CN108876746A - 一种基于各向异性扩散方程的sar图像降斑方法及系统 - Google Patents
一种基于各向异性扩散方程的sar图像降斑方法及系统 Download PDFInfo
- Publication number
- CN108876746A CN108876746A CN201810691743.6A CN201810691743A CN108876746A CN 108876746 A CN108876746 A CN 108876746A CN 201810691743 A CN201810691743 A CN 201810691743A CN 108876746 A CN108876746 A CN 108876746A
- Authority
- CN
- China
- Prior art keywords
- diffusion
- image
- general power
- data
- sar image
- 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.)
- Pending
Links
- 238000009792 diffusion process Methods 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000009467 reduction Effects 0.000 claims abstract description 36
- 230000001427 coherent effect Effects 0.000 claims abstract description 33
- 238000009499 grossing Methods 0.000 claims abstract description 15
- 230000007480 spreading Effects 0.000 claims description 6
- 230000010287 polarization Effects 0.000 abstract description 24
- 238000010586 diagram Methods 0.000 description 4
- 238000003018 immunoassay Methods 0.000 description 4
- 238000005191 phase separation Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 3
- 101100117236 Drosophila melanogaster speck gene Proteins 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 238000003325 tomography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例公开了一种基于各向异性扩散方程的SAR图像降斑方法及系统,该方法包括:读取SAR图像的二阶矩数据;对二阶矩数据进行综合计算,得到总功率图像和局部统计数据;将总功率图像和局部统计数据对应覆盖上一次的数据;对总功率图像进行高斯平滑处理,计算x和y方向的偏导数;将x和y方向的偏导数对应覆盖上一次的数据;根据x和y方向的偏导数计算结构张量函数;对总功率图像进行计算,得到扩散率函数值;计算扩散张量函数;对二阶矩数据分别进行一次扩散;更新扩散次数,完成降斑。本发明提供的技术方案,适用于全极化和单极化SAR图像,在对全极化SAR图像进行相干斑降噪时,极化通道之间无交叉串扰,且能保持图像中每个二阶矩数据的正定性。
Description
技术领域
本发明实施例涉及图像处理技术领域,尤其涉及一种基于各向异性扩散方程的SAR图像降斑方法及系统。
背景技术
合成孔径雷达(包括单极化或者全极化合成孔径雷达)观测地面目标时,发射天线发出电磁波,地面上的单个分辨单元内有多个散射目标点,合成孔径雷达接收天线收集到的回波为分辨单元内部各个散射点子回波的矢量和。由于分辨单元总的回波强度与合成孔径雷达发射天线及接收天线的视角有关,视角改变将引起子回波之间的相位关系发生变化,从而导致接收到的总回波的幅度相应改变。如果某分辨单元内的各个子回波相位关系比较接近时,各个子回波矢量相加的结果将是一个幅度值特别大的回波矢量,对应的分辨单元的成像结果为一个“亮斑”。即使是相对比较平坦的地面区域,例如湖面、沙滩、田野,其成像结果也会出现“亮斑”,对应的专业术语为:“相干斑”。合成孔径雷达的相干合成方法不可避免地在成像结果中引入“相干斑”,相干斑噪声是合成孔径雷达成像结果的固有噪声。合成孔径雷达图像的相干斑噪声会严重影响图像所包含的信息(空域信息、物理属性信息),相干斑噪声会不同程度地影响后期的各类遥感应用流程中参数求解的精度,例如:合成孔径雷达图像的极化分解、合成孔径雷达图像的分类。因此,在利用合成孔径雷达图像(单极化或者全极化)进行遥感应用之前,必须先实施相干斑滤波处理。
