本文摘要：摘要合成孔径雷达(SAR)成像技术如今应用越来越广泛，对成像分辨率的要求也随之提高。基于小波变换的SAR图像斑噪声抑制算法[1]虽然可以很好地减小相干斑噪声对SAR图像的影响，但在降低斑噪声的同时，往往会将图像的边缘模糊化，降低了SAR图像的分辨率。本文对
摘要合成孔径雷达(SAR)成像技术如今应用越来越广泛，对成像分辨率的要求也随之提高。基于小波变换的SAR图像斑噪声抑制算法[1]虽然可以很好地减小相干斑噪声对SAR图像的影响，但在降低斑噪声的同时，往往会将图像的边缘模糊化，降低了SAR图像的分辨率。本文对该算法进行改进，将Canny边缘检测算法[2]与该算法相结合，首先利用边缘检测技术将SAR图像边缘提取出去，再利用小波变换的方法对已去除边缘的SAR图像进行去除斑噪声处理，最后将边缘图与去噪后的图像结合。通过与原图像和目前普遍采用的均值滤波处理的图像比较，证实了本文提出的方法可行，且去噪效果好，同时图像边缘保存良好。
关键词：SAR，小波变换，相干斑噪声，Canny边缘检测，算法
图像技术人员投稿知识：图像加密论文适合发表期刊
《计算机工程与设计》刊载内容：覆盖计算机工程与设计领域的各个层面，包括各型计算机及其系统的研究、研制、设计、开发应用等各方面的学术、技术论文。刊登基金项目论文，获奖课题论文，学术会议论文，博士、硕士论文等。期刊收录图像加密论文包括“ 基于混沌系统的彩色图像加密算法”、“明文关联的多混沌彩色图像加密算法”等。
0引言
在合成孔径雷达(SAR)中，源自基本分辨单元内地物的随机散射，在图像上表现为信号相关(如在空间上相关)的小斑点，即为相干斑噪声。相干斑噪声不仅会降低图像的画面质量，还会严重影响图像的自动分割、分类、自动检测以及其他定量专用信息的提取。对于SAR图像相干斑噪声的处理，一方面要平滑噪点，另一方面要保持图像边缘和纹理细节信息。
SAR图像可通过多视处理[3]来减小噪点，但是会降低其分辨率;若采用如均值滤波、中值滤波、Lee滤波[4]、Frost滤波[5]、GammaMap滤波等方法，虽然可以解决上述问题，但是自身也存在着无法克服的矛盾：要增强去噪效果需要选择较大的窗口，而要保持图像的分辨率则需要选择较小的窗口。故本文将Canny边缘检测算法与小波变换相结合，利用Canny边缘检测算法对图像边缘强度和方向进行计算，再利用小波变换对像素进行过滤，实现了平滑斑噪点，同时保持了原图像边缘的完整性。
1基本算法
1.1Canny边缘检测算法
Canny边缘检测算子通过高斯函数的一阶微分，可以在噪声抑制与边缘检测之间找到良好的平衡，表达式近似高斯函数的一阶导数。
1.2小波变换
小波变换作为一种新的信号处理技术，也被应用于相干斑斑点的抑制。其原理为：利用小波变换的多分辨率分析特性，将SAR图像分解，其中大部分噪声集中在高频部分的子图像中，然后在这些子图像里进行斑噪点的抑制。由于小波的这一特性，使得它在降噪过程中不但可以有效地抑制噪声，还可以很好地保持图像的大体轮廓特征。它包含了三种细节子图像：HL、LH、HH。大部分的斑噪声处于细节子图像即高频部分的图像中，故可以通过减小高频系数来抑制斑噪声。本文采用Fukuda等人[6]提出的小波去噪的方法，对SAR图像进行在小波域的分解，之后对其细节子图像在每层中进行处理。处理过程大致分四步：1)判别每一个像素是属于HIGHLEVEL还是LOWLEVEL,判断标准以像素的绝对值是否大于设定的门限值为基准，若大于门限值则为HIGHLEVEL,反之为LOWLEVEL;2)将被判别为LOWLEVEL的每一个像素都乘一个系数α，且0<α<1;3)检测被判为HIGHLEVEL的像素是否存在边缘，如果模板的阴影里面至少存在1个HIGHLEVEL像素，则模板中心的值保持不变，反之则将该像素乘以一个系数β，且0<β<1;4)进行小波反变换，得到在子图像处理后的一幅图像。
2改进算法
传统斑噪声抑制算法的缺陷在于无法使图像在得到抑制噪点处理后依然保持较好的图像边缘。其根本原因是传统算法没有对图像进行拆分，它将边缘像素与混有噪点的像素一同处理，导致即便平滑了噪点，但边缘也变得模糊。因此，本文提出一种改进的方法，即将SAR图像进行拆分处理，通过Canny边缘检测算法对图像边缘进行检测提取，得到清晰的边缘图像，之后对非边缘的图像进行小波变换分解，从而减小斑噪声。，最终得到的输出图像为P=A+C。具体流程步骤如下。1)采用Canny边缘检测对初始图像O进行处理，得到边缘图A和去边缘后的图像B;2)图像B的边缘处像素值为0，所以需要重新定义，通过原边缘点的4个领域均值来进行定义:B(x,y)=[A(x,y+1)+A(x+1,y)+A(x,y-1)+A(x-1,y)/4;3)通过小波变换过滤处理图像B,得到平滑斑噪声后的图像C;4)将图像A和图像C相叠加，得到最终的输出图像P。
3实验结果
经过均值滤波处理的SAR图像，图中斑点噪声明显减少，这是由于均值滤波擅长处理斑点噪声，但同时也可以看到，图像清晰度不好、完整性不强、边缘比较模糊，例如，图中标识处;图(c)是通过本文算法处理后的图像，其噪点减少，图像的完整性、清晰度明显优于图(b)，由此证明了本文算法的可行性与可靠性。
4结论
本文提出的基于小波变换的SAR图像斑噪声抑制的改进算法，经理论推导和实验求证，方法不仅可行，且具有良好效果。不过，本文算法仍有很大的创新空间，例如，与比例边缘检测算法[7]相比，Canny边缘检测算法在处理含有噪点的边缘图中具有良好的检测性，但是该算法在SAR图像中不具有恒虚警性，即在高亮度区的边缘检测虚警率高于低亮度区。将上述两种边缘检测算法结合，或者找到一种更合适的边缘检测算法与小波变换滤波相结合有可能成为今后的研究方向。
参考文献
[1]ZengZ,CummingI.ModifiedSPIHTEncodingforSARImageData[J].IEEETransactionsonGeoscienceandRemoteSensing,2001,39(3):546-522.
[2]FosterI.TheGrid:ANewInfratsructureFor21stCenturyScience[J].PhysicsToday,2002,55(2):42-47.
[3]Moore,Richard.TradeoffBetweenPictureElementDimensionsandNoncoherentAveraginginSide-LookingAirborneRadar[J].IEEETransactionsonAerospaceandElectronicSystems,1979,15(5):697-708.
转载请注明来自发表学术论文网：http://www.fbxslw.com/dzlw/22118.html
