CN101930605B - 基于二维混合变换的sar图像目标提取方法及系统 - Google Patents
基于二维混合变换的sar图像目标提取方法及系统 Download PDFInfo
- Publication number
- CN101930605B CN101930605B CN200910237860A CN200910237860A CN101930605B CN 101930605 B CN101930605 B CN 101930605B CN 200910237860 A CN200910237860 A CN 200910237860A CN 200910237860 A CN200910237860 A CN 200910237860A CN 101930605 B CN101930605 B CN 101930605B
- Authority
- CN
- China
- Prior art keywords
- sar
- image
- array
- image data
- transformation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Abstract
本发明公开了一种基于二维混合变换的SAR图像目标提取方法及系统。所述方法在获取原始SAR二维图像后,包括如下步骤:获取原始SAR图像数据阵列s(n1,n2),原始SAR图像数据阵列s(n1,n2)中各元素的值为原始SAR二维图像中各像素的灰度值;对原始SAR图像数据阵列s(n1,n2)进行基于离散傅立叶变换-离散小波变换的二维混合变换,以进行去噪处理,获取去噪处理后的SAR图像数据阵列s′(n1,n2);依据预置阈值,进行阈值处理,提取目标图像数据阵列sT(n1,n2)。本方法增强了SAR成像系统的抗干扰能力;并抑制SAR图像的噪声干扰,改善SAR图像中目标的成像质量,从而提高SAR图像目标提取的准确性和可靠性。
Description
技术领域
本发明涉及合成孔径雷达信号处理技术领域,尤其涉及基于二维混合变换的SAR图像目标提取方法及系统。
背景技术
合成孔径雷达(SAR,Synthetic Aperture Radar)具有高分辨率、高信噪比和全天候等优点,其已经应用于多个领域,如地形测绘,地面监测,资源勘探等。特别是在军事上,合成孔径雷达在战场地形测绘和目标探测方面都具有显著的能力,因此其发挥着越来越重要的作用。
然而实际中,SAR系统不可避免地会受到来自各种噪声源的干扰,如热噪声,地面或海洋的杂波,电磁干扰等,从而其成像质量和对目标的检测都会受到严重的影响。在一些恶劣的情况下,SAR的成像性能将严重恶化。例如,由非常远的目标反射回来的回波信号将受到存在于空间中的地面或海洋杂波、大气云雾遮挡等各种噪音的干扰,从而变得非常微弱。此外,对于一些反雷达目标(如隐形飞机),其回波信号将变得非常微弱以至于无法被检测出来。另外,在雷达电子对抗中,SAR成像系统会受到敌方干扰机的压制性干扰或地面的箔条干扰等等,在这些情况下,目标的回波信号会受到严重干扰,从而使SAR成像系统生成的图像的信噪比极度下降。由于在SAR图像生成之后,强噪声已被混入SAR成像系统而很难被分 开,从而使后处理方法在改善SAR成像质量和目标提取方面发挥作用具有相当的难度。因此,能够设计出一种有效的去噪处理方法,对改善SAR系统性能以及提高目标提取的精度和可靠性都是非常重要的。
SAR图像是一种典型的二维信号,其可以利用一些二维信号处理方法进行处理。现有的SAR图像处理方法通常采用二维空域滤波或二维离散小波变换(DWT)来消除噪声,这些方法并没有充分考虑到某些信号可能在两个方向上具有不同的特性。虽然离散小波变换(DWT)在时频域具有很好的局部特性,但由于其较差的频率分辨率而很难去除窄带干扰。不同于DWT,DFT对频谱特性具有较好的分析能力,它可以用来去除带外噪声,但对于宽带噪声的消除不是很有效。由于DFT与DWT具有不同的特点,因此在分析复杂SAR信号回波时,在两个方向均使用一种类型的变换有时是不够的。
发明内容
本发明的目的在于提供一种基于二维混合变换的SAR图像目标提取方法及系统。基于本发明,针对受干扰下的SAR图像进行去噪处理,提高SAR图像的信噪比,从而有效地提取出SAR图像中的目标。
