论文部分内容阅读
随着航天技术的飞速发展，合成孔径雷达(SAR)的应用越来越广泛，SAR图像的分析处理也备受关注。本文针对SAR图像处理中图像去噪与边缘检测之间的矛盾，对SAR图像去噪及边缘检测的方法进行了改进。由于小波变换具有多分辨分析和时频局部化特性，使其在图像处理中有突出的表现。因此，本文选用小波变换作为SAR图像处理的数学工具。 SAR的后向散射成像机制决定了SAR图像中存在相干斑噪声，这些相干斑噪声降低了图像质量，掩盖了图像的细节结构，因此在SAR图像处理时通常先对图像进行去噪。而常用的去噪算法在去噪的同时会损失图像的边缘信息，所以本文在去噪前预先保留了图像的边缘信息。小波系数可分为重要系数与非重要系数，小波模极大值可区分边缘点与非边缘点，两者结合可将所有象素点分为噪声点、边缘点、均匀区象素点及纹理区象素点，根据判定结果对非边缘点进行小波变换去噪。该方法在有效去除SAR图像相干斑噪声的同时较好的保留了图像的边缘信息。 图像分割作为图像处理到图像分析的关键步骤，为SAR图像的目标识别等后续工作奠定了基础。在区域分割方面，对最大类间方差法的分割结果进行小面积区域消去；在边缘检测方面对小波边缘检测方法进行了改进，通过对图像进行平稳小波变换，将相邻尺度间的小波系数相乘后求模极大值，由模极大值求得的边缘图像既能抑制图像噪声又可以提高边缘定位的精度，实验证明该方法能得到令人满意的边缘图像。