一种基于非本地分类稀疏表示的SAR图像降噪方法.pdf
含平****ng
在线预览结束,喜欢就下载吧,查找使用更方便
相关资料
一种基于非本地分类稀疏表示的SAR图像降噪方法.pdf
本发明公开了一种基于非本地分类稀疏表示的SAR图像降噪方法。属于数字图像处理技术领域。它是一种基于分类系数估计与稀疏表示相结合的SAR图像降噪方法。首先按照图像的同质区和异质区进行分类,而后分别采用非本地均值方法和3D变换域硬阈值收缩方法实现对同质区和异质区的降噪,并由降噪结果获得非本地系数。为进一步提高降噪性能,利用所估计出的非本地系数对稀疏表示模型中的系数进行约束,以更好的逼近真实图像的系数。最后,利用最终估计的系数重构出降噪后的图像。本发明对图像的同质区和异质区采用不同方法进行处理,不仅可有效的实现
一种基于稀疏表示和盲估计联合的SAR图像降噪方法.pdf
本发明涉及一种基于稀疏表示和盲估计联合的SAR图像降噪方法,包括:S1:选取字典并初始化字典参数;S2:获取待降噪SAR图像,并使用盲估计算法估计得到待降噪SAR图像的图像噪声;S3:根据图像噪声,利用OMP算法计算稀疏编码,对字典进行迭代更新,得到更新的字典和稀疏编码;S4:利用更新的字典和稀疏编码对待降噪SAR图像进行稀疏分解并重构,得到去噪图像。本发明的方法能够很好的去除SAR图像中的噪声,并保留图像的细节。
一种基于排序联合稀疏表示的SAR图像降斑方法.pdf
本发明公开了一种基于排序联合稀疏表示的SAR图像降斑方法,属于数字图像处理技术领域。它首先对图像块进行相似度排序以获得图像块序列,然后利用图像块序列得到的结构组建立联合稀疏表示模型,再通过非局部加权平均估计该模型中所需的非局部稀疏系数与正则化参数,并利用分离伯格曼迭代算法对模型进行循环迭代求解,最后将估计出的稀疏系数重构出降斑后的SAR图像;本发明通过对图像块相似度进行排序,简化了整个过程中对相似图像块的比较,并对稀疏系数进行联合约束,使得到的图像保留在更多细节的同时有效的避免结构组稀疏表示所产生的伪影现
基于强度统计稀疏的全极化SAR图像分类方法.pdf
本发明公开了一种基于强度统计稀疏的全极化SAR图像分类方法,可应用于全极化合成孔径雷达SAR图像分类和目标识别。其实现步骤为:(1)输入散射强度矩阵;(2)获取SAR图像的统计特征;(3)获取SAR图像的稀疏特征;(4)训练分类器并分类;(5)优化初始分类结果;(6)输出分类结果。本发明利用全极化SAR合成孔径雷达图像三个通道的散射强度信息,挖掘三个通道之间的空间特征信息,对全极化SAR合成孔径雷达图像中特定目标实现有效的分类,并且可以完整的保留特定目标中具体地物的细节特征。
一种基于非凸加权稀疏约束的SAR图像降斑方法.pdf
本发明公开了一种基于非凸加权稀疏约束的SAR图像降斑方法,属于数字图像处理技术领域。它利用相似图像块集合在变换域中的稀疏性,首先对每个目标图像块通过相似度比较寻找相似图像块集合并进行奇异值分解得到系数矩阵,然后对系数矩阵进行非凸加权约束,并通过阈值收缩对系数矩阵进行估计,使估计出的系数矩阵更接近于真实系数,最后利用估计的系数矩阵重构出降斑结果;本发明通过对系数矩阵的非凸加权约束,使降斑后的图像在保留细节的同时有效抑制相干斑噪声,已获得更为精确的降斑图像,更易于目标识别,因此可用于SAR图像降斑。