根据本发明的一个方面,本发明提供了一种基于二维混合变换的SAR图像目标提取方法,在获取原始SAR二维图像后,包括如下步骤:获取原始SAR图像数据阵列s(n1,n2),所述原始SAR图像数据阵列s(n1,n2)中各元素的值为所述原始SAR二维图像中各像素的灰度值;对所述原始SAR图像数据阵列s(n1,n2)进行基于离散傅立叶变换-离散小波变换的二维混合变换,以进行去噪处理,获取去噪处理 后的SAR图像数据阵列s′(n1,n2);依据预置阈值,进行阈值处理,提取目标图像数据阵列sT(n1,n2)。
在上述于二维混合变换的SAR图像目标提取方法中,优选所述二维混合变换步骤包括:对所述原始SAR图像数据阵列s(n1,n2)沿第一个变量n1方向做一层分解的一维离散小波变换,获取小波变换后的低频部分sL(k1,n2,1);对所述小波变换后的低频部分sL(k1,n2,1)沿n2方向进行傅立叶变换,获取二维混合变换的低频部分SL(k1,k2,1);对所述二维混合变换的低频部分SL(k1,k2,1)的k2方向进行加高斯窗的低通滤波,获取去噪处理后的二维混合变换低频部分S′L(k1,k2,1);对所述去噪处理后的二维混合变换低频部分S′L(k1,k2,1)沿k2方向做逆傅立叶变换,得到数据阵列s′L(k1,n2,1);对所述图像数据阵列s′L(k1,n2,1)沿k1方向做小波重建,获取去噪处理的SAR图像数据阵列s′(n1,n2)。
在上述于二维混合变换的SAR图像目标提取方法中,优选所述小波变换后的低频部分sL(k1,n2,1)依据如下方式获取: 其中,其中,k1∈[0,N1/2-1],n2∈[0,N2-1], 为一层分解的小波尺度函数。。
在上述于二维混合变换的SAR图像目标提取方法中,优选所述离散傅立叶变换步骤中,所述二维混合变换的低频部分SL(k1,k2,1)依据如下方式获取:
在上述于二维混合变换的SAR图像目标提取方法中,优选所述低通滤波步骤中,所述去噪处理后的二维混合变换低频部分S′L(k1,k2,1)依据如下方式获取:
S′L(k1,k2,1)=SL(k1,k2,1)·w(k2) k1∈[0,N1/2-1],k2∈[0,N2-1]
其中,w(k2)为高斯低通窗,其形式为
其中N2为原SAR图像沿k2方向的数据长度;σ为窗函数参数,且σ≤0.5。
在上述于二维混合变换的SAR图像目标提取方法中,优选所述逆傅立叶变换步骤中,所述数据阵列s′L(k1,n2,1)通过如下方式获取:
在上述于二维混合变换的SAR图像目标提取方法中,优选所述小波重建步骤中,所述去噪处理的SAR图像数据阵列s′(n1,n2)通过如下方式获取:
n1∈[0,N1-1],n2∈[0,N2-1]。
在上述于二维混合变换的SAR图像目标提取方法中,优选所述目标提取步骤中,进行所述阈值处理时,设定阈值为H,并依据:
提取的目标图像数据阵列sT(n1,n2),n1∈[0,N1-1],n2∈[0,N2-1]。
根据本发明的另一方面,本发明还提供了一种基于二维混合变换的SAR图像目标提取系统,除包括用于获取原始SAR二维图像的原始图像获取模块,还包括原始SAR图像数据阵列获取模块、二维混合变换模块和目标提取模块。其中,原始SAR图像数据阵列获取模块用于获取原始SAR图像数据阵列s(n1,n2),所述图像数据阵列中各元素的值为所述原始SAR二维图像中各像素的灰度值;二维混合变换模块用于对所述原始SAR图像数据阵列s(n1,n2)进行基于离散傅立叶变换-离散小波变换的二维混合变换,以进行去噪处理,获取去噪处理后的SAR图像数据阵列s′(n1,n2);目标提取模块用于依据预置阈值,进行阈值处理,提取的目标图像数据阵列sT(n1,n2),n1∈[0,N1-1],n2∈[0,N2-1]。
在上述基于二维混合变换的SAR图像目标提取系统中,二维混合变换模块包括:离散小波变换单元、离散傅立叶变换单元、低通滤波单元、逆傅立叶变换单元和小波重建单元。其中,
