基于非局部稀疏模型的SAR圖像字典學(xué)習(xí)及應(yīng)用.pdf

1、圖像作為人類認(rèn)知、理解外界環(huán)境的主要信息來源，并作為最重要的資源之一，始終是人類研究與探索的重要目標(biāo)。對于圖像處理技術(shù)的研究從理論以及應(yīng)用實(shí)踐方面，都具有十分悠久的歷史，并隨著人類科學(xué)研究、科學(xué)技術(shù)的發(fā)展而持續(xù)地進(jìn)步著。稀疏表示理論作為近年來備受關(guān)注、廣受研究的學(xué)術(shù)理論，在各個(gè)實(shí)際應(yīng)用領(lǐng)域嶄露頭角。本文在稀疏表示理論的背景環(huán)境下，重點(diǎn)研究了基于殘差濾波與局部字典濾波的全局字典學(xué)習(xí)方法，并將全局學(xué)習(xí)字典應(yīng)用到圖像去噪、分類等重要研究領(lǐng)域。

2、提出了針對具有乘性斑點(diǎn)噪聲的SAR圖像字典學(xué)習(xí)去噪算法以及基于特征提取和稀疏表示的SAR圖像字典學(xué)習(xí)分類算法，均取得了較好的效果。本文所做工作可以分為以下兩個(gè)部分：
　?。?）基于加權(quán)的K-SVD算法以及非局部聯(lián)合稀疏模型，通過引入殘差濾波的概念，提出了一種新的建立在非局部稀疏模型與殘差濾波上的SAR圖像字典學(xué)習(xí)算法，優(yōu)化了加權(quán)K-SVD算法對SAR圖像斑點(diǎn)噪聲進(jìn)行處理時(shí)容易受到斑點(diǎn)噪聲干擾、字典學(xué)習(xí)不充分的缺陷。通過具體的實(shí)驗(yàn)驗(yàn)

3、證了新方法對于字典學(xué)習(xí)的有效提升，并與當(dāng)前效果較好的數(shù)種算法進(jìn)行去噪、分類效果比較。
　?。?）提出了基于SVD字典的殘差濾波方法，通過建立相似集合的主鄰域字典，起到聯(lián)系相似集合與其對應(yīng)殘差集合的作用，借助兩者之間的相關(guān)性利用主鄰域字典進(jìn)行更為徹底的殘差濾波，提出了基于改進(jìn)的SVD字典殘差濾波的SAR圖像字典學(xué)習(xí)算法，實(shí)驗(yàn)證明在斑點(diǎn)噪聲較為強(qiáng)烈、地物目標(biāo)比較復(fù)雜的SAR圖像中該算法具有較好的去噪效果，同時(shí)利用該算法學(xué)習(xí)得到的字典在