基于Directionlet變換SAR圖像相干斑抑制算法及快速實現(xiàn)研究.pdf

1、由于合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)能夠在任何天氣和光照條件下獲取地表物體和地下隱藏物體的信息數(shù)據(jù)，因此SAR圖像在海洋監(jiān)測、資源和地質(zhì)探測、農(nóng)作物生長觀測和評估以及軍事等領(lǐng)域有著廣泛的應(yīng)用。然而，成像雷達(dá)采用干涉原理進(jìn)行成像，會使所獲得的SAR圖像產(chǎn)生固有的相干斑噪聲(Speckle)。這不僅嚴(yán)重影響了SAR圖像的質(zhì)量、隱藏了圖像的精細(xì)結(jié)構(gòu)，而且還給對SAR圖像后續(xù)的分割、目標(biāo)識別、目標(biāo)分類等處

2、理帶來困難。因此，抑制SAR圖像相干斑噪聲具有重要的理論和實際意義。傳統(tǒng)的二維小波基函數(shù)缺乏多方向性和各向異性，這使得它不能對圖像實現(xiàn)有效的稀疏表達(dá)。圖像中各向異性的一維特征（如邊緣和輪廓）在人的視覺感知中起著重要的作用，然而，當(dāng)使用二維小波對圖像進(jìn)行分解時，將會在不連續(xù)的邊緣點處產(chǎn)生大量的小波系數(shù)，造成圖像的非稀疏表達(dá)。Directionlet變換是一種比小波變換更稀疏的多尺度幾何分析工具，且具有多尺度、多方向和各向異性等特性，因此能

3、夠有效的描述圖像中各向異性的一維特征，實現(xiàn)圖像的稀疏表達(dá)。由于不同的地表特征會導(dǎo)致具有不同統(tǒng)計特性的相干斑噪聲，因此，在實際中很難使用一種固定的統(tǒng)計模型對其進(jìn)行建模。
　　本文在研究directionlet變換的基礎(chǔ)上，首先討論了SAR圖像directionlet變換系數(shù)的統(tǒng)計分布特性，并使用Cauchy分布、Gaussian混合分布和Laplacian混合分布對其建模，然后在Bayesian框架下推導(dǎo)最大后驗概率估計器，最后實現(xiàn)

4、SAR圖像相干斑噪聲的去除。為了得到與混合分布相對應(yīng)的最大后驗概率估計器，我們使用期望最大化算法估計混合分布中的參數(shù)。作為圖像的一種稀疏表達(dá)方式，directionlets雖然能夠去除像素間大部分的相關(guān)性，但是directionlet變換系數(shù)之間仍然存在較強(qiáng)的相關(guān)性，這些相關(guān)性對圖像處理算法的性能有很大的影響。我們在研究directionlet系數(shù)間的相關(guān)性的基礎(chǔ)上設(shè)計了一個線性預(yù)測器，將相關(guān)性以互信息的形式引入到最大后驗概率估計器中，

5、提高了算法去除相干斑噪聲的性能。實驗結(jié)果表明，本文提出的基于directionlet變換的SAR圖像相干斑去除算法在去除相干斑噪聲的同時能夠保持圖像的邊緣特征。針對SAR圖像數(shù)據(jù)量大、消除相干斑算法計算復(fù)雜度高的特點，本文在研究圖形處理器(Graphics Processing Unit，GPU)硬件結(jié)構(gòu)和計算統(tǒng)一設(shè)備架構(gòu)的基礎(chǔ)上，實現(xiàn)了基于閾值的SAR圖像相干斑噪聲去除算法的并行算法設(shè)計，將相干斑消除算法中的并行度高、計算量大的部分放