基于经验模态分解和核主成分分析的sar图像相干-武汉科技大学学报.pdf

第 卷第 期 武 汉 科 技 大 学 学 报 , 39 3 Vol.39No.3 年 月 2016 6 JournalofWuhanUniversitofScienceandTechnolo Jun.2016 y gy 췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍췍 基于经验模态分解和核主成分分析的 SAR图像相干斑抑制 , 12 3 , 李长超 王文波 ( , , ; 1.武汉科技大学计算机科学与技术学院 湖北 武汉 430065 , , ; 2.武汉科技大学智能信息处理与实时工业系统湖北省重点实验室 湖北 武汉 430065 , , ) 3.武汉科技大学理学院 湖北 武汉 430065 : ( ) ( ) , 摘要 结合经验模态分解 EMD 与核主成分分析 KPCA 方法 针对 SAR图像提出一种改进的相干斑抑制算 。 ; 法 首先将 SAR图像进行对数变换和均值调整后进行经验模态分解 然后利用KPCA进一步去除各层本征 ( ) , , 模态函数 IMF 中的噪声 具体方法是根据斑点噪声的统计特性和零均值高斯白噪声 IMF的能量分布模型 , ; 近似计算各层 IMF中噪声能量所占比例 据此选择合适数量的主成分重构 IMF最后对经过 KPCA处理的 。 , , IMF进行累加重构得到去噪SAR图像 实验结果表明 与另外两种EMD图像去噪算法相比 本文提出的方 法在相干斑抑制效果和图像细节信息保持能力两方面都有较好的提高。 : ; ; ; ; ; 关键词 SAR图像 相干斑抑制 经验模态分解 核主成分分析 本征模态函数 图像去噪 中图分类号: 文献标志码: 文章编号: ( ) TP751 A 1674-3644201603-0224-07 ( ) , 合成孔径雷达 SAR 图像会受到自身固有的 SAR图像进行 EMD分解 然后将高频 IMF当作 , , 噪声直接去除 将剩