离散小波变换单元用于对所述原始SAR图像数据阵列s(n1,n2)沿第一个变量n1方向做一层分解的一维离散小波变换,获取小波变换后的低频部分sL(k1,n2,1);离散傅立叶变换单元用于对所述小波变换后的低频部分sL(k1,n2,1)沿n2方向进行傅立叶变换,获取二维混合变换的低频部分SL(k1,k2,1);低通滤波单元用于对所述二维混合变换的低频部分SL(k1,k2,1)的k2方向进行加高斯窗的低通滤波,获取去噪处理后的二维混合变换低频部分S′L(k1,k2,1);逆傅立叶变换单元用于对所述去噪处 理后的二维混合变换低频部分S′L(k1,k2,1)沿k2方向做逆傅立叶变换,得到数据阵列s′L(k1,n2,1);小波重建单元用于对所述图像数据阵列s′L(k1,n2,1)沿k1方向做小波重建,获取去噪处理的SAR图像数据阵列s′(n1,n2)。
本发明对SAR图像两个方向上结合使用离散傅立叶变换和离散小波变换,在混合变换域对SAR图像进行处理,解决了传统二维变换无法对SAR回波信号不同方向上具有不同特性的复杂噪声处理的问题。借由上述技术手段,增强了SAR成像系统的抗干扰能力;并抑制SAR图像的噪声干扰,改善SAR图像中目标的成像质量,从而提高SAR图像目标提取的准确性和可靠性。
附图说明
图1为本发明基于二维混合变换的SAR图像目标提取方法实施例的简单步骤流程图;
图2为无干扰情况下具有5个目标的原始SAR二维图像;
图3为无干扰情况下的SAR目标图像经二维混合变换后的结果示意图;
图4为受干扰下的含噪SAR图像;
图5为根据本发明基于二维混合变换的SAR图像目标提取方法中,二维混合变换步骤优选方式的步骤流程图;
图6是含噪SAR图像经去噪处理后的二维混合变换结果示意图;
图7是对含噪SAR图像进行去噪处理后的图像;
图8是对去噪处理后的SAR图像进行目标提取操作后的目标图像;
图9是本发明一种基于二维混合变换的SAR图像目标提取系统实施例的结构示意图;
图10是二维混合变换模块实施例的结构示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明实施例作进一步详细的说明。
本发明的核心思想是:对SAR图像进行二维混合变换(DFT-DWT)以去除噪声,对经去噪处理后的SAR图像进行阈值处理,提取出SAR图像中的目标。
参照图1,图1为本发明基于二维混合变换的SAR图像目标提取方法实施例的简单步骤流程图,在获取原始SAR二维图像后,包括如下步骤:
步骤110,获取原始SAR图像数据阵列s(n1,n2),n1∈[0,N1-1],n2∈[0,N2-1]所述图像数据阵列中各元素的值为所述原始SAR二维图像中各像素的灰度值;
步骤120,对所述原始SAR图像数据阵列s(n1,n2)进行基于离散傅立叶变换-离散小波变换的二维混合变换,以进行去噪处理,获取去噪处理后的SAR图像数据阵列s′(n1,n2);
步骤130,依据预置阈值,进行阈值处理,提取目标图像数据阵列sT(n1,n2)。
参照图2、图3。首先对二维混合变换域的特性进行分析。
获取原始SAR二维图像:采用了现有的条带式SAR成像仿真程序生成了5个点目标的回波信号,并采用SAR的R-D成像算法对目标回波信号进行SAR图像重建。图2为仿真实验中具有5个点目标的SAR重建图像,设此二维图像为s0(n1,n2),其尺寸为N1×N2=521×1024,图中横坐标和纵坐标分别表示SAR重建图像的距离和方位方向。
仿真实验中首先对上述未受干扰下的SAR图像s0(n1,n2)进行二维混合变换(DFT-DWT),对其在二维混合变换域的特性进行分析,其具体实施过程如下:
步骤1:获取SAR图像s0(n1,n2)。
步骤2:针对s0(n1,n2)沿第一个变量n1方向做一层分解的一维离散小波变换,得到原图像s0(n1,n2)的偏n1方向离散小波变换,其形式如下:
步骤3:针对sL(k1,n2,1)的第二个变量n2方向做一维离散傅立叶变换
其中SL(k1,k2,1)为原图像s0(n1,n2)的二维混合变换(DFT-DWT)的低频部分。
其相应的逆变换实现步骤如下:
1)针对SL(k1,k2,1)沿k2方向做一维逆离散傅立叶变换,重建出sL(k1,n2,1),
2)针对sL(k1,n2,1)沿k1方向进行一维逆离散小波变换,得到去除n1方向高频分量的信号sL(n1,n2),
