NSCT域系数统计分析在SAR图像抑噪上的应用.pdfVIP

NSCT域系数统计分析在SAR图像抑噪上的应用

引言

合成孔径雷达S（AR）图像在遥感领域的应用范围越来越广。然而

由于气候和遥感图像采集条件的限制，SAR图像往往存在多种噪声如斑

点噪声和波纹噪声等。这些噪声会导致图像质量的下降，甚至影响到后

续图像处理和分析的效果。因此，抑噪技术在SAR图像处理中具有至关

重要的作用。

当前，NSCT域系数统计分析是SAR图像抑噪中的一种主流方法。

该方法通过对SAR图像进行NSCT变换之后,利用基于均值和标准差等

统计学原理计算系数的阈值，有效地消除了SAR图像中的噪声。

本文将从SAR图像的特点和抑噪方法选取原则入手，详细介绍

NSCT域系数统计分析在SAR图像抑噪上的应用。分析其优点和不足之处,

并对该方法的未来发展进行展望。

一、SAR图像的特点

SAR图像是利用合成孔径雷达进行成像的一种遥感图像。因为其具

有天气和光照条件无关的优势，因此对于夜间、多云、恶劣天气等特殊

场景的遥感图像采集和处理有着不可替代的作用。

SAR图像具有以下特点：

1.在SAR图像中,每个像素点的强度值通常为实数,而非离散的整

数值。

2.SAR图像在大多数情况下会出现多种多样的噪声,如斑点噪声和

波纹噪声等。

3.SAR图像中包含大量的细节信息，而且噪声和信号之间的差异不

太明显，使得抑制噪声并不容易。

二SAR图像抑噪方法的选取原则

对于SAR图像的抑噪，我们需要考虑以下几个方面的意见：

1.抑噪效果：保留和增强SAR图像的信息，尽可能减少抑制对SAR

图像本身有用信息的影响。

2.抗干扰能力：适应于不同类型的噪声和各种异常情况。如果采用

的方法只针对某一特定类型的噪声进行抑制，会限制其实际应用。

3.计算时间：抑噪过程需要耗费时间，而在遥感领域中则更加重要。

计算时间的减少也需要被考虑到。

三、NSCT域系数统计分析方法的原理

1.NSCT域变换

NSCT是替代传统小波变换的新型变换，在噪声抑制领域有很大的应

用潜力。NSCT域变换使用完全二叉树作为滤波器组的结构单元。其他一

维或二维的分解和重构都可以基于这种滤波器结构进行实现。这样，

NSCT实现低通滤波和高通滤波的基础上，提高了频率的分辨率，对信

号的局部特征作了更为准确的描述。

2.系数的统计分布

对于不同类型的图像，其NSCT系数的分布特征也不同。而噪声

抑制中,我们认为满足高斯分布的NSCT系数被认为是噪声系数,其他非

高斯分布的系数则被认为是图像信号。因此，通过对NSCT系数进行统计

分析，可以较为准确地区分出噪声和信号。

3.基于均值和标准差的系数阈值算法

NSCT域内,通常采用基于均值和标准差的阈值算法对系数进行

判别。首先，计算NSCT变换后得到的系数的均值和标准差。然后，设定

一个系数的门限值，对于系数值小于门限值的，则将其视为噪声系数，

对其进行抑制。

四、NSCT域系数统计分析SAR图像抑噪中的应用

NSCT域系数统计分析可以有效地处理SAR图像中的噪声。通过对

SAR图像进行NSCT变换之后，利用基于均值和标准差等统计学原理计算

系数的阈值，可以有效地消除SAR图像中的噪声。

方法的步骤如下：

1.对SAR图像进行NSCT变换，得到所有系数。

2.计算所有系数的均值和标准差。

3.设定系数的门限值，将所有小于门限值的系数视为噪声系数，并

将其抑制。

4.进行NSCT域逆变换，得到新的SAR图像。

通过对SAR图像进行NSCT变换和阈值处理，该方法不仅可以有效

地抑制斑点噪声和波纹噪声等各类常见噪声，同时也可以更好地保留

SAR图像的细节和纹理特征。

五、NSCT域系数统计分析方法的优缺点