基于小波统计模型和异质性测量的SAR图像相干斑抑制

合成孔径雷达(SAR)图像中固有的相干斑噪声严重降低了SAR图像的可解译程度，去斑方法的研究一直是SAR图像预处理中一个经典又重要的问题。随着SAR成像技术向高分辨率、大尺寸方向发展，迫切需要研究新的、更为有效的去斑理论和算法。本项目拟在小波域中利用贝叶斯估计理论、结合SAR图像异质性测量手段，探索SAR图像去斑方法的新途径。内容主要包括：（1）研究同态、非同态两种情况下，后向散射信号、噪声信号在小波域中的统计分布特性，建立新的统计模型，用经典的贝叶斯估计理论设计去斑算法。（2）研究小波域中SAR图像异质性测度的表示方法，探讨多尺度异质性测度的统计分布及建模，为基于异质性测量的图像分割、去斑等应用提供理论依据。（3）研究局部滤波窗口尺寸自适应变化、异质性区域分类的阈值自动选取、点目标保护等技术，设计新型的基于异质性测量的去斑算法；同时应用到贝叶斯滤波器，以改善滤波性能和计算复杂度。

1. 提出了一种针对同态型滤波方法的正态反高斯先验信号模型。（1）首先将小波系数建模为正态反高斯模型，推导出BayesMAP的函数表达式；（2）为得到统计模型的参数，提出了一种新的方法，利用上下文模型将小波系数进行分类，并用矩估计法计算每一类小波系数的模型参数。该算法所采用的统计模型能够全面描述图像内部各像素之间的某些相关性，上下文模型的分类方法更能体现小波系数尺度内和尺度间相关性，使得所得的萎缩函数具有很强的自适应性.实验结果表明，该算法与经典的自适应阈值去噪相比，具有更好的信噪比和视觉效果。. 2. 对改进的各向异性扩散的斑点噪声滤波算法（detail preserving anisotropic diffusion, DPAD）的工作原理进行了分析，得出结论：该滤波器在对斑点噪声图像进行滤波的过程中受到SAR图像的一个重要的局部统计指标—SAR图像的变差系数（ coefficient of variation, CV）的制约；CV是SAR图像异质性测量的方式之一。本项目用SAR图像的另一种异质性测量方式——算术与几何均值比（the ratio of arithmetic to geometric mean , A/G）来代替CV在DPAD中的作用，提出了一种新的基于A/G的改进型各向异型扩散的斑点噪声抑制算法：仿真实验证明了基于A/G的斑点噪声滤波器的有效性；在对纹理信息丰富的SAR图像的处理中，基于CV的传统斑点噪声滤波器比基于A/G的斑点噪声滤波器表现要好；而在对具有大范围边缘、亮线和全向纹理等特性的SAR图像的处理中，基于A/G的斑点噪声滤波器比基于CV的传统斑点噪声滤波器表现要好；两类算法互为补充。