现有技术中,各向异性相干斑滤波(Speckle reducing anisotropic diffusion,SRAD)方法是一种仅适用于单极化合成孔径雷达图像相干斑滤波的方法,从原理上看,该方法是借助了各向异性扩散方程,该方法所达到的相干斑降噪性能与其他方法相比有明显优势,但不足得是其仅能适用于单极化,也就是说,在面对全极化合成孔径雷达图像时,现有技术没有提供有效技术方案去实施相应的相干斑滤波处理。
发明内容
本发明提供一种基于各向异性扩散方程的SAR图像降斑方法及系统,以解决现有技术的不足。
为实现上述目的,本发明采用以下的技术方案:
第一方面,本发明实施例提供了一种基于各向异性扩散方程的SAR图像降斑方法,该方法包括:
S11、读取SAR图像的二阶矩数据,所述二阶矩数据包括T11、T22、T33、Re(T12)、Im(T12)、Re(T13)、Im(T13)、Re(T23)和Im(T23);
S12、对所述二阶矩数据中的T11、T22、T33进行综合计算,得到总功率图像和局部统计数据;
S13、将计算得到的所述总功率图像和局部统计数据对应覆盖上一次扩散的数据;
S14、对所述总功率图像进行高斯平滑处理,并根据处理后的总功率图像分别计算x和y方向的偏导数;
其中,平滑参数为σ;
S15、将计算得到的x和y方向的偏导数对应覆盖上一次扩散的数据;
S16、根据x和y方向的偏导数计算结构张量函数Jρ(▽Tj,σ);
S17、根据如下公式,对所述总功率图像进行计算,得到扩散率函数值g(|▽Ti|2):
其中,Cr>0,λ>0;
S18、按照边缘增强扩散方法,计算扩散张量D()函数;
S19、根据如下公式,对所述二阶矩数据分别进行一次扩散;
其中,i=1,......,m;
S20、更新扩散次数t=t-Δt,以完成相干斑降噪;
其中,Δt表示的是单次的扩散步长。
进一步地,上述方法中,所述步骤S107中的Cr根据如下公式计算得到:
1-exp(-Cr)-rCrexp(-Cr)=0。
进一步地,上述方法中,在所述读取SAR图像的二阶矩数据的步骤之后,还包括:
设定扩散次数t。
进一步地,上述方法中,所述步骤S20包括:
S201、更新扩散次数t=t-Δt,若扩散次数t>0,则执行S202,若扩散次数t=0,则执行S203;
其中,Δt表示的是单次的扩散步长;
S202、返回到步骤S12,继续进行扩散;
S203、结束,完成相干斑降噪。
第二方面,本发明实施例提供了一种基于各向异性扩散方程的SAR图像降斑系统,该系统包括:
数据读取模块,用于读取SAR图像的二阶矩数据,所述二阶矩数据包括T11、T22、T33、Re(T12)、Im(T12)、Re(T13)、Im(T13)、Re(T23)和Im(T23);
第一计算模块,用于对所述二阶矩数据中的T11、T22、T33进行综合计算,得到总功率图像和局部统计数据;
第一覆盖模块,用于将计算得到的所述总功率图像和局部统计数据对应覆盖上一次扩散的数据;
第二计算模块,用于对所述总功率图像进行高斯平滑处理,并根据处理后的总功率图像分别计算x和y方向的偏导数;
其中,平滑参数为σ;
第二覆盖模块,用于将计算得到的x和y方向的偏导数对应覆盖上一次扩散的数据;
第三计算模块,用于根据x和y方向的偏导数计算结构张量函数Jρ(▽Tj,σ);
第四计算模块,用于根据如下公式,对所述总功率图像进行计算,得到扩散率函数值g(|▽Ti|2):
其中,Cr>0,λ>0;
第五计算模块,用于按照边缘增强扩散方法,计算扩散张量D()函数;
数据扩散模块,用于根据如下公式,对所述二阶矩数据分别进行一次扩散;
其中,i=1,......,m。
降噪完成模块,用于更新扩散次数t=t-Δt,以完成相干斑降噪;
其中,Δt表示的是单次的扩散步长。
进一步地,上述系统中,所述第四计算模块中的Cr根据如下公式计算得到:
1-exp(-Cr)-rCrexp(-Cr)=0。
进一步地,所述系统还包括:
参数设定模块,用于在所述读取SAR图像的二阶矩数据的步骤之后,设定扩散次数t。
