CN111861905A - 基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法 - Google Patents
基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法 Download PDFInfo
- Publication number
- CN111861905A CN111861905A CN202010556805.XA CN202010556805A CN111861905A CN 111861905 A CN111861905 A CN 111861905A CN 202010556805 A CN202010556805 A CN 202010556805A CN 111861905 A CN111861905 A CN 111861905A
- Authority
- CN
- China
- Prior art keywords
- image
- gamma
- sar
- filtering
- value
- 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.)
- Granted
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 51
- 238000000034 method Methods 0.000 title claims abstract description 32
- 230000001629 suppression Effects 0.000 title claims abstract description 20
- 230000000694 effects Effects 0.000 claims abstract description 16
- 238000013519 translation Methods 0.000 claims abstract description 10
- 230000014759 maintenance of location Effects 0.000 claims abstract description 8
- 238000012937 correction Methods 0.000 claims description 22
- 239000011159 matrix material Substances 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 6
- 238000004321 preservation Methods 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 5
- 230000005764 inhibitory process Effects 0.000 abstract description 3
- 238000004088 simulation Methods 0.000 abstract description 3
- 230000009466 transformation Effects 0.000 abstract description 3
- 238000005728 strengthening Methods 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 18
- 230000000007 visual effect Effects 0.000 description 5
- 238000005259 measurement Methods 0.000 description 4
- 230000001427 coherent effect Effects 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000002708 enhancing effect Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005562 fading Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000000654 additive Substances 0.000 description 1
- 230000000996 additive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000012467 final product Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification 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
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/40—Image enhancement or restoration using histogram techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