如上述的实现过程,图3为上述未受干扰下的SAR图像s0(n1,n2)经二维混合变换(DFT-DWT)后的3D幅度图。实验中对k1方向进行的一维小波分解的结果进行了2倍下采样,即图3中k1方向[0,512]范围内为低频部分SL(k1,k2,1)。如图3所示,SAR图像中的目标经二维混合变换(DFT-DWT)后的主要成分在k1方向集中在小波分解后的低频 部分,在k2方向集中在傅立叶变换后的低频部分。因此,根据本发明提供的方法,在k1方向去除小波分解后的高频部分,在k2方向对傅立叶后的系数加高斯窗进行低通滤波,此方法能够保证在目标信号损伤较小的情况下对干扰信号进行滤除。根据本发明的实现方法,由于k1方向小波分解后的高频部分被去除,因此仅针对低频部分SL(k1,k2,1)进行小波分解和重建,傅立叶变换及加窗操作也可仅针对低频部分SL(k1,k2,1)进行,从而简化了去噪处理的过程,有效地降低了处理耗时。
实际中SAR系统会受到敌方干扰机的压制性干扰,地面的箔条干扰等多种干扰。其中压制性干扰一般为加性干扰,其干扰信号与目标回波叠加在一起混入SAR成像系统;而箔条干扰通过大量箔条对目标回波信号进行散射,从而干扰了目标回波信号的相位。在仿真实验中,对受到上述加性干扰和相位干扰的SAR回波信号进行了仿真:设由SAR仿真程序生成5个目标的回波信号分别为se i(n1,n2)(i=1,2...5),则受到加性干扰和相位干扰的SAR回波信号se(n1,n2)的模型为
其中 是服从正态分布的随机相位,N(n1,n2)为复高斯白噪声。依照上述模型,仿真实验中产生了一定信噪比的含噪SAR回波信号se(n1,n2),经SAR成像算法得到重建后的SAR图像如图4所示,设此含噪SAR图像为s(n1,n2)。如图4所示,在受到加性干扰和相位干扰的情况下,采用现有的二维匹配滤波算法重建出的SAR图像中5个点目标已经完全淹没在噪声中,以致很难被检测出来。然而,本发明提出的方法可解决该问题。
参照图5,图5为根据本发明基于二维混合变换的SAR图像目标提取方法中,二维混合变换步骤优选方式的步骤流程图,包括如下步骤:
步骤510,对所述原始SAR图像数据阵列s(n1,n2)沿第一个变量n1方向做一层分解的一维离散小波变换,获取小波变换后的低频部分sL(k1,n2,1)。在该步骤中,所述小波变换后的低频部分sL(k1,n2,1)依据如下方式获取:
步骤520,对所述小波变换后的低频部分sL(k1,n2,1)沿n2方向进行傅立叶变换,获取二维混合变换的低频部分SL(k1,k2,1)。该步骤中,二维混合变换的低频部分SL(k1,k2,1)依据如下方式获取:
步骤530,对所述二维混合变换的低频部分SL(k1,k2,1)的k2方向进行加高斯窗的低通滤波,获取去噪处理后的二维混合变换低频部分SL′(k1,k2,1)。该步骤中,去噪处理后的二维混合变换低频部分SL′(k1,k2,1)依据如下方式获取:
SL′(k1,k2,1)=SL(k1,k2,1)·w(k2),k1∈[0,N1/2-1],k2∈[0,N2-1],
其中,w(k2)为高斯低通窗,其形式为
σ为窗函数参数,在该实施例中选取σ=0.2。
步骤540,对所述去噪处理后的二维混合变换低频部分SL′(k1,k2,1)沿k2方向做逆傅立叶变换,得到数据阵列sL′(k1,n2,1)。在该步骤中,数据阵列sL′(k1,n2,1)通过如下方式获取:
步骤550,对所述图像数据阵列sL′(k1,n2,1)沿k1方向做小波重建,获取去噪处理的SAR图像数据阵列s′(n1,n2)。在该步骤中,去噪处理的SAR图像数据阵列s′(n1,n2)通过如下方式获取:
在获取去噪处理的SAR图像数据阵列s′(n1,n2)后,进行SAR图像目标的提取。
在该实施例中,选取阈值为H=0.7max(|s′(n1,n2)|),对图像s′(n1,n2)进行如下阈值操作,
得到提取出的目标图像sT(n1,n2)。
如上述的实现过程,图6为步骤530后,原含噪SAR图像经去噪处理后的二维混合变换的3D幅度图。从图中可以看出,经过一系列的处理,原含噪SAR图像中高频的成分被滤掉,大部分的低频成分保留下来。
如上述的实现过程,图7为经步骤2后得到的经过去噪处理的SAR图像。通过图7与图4的比较,经本发明提供的SAR图像去噪处理方法处理后,SAR图像质量得到明显改善,SAR图像中的5个目标也变得较为清晰。
如上述的实现过程,图8为提取出的目标图像。如图8所示,图中的5个目标全部被提取出来,由此可以看出,本发明提供的基于二维混合变换(DFT-DWT)的SAR图像目标提取方法在抑制SAR干扰和目标检测等方面具有良好效果。
根据本发明的另一方面,本发明还提供了一种基于二维混合变换的SAR图像目标提取系统,包括:
