基于對(duì)稱alpha平穩(wěn)分布的SAR圖像復(fù)原算法研究.pdf

1、合成孔徑雷達(dá)是有源相干高分辨率成像雷達(dá)系統(tǒng)，由其接收的散射回波數(shù)據(jù)重建散射源圖像屬于求逆問(wèn)題，決定了重建散射源圖像就是估計(jì)散射源參數(shù)，即估計(jì)散射源的空間的位置及其后向散射系數(shù)。 但是，合成孔徑雷達(dá)的成像機(jī)理是相干成像，這種機(jī)理決定了圖像的噪聲必然是以乘性噪聲為主，對(duì)于乘性噪聲的處理需要先給圖像做對(duì)數(shù)變換以得到加性噪聲模型。 目前已有許多方法來(lái)處理這種噪聲問(wèn)題，但是這些方法多是在小波域假設(shè)子帶系數(shù)為高斯分布的條件下得到方法

2、，然而圖像的小波域子帶系數(shù)經(jīng)常偏離正態(tài)分布，這使得這些方法的性能嚴(yán)重下降。 SαS(Symmetricalpha-Stable)模型是小波域一種精確的圖像模型，但是其計(jì)算復(fù)雜性高，本文在分析SαS模型的基礎(chǔ)上，提出了高斯-柯西模型，將此模型作為圖像的小波域先驗(yàn)?zāi)Ｐ托畔?，并用Bayesian估計(jì)器，算法復(fù)雜性上有顯著的降低。另外，圖像對(duì)數(shù)變換后的統(tǒng)計(jì)特性發(fā)生變化，需要在變換過(guò)程中加入均值調(diào)整的過(guò)程，本文分析過(guò)程中加入了圖像對(duì)數(shù)變換

3、后統(tǒng)計(jì)特性變化的詳細(xì)分析。最后在實(shí)驗(yàn)結(jié)果中從以下四個(gè)方面分析了本文方法的可行性：一、使用了高斯-柯西模型來(lái)分析了SαS模型，說(shuō)明了高斯-柯西模型能很好的模擬精確圖像模型——SαS模型，二、用高斯-柯西模型分析了小波域子帶直方圖，三、分別給出了加性噪聲(lena圖像)和乘性噪聲(SAR圖像)的處理結(jié)果，四、從計(jì)算性能上分析了本文算法的有效性。實(shí)驗(yàn)結(jié)果表明，本文的算法模型在較好的保持了SAR圖像結(jié)構(gòu)的基礎(chǔ)上，能很好的保留圖像邊緣信息和紋理特