【摘 要】
：
近三十年来,相干斑抑制方法在合成孔径雷达（SAR:Synthetic Aperture Radar）图像中得到了广泛的应用。SAR图像中斑点噪声的存在严重降低了图像的可解释性,并对后续的目标检测、分类和识别等常见应用产生很大影响。因此,需要采用相干斑消除方法来提高SAR图像的质量。目前,国内外许多学者都致力于SAR图像斑点噪声的抑制,并提出了大量抑制图像斑点噪声的算法。大多数方法都是通过使用过滤窗
论文部分内容阅读
近三十年来,相干斑抑制方法在合成孔径雷达（SAR:Synthetic Aperture Radar）图像中得到了广泛的应用。SAR图像中斑点噪声的存在严重降低了图像的可解释性,并对后续的目标检测、分类和识别等常见应用产生很大影响。因此,需要采用相干斑消除方法来提高SAR图像的质量。目前,国内外许多学者都致力于SAR图像斑点噪声的抑制,并提出了大量抑制图像斑点噪声的算法。大多数方法都是通过使用过滤窗口来实现的。首先,使用一些算法估计散斑图像的局部噪声方差,然后进行局部滤波。结果表明,这些方法可以大大降低均匀区域的散斑噪声,但在非平滑区域,滤波后的图像会出现模糊甚至过于平滑的现象,并丢失大量细节信息,从而降低图像的空间分辨率,恶化图像的解译效果。理想的散斑抑制方法不仅能滤除散斑噪声,还能保持图像的边缘细节。本文主要研究SAR图像的斑点噪声抑制算法。主要内容总结如下:1、分析了SAR成像原理、斑点噪声产生机理及其统计模型,详细的介绍了几种经典滤波方法的滤波原理,并分析了各种滤波方法的优缺点及现在面临的挑战。2、提出了一种基于比值距离的Frost滤波算法,并将该方法与传统Frost方法作了比较分析,实验结果验证了该方法的有效性。3、给出了一种两步算法的SAR图像斑点抑制算法,并将该方法与传统的En＿Lee滤波算法、Frost滤波算法、Sigma算法、Gamma-MAP滤波算法、双边滤波算法、SRAD滤波算法、非局部均值滤波算法进行了实验对比,结果证实了此方法的有效性。
其他文献
随着通信技术以及智能技术的快速发展,车联网中的业务也朝着智能化、多样化发展,随之而来的也产生了大量计算密集型任务,但是智能车辆自身有限的资源无法应对该挑战,车联网中的任务卸载技术被认为是一个有效的解决方案。车联网中车辆的快速移动会导致网络拓扑变化,进而会出现局部拥堵的情况,这给车联网中任务卸载问题带来了巨大的挑战。为此本学位论文考虑兼顾任务卸载的整体处理时延和算法耗时来设计拥堵场景中的车联网任务卸
光场相机作为一种新型的光场成像设备,可以记录场景中丰富的光线信息,提供了更加强大的场景理解能力。目前,基于深度学习的光场深度估计方法在估计精度和算法效率上均取得了不错的成绩。但是,随着网络层数的加深以及网络结构的复杂化,现有的光场真实场景数据集难以支撑大规模的网络训练,仅使用光场合成场景数据集训练的模型泛化性能较差;同时,现有的方法为了权衡精度和效率,并未充分挖掘光场图像中丰富的场景信息,损失估计
全球卫星导航系统（Global Navigation Satellite System,GNSS）是全球信息基础设施的重要组成部分,其技术无处不在。然而,随着现代科技的发展,复杂的电磁环境,电子对抗的丰富多样,这些都对卫星导航接收机性能提出了巨大的挑战,并且提高卫星导航系统的干扰检测能力一直是人们研究的热门话题。本文从卫星导航信号处理方面入手,提出Radon变换与时频分析结合的方法来检测扫频干扰信
图像超分辨率重建是图像处理领域中重要的低层次计算机视觉任务,它主要是提高图像或视频的分辨率,旨在提高图像质量,获得最佳的视觉效果。图像超分辨率重建技术指的是从低分辨率图像重建高分辨率图像,它在高清显示、视频监控和医学成像等场景中被大量应用于实践。近年来,源于卷积神经网络和深度学习的飞快发展,基于上述两种方法的图像超分辨率重建模型被研究者们大量提出,并取得了重大突破。本文基于前人的理论和研究,提出了
随着互联网技术以及通信技术的飞速发展,移动通信系统已经迈入5G时代并朝着6G研发阶段快速前进,物联网以及车联网的使用也会越来越广泛,伴随而来的是全网的通信带宽以及算力的大幅提升,这给云计算、边缘计算和任务卸载提供了发展的必要条件。但同时对网络中的计算或带宽资源的分配提出了更高的要求。在一些对性能要求较高的场景中,对资源优化的需求就更加强烈。在万物互联的时代,服务机器人的应用变得越来越广泛,室内服务
边缘计算（Edge Computing）作为一种全新的计算范式,通过在靠近用户设备端部署具有一定计算能力的计算设备,实现为用户提供直接相连的高带宽、低延迟、高效率的计算应用服务。边缘计算场景下的任务执行可能会由分布在不同物理空间的计算单元协作完成,使得任务中各模块间的依赖性关系对于任务的有效执行具有较大影响。因此当复杂应用程序的服务请求到达边缘计算系统后,如何根据依赖性关系将任务各模块划分成便于计
连续大气偏振模式伴随太阳位置改变呈现出沿太阳子午线对称变化的特性,该模式作为大气物理属性,所携带的时空信息不易受到天气与电磁的干扰,在导航与探测等领域具有重要的应用。为解决连续大气偏振数据采集过程中存在数据不连续、特征获取不完整的问题,本文从信息处理角度出发,分析大气偏振模式分布变化规律,利用深度学习技术设计了不依赖于环境参数的大气偏振数据预测模型及偏振特征重构模型,保障采集数据的连续性与特征完整
随着煤矿业的发展,矿井深度逐年提高,热害逐渐成为矿井的主要灾害之一。热害的及时预警作为热害防治的第一步尤为重要。人体长期在高温环境中工作会降低人体热舒适度并对身心产生伤害。我国国家标准《煤矿井下热害防治设计规范》中规定采煤工作面的等效温度不应该超过28℃。等效温度是温度、湿度和风速的综合体现,能更科学、准确反映人体的热舒适度。作为评价矿井是否发生热害的标准,矿井中能否实时获取等效温度的数值在热害的
时序动作定位需要在未剪辑的视频中找到所有与人有关的动作,不仅要确定动作发生的精确时间还要确定其类别。弱监督时序动作定位使用视频级的类别标签作为监督信号,相比于全监督的方式标注成本低,其视频中只有少数同一类别的动作片段。现实生活中的视频动作实例更多,且同一时间会发生多种动作,弱监督的方法难以建模密集分布的动作实例之间的复杂时序关系。故本文对弱监督时序动作定位和多标签时序动作定位进行研究,具体工作如下
随着无线网络的飞速发展,移动互联网、物联网以及虚拟现实等各种新兴业务的出现对现有网络环境的时延和可靠性提出了挑战,同时,移动设备的大规模连接也带来了更高的资源需求,计算密集型应用程序和资源受限的移动设备之间的矛盾为获得令人满意的服务质量和服务体验带来了瓶颈。为了能够更好地满足这些新兴业务的需求和特性,推动移动通信网络的发展,设计有效的面向低时延需求的无线资源分配方案已经成为了非常重要的研究课题。本