原始图像获取模块910,用于获取原始SAR二维图像。
图像数据阵列获取模块920,用于获取原始SAR图像数据阵列s(n1,n2),图像数据阵列中各元素的值为原始SAR二维图像中各像素的灰度值。
二维混合变换模块930,用于对原始SAR图像数据阵列s(n1,n2)进行基于离散傅立叶变换-离散小波变换的二维混合变换,以进行去噪处理,获取去噪处理后的SAR图像数据阵列s′(n1,n2)。
目标提取模块940,用于依据预置阈值,进行阈值处理,提取的目标图像数据阵列sT(n1,n2)。
上述实施例对SAR图像两个方向上结合使用离散傅立叶变换和离散小波变换,在混合变换域对SAR图像进行处理,解决了传统二维变换无法对SAR回波信号不同方向上具有不同特性的复杂噪声处理的问题。借由上述技术手段,增强了SAR成像系统的抗干扰能力;并抑制SAR图像的噪声干扰,改善SAR图像中目标的成像质量,从而提高SAR图像目标提取的准确性和可靠性。
在上述技术方案中,二维混合变换模块930进一步包括:
离散小波变换单元1010,对所述原始SAR图像数据阵列s(n1,n2)沿第一个变量n1方向做一层分解的一维离散小波变换,获取小波变换后的低频部分sL(k1,n2,1)。
离散傅立叶变换单元1020,对所述小波变换后的低频部分sL(k1,n2,1)沿n2方向进行傅立叶变换,获取二维混合变换的低频部分SL(k1,k2,1)。
低通滤波单元1030,对所述二维混合变换的低频部分SL(k1,k2,1)的k2方向进行加高斯窗的低通滤波,获取去噪处理后的二维混合变换低频部分SL′(k1,k2,1)。
逆傅立叶变换单元1040,对所述去噪处理后的二维混合变换低频部分SL′(k1,k2,1)沿k2方向做逆傅立叶变换,得到数据阵列sL′(k1,n2,1)。
小波重建单元1050,对所述图像数据阵列sL′(k1,n2,1)沿k1方向做小波重建,获取去噪处理的SAR图像数据阵列s′(n1,n2)。
上述实施例基于二维混合变换的SAR图像目标提取系统的工作原理为:(1)获取一幅SAR二维图像;(2)对SAR图像进行二维混合变换(DFT-DWT),去除一方向上小波分解后的高频部分,并对另一方向上傅立叶变换后的系数进行加高斯窗的低通滤波;(3)对经去噪处理后的SAR图像进行阈值处理,提取出SAR图像中的目标。本实施例适用于SAR图像后的消噪和目标检测方面,其在抑制强干扰、检测目标和提高SAR成像质量等方面都有较好的效果。
以上对本发明基于二维混合变换的SAR图像目标提取系统做了简单的说明,其原理与基于二维混合变换的SAR图像目标提取方法相似,相关之处可以参考质量评价方法的说明,在此不再赘述。
以上对本发明所提供的一种基于二维混合变换的SAR图像目标提取方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于二维混合变换的SAR图像目标提取方法,其特征在于,在获取原始SAR二维图像后,包括如下步骤:
原始SAR图像数据阵列获取步骤,获取原始SAR图像数据阵列s(n1,n2),所述原始SAR图像数据阵列s(n1,n2)中各元素的值为所述原始SAR二维图像中各像素的灰度值;
二维混合变换步骤,对所述原始SAR图像数据阵列s(n1,n2)进行基于离散傅立叶变换-离散小波变换的二维混合变换,以进行去噪处理,获取去噪处理后的SAR图像数据阵列s′(n1,n2);
目标提取步骤,依据预置阈值,进行阈值处理,提取目标图像数据阵列sT(n1,n2),其中,n1∈[0,N1-1],n2∈[0,N2-1],N1和N2分别为SAR图像的行数和列数;
其中,二维混合变换步骤具体包括:
离散小波变换步骤,对所述原始SAR图像数据阵列s(n1,n2)沿第一个变量n1方向做一层分解的一维离散小波变换,获取小波变换后的低频部分sL(k1,n2,1);
离散傅立叶变换步骤,对所述小波变换后的低频部分sL(k1,n2,1)沿n2方向进行傅立叶变换,获取二维混合变换的低频部分SL(k1,k2,1);
低通滤波步骤,对所述二维混合变换的低频部分SL(k1,k2,1)的k2方向进行加高斯窗的低通滤波,获取去噪处理后的二维混合变换低频部分S′L(k1,k2,1);
逆傅立叶变换步骤,对所述去噪处理后的二维混合变换低频部分S′L(k1,k2,1)沿k2方向做逆傅立叶变换,得到数据阵列s′L(k1,n2,1);