进一步地,上述系统中,所述降噪完成模块包括:
参数更新单元,用于更新扩散次数t=t-Δt,若扩散次数t>0,则执行S202,若扩散次数t=0,则执行S203;
其中,Δt表示的是单次的扩散步长;
步骤跳转单元,用于执行返回到步骤S12,继续进行扩散的操作;
降噪完成单元,用于结束,完成相干斑降噪。
本发明实施例所提供的技术方案,适用于全极化和单极化SAR图像,通过使用非线性各向异性扩散方程进行迭代式降噪,可根据图像的局部空域信息及极化信息进行实时的参数调整,从而能够实现渐进式的相干斑噪声水平的减弱,使得所达到的相干斑降噪性能与现有技术相比有明显优势;此外,在对全极化SAR图像进行相干斑降噪时,通过对二阶矩数据的每一个元素都被实施相同程度的变换,能够保证极化通道之间无交叉串扰,且保持图像中每个二阶矩数据的正定性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1是本发明实施例一提供的一种基于各向异性扩散方程的SAR图像降斑方法的流程示意图;
图2是本发明实施例一提供的相干斑降噪整体方案的流程图;
图3是本发明实施例二提供的一种基于各向异性扩散方程的SAR图像降斑系统的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
请参阅附图1,为本发明实施例一提供的一种基于各向异性扩散方程的SAR图像降斑方法的流程示意图,该方法具体包括如下步骤:
S11、读取SAR图像的二阶矩数据,所述二阶矩数据包括T11、T22、T33、Re(T12)、Im(T12)、Re(T13)、Im(T13)、Re(T23)和Im(T23)。
需要说明的是,本发明实施例提供的技术方案对全极化SAR(合成孔径雷达)图像进行相干斑降噪时,必须以分辨单元数据(二阶矩)为实施对象。如果以分辨单元的散射矩阵为实施对象,则将破坏所有分辨单元的极化属性。本发明实施例提供的技术方案都基于:单雷达基站配置,发射和接收信号共用同一个天线,互易定理成立。
全极化合成SAR图像数据(二阶矩):T,在处理过程中,由于矩阵是一个Hermite(埃尔米特)矩阵,因此只需要处理对角线和上三角的元素,共6个:T11,T22,T33,T12,T13,T23。其中,T12,T13,T23这三个元素都是复数,包括对应的实部和虚部。因此,总共是9个元素。
优选的,在步骤S11之后,还包括:设定扩散次数t。
需要说明的是,目前尚无数学理论对扩散次数的数值进行规定,实际使用时,可根据具体的需求进行设定。
S12、对所述二阶矩数据中的T11、T22、T33进行综合计算,得到总功率图像和局部统计数据。
S13、将计算得到的所述总功率图像和局部统计数据对应覆盖上一次扩散的数据;
S14、对所述总功率图像进行高斯平滑处理,并根据处理后的总功率图像分别计算x和y方向的偏导数;
其中,平滑参数为σ,一般σ取值0.1。
S15、将计算得到的x和y方向的偏导数对应覆盖上一次扩散的数据;
S16、根据x和y方向的偏导数计算结构张量函数Jρ(▽Tj,σ);
S17、根据如下公式,对所述总功率图像进行计算,得到扩散率函数值g(|▽Ti|2):
其中,Cr>0,λ>0,r取值8,Cr根据如下公式计算得到:
1-exp(-Cr)-rCrexp(-Cr)=0。
S18、按照边缘增强扩散方法,计算扩散张量D()函数;
其中,边缘增强扩散(Edge Enhance Diffusion,EED)方案能够沿着边缘的方向进行扩散,在垂直于梯度的方向,扩散速率应该非常接近于0。选特征值λ1和λ2分别为:λ1=g(|▽Ti|2)、λ2=1。
需要说明的是,在本发明实施例中,边缘增强扩散是一种非线性异质扩散方法,其基本思路是构造出对边缘敏感的边缘增强扩散算子,该算子可在滤波的同时保留图像细节。该方法的实现过程可参考现有技术,在此不做深入的阐述。
S19、根据如下公式,对所述二阶矩数据分别进行一次扩散;
其中,维度为m=9,t表示扩散总时间,表示对时间求偏导数,div()函数表示求散度,D()函数表示求非线性各向异性扩散张量,Jρ()函数表示的是求结构张量,▽Tj,σ表示的是对图像数据元素Tj先实施微弱的高斯平滑(平滑参数为σ)、再求梯度,▽Ti表示的是对图像数据元素Ti求梯度。
具体的,对图像数据(二阶矩)的9个元素:T11、T22、T33、Re(T12)、Im(T12)、Re(T13)、Im(T13)、Re(T23)和Im(T23)分别进行一次扩散。
S20、更新扩散次数t=t-Δt,以完成相干斑降噪;
