基于小波变换的ＳＡＲ图像去噪方法研究及应用.docVIP

基于小波变换的ＳＡＲ图像去噪方法研究及应用 　　摘要：本文探讨在小波频域内进行SAR斑点噪声分析的特点和优势，分析比较小波频域斑点噪声滤除的若干种方法，结合前人阈值优化、边缘检测的思想和边缘方向特征提出一种新的斑点噪声滤除方法。实验表明所研究的噪声滤除方法，同各种空间域滤波方法和已有的小波频域方法比较，在噪声滤除和信息保留两方面的综合效果有明显提高，具有一定的应用价值。 　　关键词：SAR；斑点噪声；滤波；小波变换 　　中图分类号：TP311文献标识码：A文章编号：1009-3044(2008)15-21114-03 　　 　　Wavelet-based SAR Image Denoising Research and Application 　　ZHENG Wei1, LV Gang1,2 　　(1.Computer Science and Technology, Hefei University, Hefei 230601,China;2.Computer Science and Technology, Anhui University, Hefei 230039,China) 　　Abstracts: This paper discusses the wavelet frequency domain analysis conducted SAR speckle the characteristics and advantages of wavelet analysis and comparison speckle noise frequency domain filtering of certain kinds of methods, combining previous threshold optimization, the ideological edge detection and edge characteristics of the direction put forward a new speckle filtering methods. Experiments show that the noise filtering methods, and various spatial filtering methods and frequency domain has been the wavelet method, the noise filtering in both reservations and information combined effect has risen markedly, to a certain extent value. 　　Key words: SAR; Speckle; Filtering; Wavelet 　　 　　1 引言 　　 　　SAR影像中由于相干斑噪声的干扰，噪声的滤除成为不可缺少的工作。他要求合理影像斑点噪声，同时保持影像细节信息。目前普遍使用数字滤波，包括空间域和频率域滤波。 　　空间域滤波中，传统的均值滤波器和中值滤波器，对噪声和边缘信息不加区分。子适应滤波多通过局域统计参数的调节，对噪声进行较强的平滑，而对边缘则尽量予以保留。常用的自适应滤波器有Lee、Frost、Sigma、改良K均值以及Gamma等。不过空间域的滤波，很难在消除噪声的同时很好地保留边缘和纹理细节，只能进行两个方面的折衷。 　　频域滤波方面，傅里叶变换能够进行高通或低通滤波。但在提高信噪比和空间分辨率方面存在矛盾：低通滤波能较好地抑制噪声却会模糊图像边缘；高通滤波可加强边缘，但背景噪声也会被加强。而小波分心具有灵活的多尺度特征：不同尺度反映不同层次的图像特征，因而擅长于分析图像细节信息，进行噪声的滤除和边缘的保留。 　　本文在已有小波阈值去噪方法的基础上，通过噪声级标准差来优化阈值，结合小波域边缘检测和小波域边缘方向特征，提出新的小波斑点去噪方法，克服小波硬门限的去噪不理想和软门限的过分平滑。 　　 　　2 基于小波的SAR噪声滤除 　　 　　2.1 小波系数阈值去噪 　　小波函数在时频域都具有较好的局部性，其变尺度特性使得小波变换对信号具有一种 “集中”的能力。而噪声和信号的小波系数分布规律相反，尤其在大尺度时由于对噪声进行了一定的平滑，使得噪声的小波系数很小。因而可据此差异设置阈值，去除由噪声控制的幅值小、数目多的小波系数，以达到降低噪声又保持图像主要信息的目的。 　　小波阈值去噪分三个步骤：小波变换分解；设置一定的阈值对小波系数进行处理；小波逆变换得到空域结果图像。如何选择阈值是关键，因为它控制图像噪声和信息的分离。对小波系数的阈值处理有硬门