小波重建步骤,对所述图像数据阵列s′L(k1,n2,1)沿k1方向做小波重建,获取去噪处理的SAR图像数据阵列s′(n1,n2)。
4.根据权利要求1所述的基于二维混合变换的SAR图像目标提取方法,其特征在于,所述低通滤波步骤中,所述去噪处理后的二维混合变换低频部分S′L(k1,k2,1)依据如下方式获取:
S′L(k1,k2,1)=SL(k1,k2,1)·w(k2),k1∈[0,N1/2-1],k2∈[0,N2-1]
其中,w(k2)为高斯低通窗,其形式为
其中,N2为SAR图像的列数;σ为窗函数参数,且σ≤0.5。
8.一种基于二维混合变换的SAR图像目标提取系统,其特征在于,用于获取原始SAR二维图像的原始图像获取模块,所述提取系统还包括:
原始SAR图像数据阵列获取模块,用于获取原始SAR图像数据阵列s(n1,n2),所述图像数据阵列中各元素的值为所述原始SAR二维图像中各像素的灰度值;
二维混合变换模块,用于对所述原始SAR图像数据阵列s(n1,n2)进行基于离散傅立叶变换-离散小波变换的二维混合变换,以进行去噪处理,获取去噪处理后的SAR图像数据阵列s′(n1,n2);
目标提取模块,用于依据预置阈值,进行阈值处理,提取的目标图像数据阵列sT(n1,n2),n1∈[0,N1-1],n2∈[0,N2-1],其中,N1和N2分别为SAR图像的行数和列数;
其中,二维混合变换模块具体包括:
离散小波变换单元,用于对所述原始SAR图像数据阵列s(n1,n2)沿第一个变量n1方向做一层分解的一维离散小波变换,获取小波变换后的低频部分sL(k1,n2,1),k1∈[0,N1/2-1],n2∈[0,N2-1];
离散傅立叶变换单元,用于对所述小波变换后的低频部分sL(k1,n2,1)沿n2方向进行傅立叶变换,获取二维混合变换的低频部分SL(k1,k2,1),k1∈[0,N1/2-1],k2∈[0,N2-1];
低通滤波单元,用于对所述二维混合变换的低频部分SL(k1,k2,1)的k2方向进行加高斯窗的低通滤波,获取去噪处理后的二维混合变换低频部分S′L(k1,k2,1),k1∈[0,N1/2-1],k2∈[0,N2-1];
逆傅立叶变换单元,用于对所述去噪处理后的二维混合变换低频部分S′L(k1,k2,1)沿k2方向做逆傅立叶变换,得到数据阵列s′L(k1,n2,1),k1∈[0,N1/2-1],n2∈[0,N2-1];
小波重建单元,用于对所述图像数据阵列s′L(k1,n2,1)沿k1方向做小波重建,获取去噪处理的SAR图像数据阵列s′(n1,n2),n1∈[0,N1-1],n2∈[0,N2-1]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910237860A CN101930605B (zh) | 2009-11-12 | 2009-11-12 | 基于二维混合变换的sar图像目标提取方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN200910237860A CN101930605B (zh) | 2009-11-12 | 2009-11-12 | 基于二维混合变换的sar图像目标提取方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101930605A CN101930605A (zh) | 2010-12-29 |
CN101930605B true CN101930605B (zh) | 2012-09-05 |
Family
ID=43369764
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN200910237860A Expired - Fee Related CN101930605B (zh) | 2009-11-12 | 2009-11-12 | 基于二维混合变换的sar图像目标提取方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101930605B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10317520B2 (en) | 2016-03-18 | 2019-06-11 | Src, Inc. | Radar system |