其中,Δt表示的是单次的扩散步长;
具体的,本步骤S20进一步包括:
S201、更新扩散次数t=t-Δt,若扩散次数t>0,则执行S202,若扩散次数t=0,则执行S203;
其中,Δt表示的是单次的扩散步长;
S202、返回到步骤S12,继续进行扩散;
S203、结束,完成相干斑降噪。
参见图2,本发明实施例提供的整个技术方案的流程图如图所示,针对全极化SAR图像相干斑降噪问题,使用了非线性各向异性扩散方程的渐进式降噪方案,能够实现逐步式的噪声水平的减弱;针对全极化SAR图像分辨单元数据(二阶矩)正定性保持问题,本发明对9个元素都被实施相同程度的变换,这样的处理方式可以保证降噪之后的图像分辨单元数据仍然具有正定性,且4个极化通道之间无交叉串扰。
需要说明的是,本发明实施例提出的将非线性各向异性扩散方程的降噪方案应用于全极化SAR图像相干斑降噪在行业内是首创,同时全极化SAR图像分辨单元数据(二阶矩)正定性保持方案是全极化SAR图像相干斑降噪方面在行业内的首创。
本发明实施例所提供的技术方案,适用于全极化和单极化SAR图像,通过使用非线性各向异性扩散方程进行迭代式降噪,可根据图像的局部空域信息及极化信息进行实时的参数调整,从而能够实现渐进式的相干斑噪声水平的减弱,使得所达到的相干斑降噪性能与现有技术相比有明显优势;此外,在对全极化SAR图像进行相干斑降噪时,通过对二阶矩数据的每一个元素都被实施相同程度的变换,能够保证极化通道之间无交叉串扰,且保持图像中每个二阶矩数据的正定性。
实施例二
请参阅附图3,为本发明实施例二提供的一种基于各向异性扩散方程的SAR图像降斑系统的结构示意图,该系统适用于执行本发明实施例提供的基于各向异性扩散方程的SAR图像降斑方法。该系统具体包含如下模块:
数据读取模块31,用于读取SAR图像的二阶矩数据,所述二阶矩数据包括T11、T22、T33、Re(T12)、Im(T12)、Re(T13)、Im(T13)、Re(T23)和Im(T23);
第一计算模块32,用于对所述二阶矩数据中的T11、T22、T33进行综合计算,得到总功率图像和局部统计数据;
第一覆盖模块33,用于将计算得到的所述总功率图像和局部统计数据对应覆盖上一次扩散的数据;
第二计算模块34,用于对所述总功率图像进行高斯平滑处理,并根据处理后的总功率图像分别计算x和y方向的偏导数;
其中,平滑参数为σ;
第二覆盖模块35,用于将计算得到的x和y方向的偏导数对应覆盖上一次扩散的数据;
第三计算模块36,用于根据x和y方向的偏导数计算结构张量函数Jρ(▽Tj,σ);
第四计算模块37,用于根据如下公式,对所述总功率图像进行计算,得到扩散率函数值g(|▽Ti|2):
其中,Cr>0,λ>0;
第五计算模块38,用于按照边缘增强扩散方法,计算扩散张量D()函数;
数据扩散模块39,用于根据如下公式,对所述二阶矩数据分别进行一次扩散;
其中,i=1,......,m。
降噪完成模块40,用于更新扩散次数t=t-Δt,以完成相干斑降噪;
其中,Δt表示的是单次的扩散步长。
优选的,所述第四计算模块中的Cr根据如下公式计算得到:
1-exp(-Cr)-rCrexp(-Cr)=0。
优选的,所述基于各向异性扩散方程的SAR图像降斑系统还包括:
参数设定模块,用于在所述读取SAR图像的二阶矩数据的步骤之后,设定扩散次数t。
优选的,所述降噪完成模块包括:
参数更新单元,用于更新扩散次数t=t-Δt,若扩散次数t>0,则执行S202,若扩散次数t=0,则执行S203;
其中,Δt表示的是单次的扩散步长;
步骤跳转单元,用于执行返回到步骤S12,继续进行扩散的操作;
降噪完成单元,用于结束,完成相干斑降噪。
本发明实施例所提供的技术方案,适用于全极化和单极化SAR图像,通过使用非线性各向异性扩散方程进行迭代式降噪,可根据图像的局部空域信息及极化信息进行实时的参数调整,从而能够实现渐进式的相干斑噪声水平的减弱,使得所达到的相干斑降噪性能与现有技术相比有明显优势;此外,在对全极化SAR图像进行相干斑降噪时,通过对二阶矩数据的每一个元素都被实施相同程度的变换,能够保证极化通道之间无交叉串扰,且保持图像中每个二阶矩数据的正定性。
上述系统可执行本发明任意实施例所提供的方法,具备执行方法相应的功能模块和有益效果。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于各向异性扩散方程的SAR图像降斑方法,其特征在于,包括:
S11、读取SAR图像的二阶矩数据,所述二阶矩数据包括T11、T22、T33、Re(T12)、Im(T12)、Re(T13)、Im(T13)、Re(T23)和Im(T23);
