán)的說明本人完全了解西安電子科技大學有關(guān)保留和使用學位論文的規(guī)定，即：研究生
4、在校攻讀學位期間論文工作的知識產(chǎn)權(quán)單位屬于西安電子科技大學。學校有權(quán)保留送交論文的復(fù)印件，允許查閱、借閱論文；學?？梢怨颊撐牡娜炕虿糠謨?nèi)容，允許采用影印、縮印或其它復(fù)制手段保存論文。同時本人保證，獲得學位后結(jié)合學位論文研究成果撰寫的文章，署名單位為西安電子科技大學。保密的學位論文在年解密后適用本授權(quán)書。本人簽名：導(dǎo)師簽名：日期：日期：摘要摘要合成孔徑雷達(SyntheticApertureRadar，SAR)作為一種主動的遙感觀測系統(tǒng)，由于其輻射的電磁波所具有的獨特性質(zhì)使得這種成像方法不受光照，天氣等的
5、影響，可以全天時全天候?qū)崿F(xiàn)對地觀測，在軍事和民用領(lǐng)域得到廣泛應(yīng)用。隨著計算機技術(shù)的發(fā)展，自動化的目標識別技術(shù)被用在越來越多的場合。但是雷達系統(tǒng)的相干成像機制使得獲取的SAR圖像含有很強的相干斑噪聲，這種乘性噪聲嚴重破壞了圖像的信息內(nèi)容，從而導(dǎo)致對SAR圖像的解譯，識別變得相當困難，因此非常有必要對SAR圖像的相干斑進行抑制。盡管近30多年來各類降斑技術(shù)取得了很大的發(fā)展，但是這些算法很難在SAR圖像相干斑噪聲抑制與圖像的邊緣細節(jié)、結(jié)構(gòu)、輻射特性保持之間取得平衡。隨著對降斑后的SAR圖像的質(zhì)量要求越來越高，因此
6、需要設(shè)計更強有力的算法對SAR圖像進行降斑處理。由于近年來稀疏表示理論研究取得的巨大進展以及非局部均值算法在圖像處理中的成功應(yīng)用，本文在分析SAR圖像相干斑統(tǒng)計特性的基礎(chǔ)上，提出了基于稀疏表示和非局部均值技術(shù)的SAR圖像相干斑抑制算法及其改進算法，主要工作如下：分析了近年來在圖像處理中得到廣泛應(yīng)用的稀疏表示模型和非局部均值算法，鑒于非局部逼近稀疏表示模型在自然圖像處理中的優(yōu)良性能，我們將其推廣應(yīng)用于SAR圖像的處理當中。由于SAR圖像的乘性相干斑與自然圖像的加性高斯噪聲在分布特性方面有著很大的不同，為了驗證
7、SAR圖像是否適用于該模型，我們先做了初步的統(tǒng)計實驗與分析。將進行過對數(shù)變換的原始SAR圖像劃分成重疊的子圖像塊，并對這些子圖像塊應(yīng)用K-means聚類算法和主成分分析算法學習得到一個冗余字典，接著對含噪子圖像塊進行自適應(yīng)稀疏編碼和使用非局部均值算法估計無噪SAR圖像子塊的稀疏編碼系數(shù)估計值，并用迭代閾值收縮算法得到降噪后的編碼系數(shù)。在逆變換回對數(shù)域后，我們又對對數(shù)域SAR圖像進行了偏差糾正，以提升降斑效果。鑒于對數(shù)變換后SAR圖像的噪聲并不嚴格符合高斯分布，在原非局部逼近稀疏表示模型中所使用的高斯相似性度
8、量用在對數(shù)域的SAR圖像處理當中是不合適的。我們在討論對數(shù)域SAR圖像噪聲分布特性的基礎(chǔ)上，基于廣義似然比準則推導(dǎo)了一種新的相似性度量公式，實驗證明了這種改進取得了良好的效果，尤其在SAR圖像視數(shù)較低的情況下效果尤其明顯。對于本論文中提出的降斑算法，我們都進行了模擬相干斑圖像和真實SAR圖像的測試，并使用了多個評估準則和對比算法來驗證其降斑性能以及圖像的細節(jié)I西安電子科技大學碩士學位論文信息保持能力，實驗結(jié)果證明
