论文部分内容阅读
合成孔径雷达(SAR)是一种在距离向和方位向上都具有高分辨能力的成像雷达,可以全天候、多极化、多频率、多视角地获取数据,并具有一定的云、雨、烟雾、植被、浅层地表穿透能力。近年来SAR得到了快速发展,已被广泛应用于战场侦查、高空摄像、大地遥感、测绘、资源勘探、灾情预报等领域。相干斑抑制是SAR图像处理中最基础同时也是最重要的问题之一,一直以来受到国内外学者的广泛关注。其核心问题在于如何在充分抑制相干斑的同时保持图像的点、线、边缘、纹理等结构特征。无论是空域滤波、多分辨去斑、贝叶斯去斑,还是各种采用最新数学工具的去斑算法,无不是在斑点抑制和结构保持间进行权衡,常常是充分抑制了相干斑却也过度平滑了结构特征,或者是结构保持很好斑点却残留很多,尚不存在一种算法能很好地解决这一矛盾。MRF(Markov Random Field,马尔可夫随机场)是对像素空间相关性建模的有效工具,以其作为先验模型的贝叶斯去斑方法是去斑领域的研究热点之一。论文从图像域和小波域两个方面探索了将MRF用于SAR图像去斑的新思路和新方法,这些方法或直接从MRF模型本身入手,或从模型之外采取措施加强结构保持,其根本目的仍在着力解决斑点抑制和结构保持间的矛盾。在图像域,通过分析已有的MMRF和GMRF模型,指出它们无法描述图像结构特征的关键在于不合理的权重参数设置,为此论文从模型内外两方面入手加强结构特征保持。提出了一个全新的,具有结构保持特性的SPMRF模型,它可以根据图像的局部特性自适应调整模型的权重参数,克服了以往MRF模型不能有效建模结构特征的问题,以之作为先验模型的贝叶斯去斑取得了较为理想的去斑效果;在原有的基于固定邻域MMRF模型的去斑方法上,通过引入邻域的自适应调整机制,提出了AN-MMRF去斑方法,既充分发挥了MMRF模型计算量小、速度快、可充分抑制噪声的优势,又克服了原有固定邻域MMRF去斑所造成的结构模糊问题,在结构保持上有了较大提高。在小波域,通过将隐马尔可夫树和隐马尔可夫随机场模型相结合,提出了基于HMT-HMRF模型的SAR图像小波系数隐状态估计法,该方法充分利用了小波系数尺度间和尺度内的相关性,提高了小波系数分类的准确性,为利用贝叶斯估计削弱噪声主导的小波系数并保持信号主导的小波系数奠定了基础。基于该方法的SAR图像小波去斑在抑制相干斑的同时有效保持了图像的结构特征。