S12、对所述二阶矩数据中的T11、T22、T33进行综合计算,得到总功率图像和局部统计数据;
S13、将计算得到的所述总功率图像和局部统计数据对应覆盖上一次扩散的数据;
S14、对所述总功率图像进行高斯平滑处理,并根据处理后的总功率图像分别计算x和y方向的偏导数;
其中,平滑参数为σ;
S15、将计算得到的x和y方向的偏导数对应覆盖上一次扩散的数据;
S16、根据x和y方向的偏导数计算结构张量函数
S17、根据如下公式,对所述总功率图像进行计算,得到扩散率函数值
其中,Cr>0,λ>0;
S18、按照边缘增强扩散方法,计算扩散张量D()函数;
S19、根据如下公式,对所述二阶矩数据分别进行一次扩散;
其中,i=1,......,m;
S20、更新扩散次数t=t-Δt,以完成相干斑降噪;
其中,Δt表示的是单次的扩散步长。
2.根据权利要求1所述的基于各向异性扩散方程的SAR图像降斑方法,其特征在于,所述步骤S107中的Cr根据如下公式计算得到:
1-exp(-Cr)-rCrexp(-Cr)=0。
3.根据权利要求1所述的基于各向异性扩散方程的SAR图像降斑方法,其特征在于,在所述读取SAR图像的二阶矩数据的步骤之后,还包括:
设定扩散次数t。
4.根据权利要求1所述的基于各向异性扩散方程的SAR图像降斑方法,其特征在于,所述步骤S20包括:
S201、更新扩散次数t=t-Δt,若扩散次数t>0,则执行S202,若扩散次数t=0,则执行S203;
其中,Δt表示的是单次的扩散步长;
S202、返回到步骤S12,继续进行扩散;
S203、结束,完成相干斑降噪。
5.一种基于各向异性扩散方程的SAR图像降斑系统,其特征在于,包括:
数据读取模块,用于读取SAR图像的二阶矩数据,所述二阶矩数据包括T11、T22、T33、Re(T12)、Im(T12)、Re(T13)、Im(T13)、Re(T23)和Im(T23);
第一计算模块,用于对所述二阶矩数据中的T11、T22、T33进行综合计算,得到总功率图像和局部统计数据;
第一覆盖模块,用于将计算得到的所述总功率图像和局部统计数据对应覆盖上一次扩散的数据;
第二计算模块,用于对所述总功率图像进行高斯平滑处理,并根据处理后的总功率图像分别计算x和y方向的偏导数;
其中,平滑参数为σ;
第二覆盖模块,用于将计算得到的x和y方向的偏导数对应覆盖上一次扩散的数据;
第三计算模块,用于根据x和y方向的偏导数计算结构张量函数
第四计算模块,用于根据如下公式,对所述总功率图像进行计算,得到扩散率函数值
其中,Cr>0,λ>0;
第五计算模块,用于按照边缘增强扩散方法,计算扩散张量D()函数;
数据扩散模块,用于根据如下公式,对所述二阶矩数据分别进行一次扩散;
其中,i=1,......,m。
降噪完成模块,用于更新扩散次数t=t-Δt,以完成相干斑降噪;
其中,Δt表示的是单次的扩散步长。
6.根据权利要求5所述的基于各向异性扩散方程的SAR图像降斑系统,其特征在于,所述第四计算模块中的Cr根据如下公式计算得到:
1-exp(-Cr)-rCr exp(-Cr)=0。
7.根据权利要求5所述的基于各向异性扩散方程的SAR图像降斑系统,其特征在于,还包括:
参数设定模块,用于在所述读取SAR图像的二阶矩数据的步骤之后,设定扩散次数t。
8.根据权利要求5所述的基于各向异性扩散方程的SAR图像降斑系统,其特征在于,所述降噪完成模块包括:
参数更新单元,用于更新扩散次数t=t-Δt,若扩散次数t>0,则执行S202,若扩散次数t=0,则执行S203;
其中,Δt表示的是单次的扩散步长;
步骤跳转单元,用于执行返回到步骤S12,继续进行扩散的操作;
降噪完成单元,用于结束,完成相干斑降噪。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810691743.6A CN108876746A (zh) | 2018-06-28 | 2018-06-28 | 一种基于各向异性扩散方程的sar图像降斑方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810691743.6A CN108876746A (zh) | 2018-06-28 | 2018-06-28 | 一种基于各向异性扩散方程的sar图像降斑方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108876746A true CN108876746A (zh) | 2018-11-23 |
