摘要：降噪方法是无人机雷达图像识别中较重要的一步，本文首先阐述了为什么要降噪和相干斑产生的机理，然后对无人机雷达图像进行取对数处理，把乘性噪声变为加性噪声，然后通过平稳小波变换对经过取对数的图像进行分解，再对细节像进行独立分量分析，同时计算出相干斑噪声指数，对指数小的分量进行均值平滑处理，最后使用平稳小波变换变换进行重构，得到降噪后的雷达图像。
　　关键词：降噪方法；图像识别；小波变换
　　中图分类号：TP391.41 文献标识码：A 文章编号：1007-9599 （2012） 22-0000-02
　　1 相干斑噪声产生机理
　　由于无人机雷达图像与红外、可见光图像在成像机理上存在着差异，无人机上的雷达是一种相干成像传感器。无人机雷达能够提高分辨率的主要因素是雷达信号的相干性。雷达图像中的每一个像素记录的雷达的回波强度其实就是其回波所覆盖的地面区域的总回波强度，只有在理想情况下，这些散射子的球面波上的幅度才会处处相等。在无人机雷达图像中的分辨率单元内的每个散射中心都产生一个具有独立的相位和振幅的子回波。總的回波其实就是向各个方向散射的所有子回波的矢量和形成的。由于随机的电磁波子回波相位在空间中进行矢量求和合成总的回波时，振幅会发生相互抵消或叠加的现象，所以总会存在偏差在总回波强度与子回波的平均强度之间。这种随机的偏差现象在无人机雷达图像中呈现出强噪声的形式，通常我们称之为相干斑噪声现象。
　　2 雷达图像对数变换
　　由于雷达图像的相干斑点噪声属于乘性噪声，但目前许多基于小波变换的降噪滤波技术都是镇对加性噪声的，不能使用以往的降噪算法对雷达图像进行去噪。相干斑点噪声滤除的整个过程我们可以看成是用小波分析的方法进行处理的最小均方误差问题。用小波系数压缩方法对无人机雷达图像斑点噪声降噪的第一步是对无人机雷达图像进行对数变换，得到新的图像：
　　加性高斯噪声是一种各频谱分量服从均匀分布，且幅度服从高斯分布的噪声信号。而且加性高斯噪声的可加性和幅度值服从高斯分布。
　　3 独立分量分析
　　4 平稳小波变换
　　（1）即使在SWT需要更多的计算要求和更大的内存，它使更好的去噪质量和更好的边缘检测能力。
　　（2）在向下取样的过程中，由于系数的数目随着DWT的分辨率水平减半，所以它通常是适合离散信号或图像的大小是2的乘方图片。但是平稳小波变换可以应用在任意大小的图像上，为了保持在所有分辨率水平下的系数的数目是相同的，所以没有应用向下采样过程。出于这个原因， SWT也可以称为非抽样小波变换。
　　5 基于平稳小波变换和独立分量分析的均值平滑雷达图像降噪方法
　　由于最低频子带LL由于包含了大部分的像素值，所以应用均值滤波进行降噪。在进行所有子图像的平滑操作以后，联合起来进行反平稳小波变换来重构被降噪的图像。
　　6 总结
　　本章的降噪方法是无人机雷达图像识别中较重要的一步，首先阐述了为什么要降噪和相干斑产生的机理，然后对无人机雷达图像进行取对数处理，把乘性噪声变为加性噪声，然后通过平稳小波变换对经过取对数的图像进行分解，再对细节像进行独立分量分析，同时计算出相干斑噪声指数，对指数小的分量进行均值平滑处理，最后使用平稳小波变换变换进行重构，得到降噪后的雷达图像。