基于稀疏表示和低秩逼近的SAR圖像降斑.pdf

1、合成孔徑雷達(Synthetic Aperture Radar，SAR)具有全天候、全天時、高分辨率和穿透力強等特點，因此，SAR在軍事方面和民用方面都得到了廣泛的應(yīng)用。但是，由于S AR系統(tǒng)是微波相干成像，S AR圖像在獲取的過程中受到了斑點噪聲的影響。斑點噪聲的存在大大降低了SAR圖像的分辨率，影響了后續(xù)的處理與解譯。因此，如何抑制SAR圖像中的斑點噪聲非常重要。通過分析SAR圖像的斑點噪聲模型和統(tǒng)計特性，結(jié)合稀疏表示理論和低秩逼近

2、理論，本文提出了幾種新的 S AR圖像降斑算法。本文主要包括以下三個方面：
　　1.提出了一種基于聚類和提升字典學習的SAR圖像降斑算法?？紤]到圖像中具有大量相似結(jié)構(gòu)的圖像塊，利用 K均值聚類算法，構(gòu)造相似圖像塊集合。為了充分挖掘圖像塊中包含的紋理細節(jié)信息，本章利用主成分分析法，提取各個相似圖像塊集合的主成分分量，構(gòu)造相應(yīng)的PCA字典。以PCA字典為初始字典，采用提升字典學習算法對相似圖像塊進行稀疏表示與重構(gòu)，得到最終的降斑結(jié)果。

3、
　　2.提出了一種基于結(jié)構(gòu)相似度校正聚類的稀疏表示SAR圖像降斑算法。利用方向波變換的多方向性和各向異性，在方向波域?qū)AR圖像進行斑點噪聲估計?？紤]到相似圖像塊不僅僅存在于同一尺度的圖像中，不同尺度的圖像中也包含大量的相似圖像塊，本章通過對SAR圖像進行方向波變換來獲取不同尺度的圖像塊，并采用一種基于結(jié)構(gòu)相似度校正的聚類算法對圖像塊進行類別劃分。最后，利用基于聚類的稀疏表示算法對每類圖像塊進行稀疏表示和重構(gòu)，得到最終的降斑結(jié)果