Family
ID=64296711
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810691743.6A Pending CN108876746A (zh) | 2018-06-28 | 2018-06-28 | 一种基于各向异性扩散方程的sar图像降斑方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108876746A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950492A (zh) * | 2021-01-28 | 2021-06-11 | 中国石油大学(华东) | 基于自适应各向异性扩散的全极化sar图像去噪方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030160612A1 (en) * | 2002-01-16 | 2003-08-28 | Washington University | Magnetic resonance method and system for quantification of anisotropic diffusion |
CN102136138A (zh) * | 2011-03-28 | 2011-07-27 | 深圳市蓝韵实业有限公司 | 一种医学图像降噪与增强的处理方法 |
CN102521811A (zh) * | 2011-12-09 | 2012-06-27 | 中国人民解放军海军航空工程学院 | 基于各向异性扩散和互信息匀质性测度的sar图像降斑方法 |
-
2018
- 2018-06-28 CN CN201810691743.6A patent/CN108876746A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030160612A1 (en) * | 2002-01-16 | 2003-08-28 | Washington University | Magnetic resonance method and system for quantification of anisotropic diffusion |
CN102136138A (zh) * | 2011-03-28 | 2011-07-27 | 深圳市蓝韵实业有限公司 | 一种医学图像降噪与增强的处理方法 |
CN102521811A (zh) * | 2011-12-09 | 2012-06-27 | 中国人民解放军海军航空工程学院 | 基于各向异性扩散和互信息匀质性测度的sar图像降斑方法 |
Non-Patent Citations (2)
Title |
---|
刘红军,等: "一种基于各向异性尺度空间的SAR图像匹配算法", 《现代雷达》 * |
孙盛,等: "张量扩散滤波在极化SAR图像降噪中的应用", 《科学技术与工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950492A (zh) * | 2021-01-28 | 2021-06-11 | 中国石油大学(华东) | 基于自适应各向异性扩散的全极化sar图像去噪方法 |
CN112950492B (zh) * | 2021-01-28 | 2022-04-29 | 中国石油大学(华东) | 基于自适应各向异性扩散的全极化sar图像去噪方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Agostini et al. | On the influence of outer large-scale structures on near-wall turbulence in channel flow | |
Li et al. | Radar maneuvering target detection and motion parameter estimation based on TRT-SGRFT | |
Kakiichi et al. | Recovering the H II region size statistics from 21-cm tomography | |
Hysell et al. | Optimal aperture synthesis radar imaging | |