CN109559276B (zh) * | 2018-11-14 | 2020-09-08 | 武汉大学 | 一种基于质量评价和特征统计的图像超分辨率重建方法 |
CN110579746A (zh) * | 2019-10-11 | 2019-12-17 | 湖南时变通讯科技有限公司 | 一种回波信号的处理方法、装置、设备及存储介质 |
CN111612706B (zh) * | 2020-04-28 | 2023-10-13 | 广州科易光电技术有限公司 | 一种应用于红外图像的滤波方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6911933B1 (en) * | 2004-05-14 | 2005-06-28 | The United States Of America As Represented By The Secretary Of The Air Force | Dynamic logic algorithm used for detecting slow-moving or concealed targets in synthetic aperture radar (SAR) images |
CN1831558A (zh) * | 2006-04-21 | 2006-09-13 | 清华大学 | 基于多视子图像对的单通道合成孔径雷达动目标检测方法 |
CN1920594A (zh) * | 2006-05-16 | 2007-02-28 | 中国科学院研究生院 | 基于小波增强的合成孔径雷达图像船舰目标检测方法 |
CN101271160A (zh) * | 2007-03-21 | 2008-09-24 | 中国科学院电子学研究所 | 选小单元平均恒虚警率实时检测sar运动目标方法、装置 |
-
2009
- 2009-11-12 CN CN200910237860A patent/CN101930605B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6911933B1 (en) * | 2004-05-14 | 2005-06-28 | The United States Of America As Represented By The Secretary Of The Air Force | Dynamic logic algorithm used for detecting slow-moving or concealed targets in synthetic aperture radar (SAR) images |
CN1831558A (zh) * | 2006-04-21 | 2006-09-13 | 清华大学 | 基于多视子图像对的单通道合成孔径雷达动目标检测方法 |
CN1920594A (zh) * | 2006-05-16 | 2007-02-28 | 中国科学院研究生院 | 基于小波增强的合成孔径雷达图像船舰目标检测方法 |
CN101271160A (zh) * | 2007-03-21 | 2008-09-24 | 中国科学院电子学研究所 | 选小单元平均恒虚警率实时检测sar运动目标方法、装置 |
Non-Patent Citations (1)
Title |
---|
张超 等.二维离散傅立叶-离散小波混合变换及其在超声波医学图像去噪中的应用.《信号处理》.2009,第25卷(第3期),第468页. * |
Also Published As
Publication number | Publication date |
---|---|
CN101930605A (zh) | 2010-12-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Tania et al. | A comparative study of various image filtering techniques for removing various noisy pixels in aerial image | |
