基于Sparse-Land模型的SAR图像噪声抑制与分割

本项目利用图像的稀疏特性这一重要先验知识，结合SAR图像噪声抑制和分割的应用需求，建立基于Sparse-Land模型的稀疏表示框架，研究基于稀疏表示的自适应字典训练算法、基于学习的SAR图像相干斑噪声抑制和混合噪声抑制；研究权重化的SAR图像稀疏表示方法及权值模型和权值训练算法，建立基于广义匹配追踪和克隆选择的匹配追踪算法，并用于SAR图像的鲁棒分割；实现基于稀疏表示的SAR图像处理软件系统。

SAR图像的特征区域多种多样，即有“点奇异”，也有“线奇异”；既有平滑区域，也有非平滑区域；既有光滑的轮廓线，也有非光滑的轮廓线；既有非纹理区域，也有纹理区域；等等。当前的小波分析和多尺度几何分析只是在理轮上能够有效处理分片光滑函数类和简单的奇异函数类，对于其它更为复杂的函数类型，还是无能为力。因此对于这种结构复杂类别繁多的SAR图像，如何得到更好的分割结果也是本项目的研究重点。本项目利用图像的稀疏特性这一重要先验知识，结合SAR图像噪声抑制和分割的应用需求，建立了基于Sparse-Land模型的稀疏表示框架，研究了基于稀疏表示的自适应字典训练算法、基于学习的SAR图像相干斑噪声抑制和混合噪声抑制；研究了权重化的SAR图像稀疏表示方法及权值模型和权值训练算法，建立了基于广义匹配追踪和克隆选择的匹配追踪算法，并用于SAR图像的鲁棒分割；研制了基于稀疏表示的SAR图像处理软件系统。研究成果在本领域重要期刊和会议上发表论文25篇，申报国家发明专利9项，获得奖励2项，培养硕士5名。