Park et al. | Multiple snapshot grid free compressive beamforming | |
Mori et al. | Quantitative evaluation method for liver fibrosis based on multi-Rayleigh model with estimation of number of tissue components in ultrasound B-mode image | |
Liu et al. | Extended sampling method in inverse scattering | |
CN104730520A (zh) | 基于子孔径合成的圆周sar后向投影自聚焦方法 | |
CN106093898A (zh) | 一种分区域式的mimo阵列校准方法 | |
CN101982835A (zh) | Sar图像机场道路边缘检测水平集方法 | |
Tian et al. | Redshift-space enhancement of line-of-sight baryon acoustic oscillations in the sloan digital sky survey main-galaxy sample | |
Mori et al. | Effect of beam width on quantitative estimation of liver fibrosis using ultrasonic images | |
CN102129694A (zh) | 一种图像显著区域检测方法 | |
Isono et al. | Quantitative analysis of ultrasonic images of fibrotic liver using co-occurrence matrix based on multi-Rayleigh model | |
Öztürk et al. | Performance evaluation of Bragg coherent diffraction imaging | |
CN109444844A (zh) | 一种提取目标散射中心特征的方法和装置 | |
Karakuş et al. | A generalized Gaussian extension to the Rician distribution for SAR image modeling | |
Li et al. | Adaptive weighted guided image filtering for depth enhancement in shape-from-focus | |
Alina et al. | Large-scale magnetic field in the Monoceros OB 1 east molecular cloud | |
CN108594196B (zh) | 一种目标散射中心参数提取方法及装置 | |
CN108876746A (zh) | 一种基于各向异性扩散方程的sar图像降斑方法及系统 | |
AU2014259516A1 (en) | Nonlinear processing for off-axis frequency reduction in demodulation of two dimensional fringe patterns | |
Voccola et al. | Polarimetric synthetic-aperture inversion for extended targets in clutter | |
CN105303538A (zh) | 一种基于nsct和pca的高斯噪声方差估计方法 | |
Zhang et al. | Accuracy evaluation of quantitative diagnosis method of liver fibrosis based on multi-Rayleigh model using optimal combination of input moments |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181123 |
|
RJ01 | Rejection of invention patent application after publication |