Bianchi et al. | Segmentation-based MAP despeckling of SAR images in the undecimated wavelet domain | |
CN101482617B (zh) | 基于非下采样轮廓波的合成孔径雷达图像去噪方法 | |
CN103077508B (zh) | 基于变换域非局部和最小均方误差的sar图像去噪方法 | |
CN109919870B (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
CN105913393A (zh) | 一种自适应小波阈值图像去噪算法及装置 | |
CN101901476A (zh) | 基于NSCT域边缘检测和Bishrink模型的SAR图像去噪方法 | |
CN101685158B (zh) | 基于隐马尔科夫树模型的sar图像去噪方法 | |
CN103854264A (zh) | 一种基于改进型阈值函数的小波变换图像去噪方法 | |
CN103020916A (zh) | 一种二维希尔伯特变换和bemd结合的图像去噪方法 | |
CN103399348A (zh) | 基于Shearlet变换的地震信号去噪方法 | |
CN108961181B (zh) | 一种基于shearlet变换的探地雷达图像去噪方法 | |
CN102945548A (zh) | 一种基于方向金字塔滤波的图像处理方法及装置 | |
CN101930605B (zh) | 基于二维混合变换的sar图像目标提取方法及系统 | |
Dalsasso et al. | How to handle spatial correlations in SAR despeckling? Resampling strategies and deep learning approaches | |
Zhang et al. | A reverberation noise suppression method of sonar image based on shearlet transform | |
Shang et al. | Seismic random noise suppression using an adaptive nonlocal means algorithm | |
CN103426145A (zh) | 一种基于多分辨分析的合成孔径声纳相干斑噪声抑制方法 | |
Song et al. | Random noise de-noising and direct wave eliminating in ground penetrating radar signal using SVD method | |
Ahirwar et al. | A novel wavelet-based denoising method of SAR image using interscale dependency | |
CN101639530B (zh) | 一种基于二维混合变换的sar回波信号去噪预处理方法 | |
Baselice et al. | Enhanced wiener filter for desplecking ultra-sound images | |
Stolojescu-Crisan | A hyperanalytic wavelet based denoising technique for ultrasound images | |
Zhang et al. | Bayesian-based speckle suppression for SAR image using contourlet transform | |
Guo et al. | An Image Denoising Algorithm based on Kuwahara Filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120905 Termination date: 20151112 |
|
EXPY | Termination of patent right or utility model |