一种基于Gamma‑Lee滤波的SAR影像斑点噪声抑制方法，通过对原始图像进行Gamma变换以提升其暗部细节，解决滤波后的SAR图像边缘细节部分保留效果不佳的问题；采用平移不变的局部窗口遍历被测图像每个像素点，通过统计所覆盖像素点均值和方差以及中心像素值的方式实现Lee滤波；结合负反馈调节Gamma系数和Gamma指数的思想，逐步调整加强对SAR图像斑点噪声的抑制；最后，仿真实验结果表明，本发明解决了现有SAR图像滤波方法图像边缘细节部分保留效果不佳的问题，同时斑点噪声的抑制效果得到一定的提升；在抑制噪声和边缘细节的保护效果上都要优于原始的Lee滤波方法，可用于SAR图像的图像处理领域。
Description
技术领域
本发明涉及SAR图像处理技术领域，具体涉及一种基于 Gamma-Lee滤波的SAR影像斑点噪声抑制方法。
技术背景
合成孔径雷达(Synthetic Aperture Radar，SAR)是一种先进的微 波遥感雷达，有着较好的多极化测量与干扰测量的能力，还具备全天 时、全天候、穿透性等优点，在遥感应用中有着比光学遥感更好的测 量精度。同时，合成孔径雷达能够以多种平台搭载方式实现，无人机 载、机载和星载SAR雷达能够达到很多监测场景的要求，这一优越性 使得SAR雷达在国防军事领域更加普及。而SAR的最终产品—SAR图 像的应用则更加多样化，例如：在军事侦察领域中，对地物目标以及 可疑飞行器的识别和跟踪；在民用领域中，自然灾害的预测、农业以 及林业勘探、地面的温度观测等领域研究都要用到SAR图像提供的地 物信息。
由于雷达的后向散射特性，这将会产生相干斑点噪声，SAR图像 中的斑点噪声从产生机里来讲是由于雷达目标回波信号的衰落现象 所引起的，而回波信号的衰落过程是这样形成的：同时被照射的有多 个散射体，当地物目标和雷达站之间具有相对运动时，这多个地物目 标与雷达之间具有不同的路程长和不同的传播速度，这使得雷达接收 机接收到的信号产生一定的随机起伏，从而使SAR对地物目标散射系 数的测量产生较大的偏差，这也就衍生出斑点噪声。具体表现为图像 中被斑点噪声污染的区域亮度随机变化，它属于随机噪声。SAR图像 中的斑点噪声与光学图像当中所遇到的噪声有着本质的区别，这是因为它们生成的物理过程有本质上的不同。SAR图像中的斑点噪声是由 雷达回波信号所引起的，是包括SAR雷达在内所有基于相干光原理的 成像系统本身的缺点。与加性噪声不一样，SAR图像中的斑点噪声属 于乘性噪声的模型，即：
R(m,n)＝I(m,n)×V(m,n) (1)
其中，(m,n)是图像的像素点的坐标，R(m,n)是实际得到的图像强度 (含有相干斑噪声)，I(m,n)是理想的图像强度，也就是描述了地面 目标的雷达散射特性即无噪强度，V(m,n)是斑点噪声，斑点噪声的 均值为1，标准差为ρ，其数值与SAR图像的视数有关，且I与V是统计 独立的。
如何抑制斑点噪声成为了数字信号处理领域以及雷达遥感领域 的热门话题之一。其中，斑点滤波方法和多视处理是两类主要的斑点 噪声抑制方法。其中斑点滤波法又分为频域滤波和空间滤波是两类主 要的方法：频域滤波是主要是基于小波变换的滤波方法；空间滤波则 是利用统计学方法来进行图像局部滤波。然而，现有的滤波方法如lee 滤波、frost滤波、kuan滤波等都在边缘细节部分的保护和相干斑噪 声抑制效果这两个方面存在矛盾，特别是“暗”图像细节处理的效果 不尽人意。迄今为止，如何有效地抑制相干斑噪声的同时较好地保留 SAR影像边缘细节，仍是一个关键问题。
发明内容
针对SAR影像斑点噪声的抑制问题，本发明提出一种基于 Gamma-Lee滤波的SAR影像斑点噪声抑制方法，经典的Lee滤波去 噪算法是以相干斑噪声点完全发育乘性模型上构建的，对于未发育完 全的相干斑噪声抑制效果并不理想，同时边缘保护效果也不佳。本发明方法为了提高Lee滤波效果且不损失边缘细节信息，引入了Gamma 变换思想对其进行改进，通过对输入图像灰度值进行一种非线性变换， 使输出图像灰度值与输入图像灰度值呈指数关系，从而提升SAR影 像的暗部细节，实现斑点噪声的高效率抑制。
为了解决上述技术问题本发明提供如下的技术方案：
一种基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法，包括 以下步骤：
步骤一，读取原始的SAR图像数据矩阵：原始图像矩阵R，矩 阵大小为M×N，其M和N为整数，分别代表图像行和列的数量；
步骤二，对原始图像R进行Gamma校正：设定Gamma系数为c， Gamma指数为e，原始图像的Gamma校正方法如下：
S＝c×Re (2)
其中，S是大小为M×N的Gamma校正变换的输出图像，通过这种 非线性变换，可以使得SAR图像从曝光强度的线性响应变得更接近 人眼感受的响应：当Gamma指数e大于1时，这种校正将使图像的 灰度分布直方图高灰度值延展；而Gamma指数e小于1时，这种校 正将图像的灰度分布直方图向低灰度值方向靠拢；
步骤三，选择局部窗口：设定具有平移不变性的局部窗口矩阵H， 矩阵大小为K×K，其中K为整数，局部窗口矩阵H中的每个元素都 设置为1，即有：
H(i,j)＝1,i＝1,2,…,K；j＝1,2,…,K (3)
步骤四，局部窗口平移匹配：逐行逐点移动局部窗口H，使其中 心元素与Gamma校正图像S的每个元素分别对齐，然后根据局部窗 口所覆盖的Gamma校正图像S内元素的像素值的大小，计算各统计 参数：滤波窗口的均值和方差，中心像素的数值；
步骤五，生成新的滤波后图像：根据步骤四得到的统计参数，逐 点计算滤波后图像的灰度值，计算公式为：
其中，m＝1,2,…M；n＝1,2,…N；
是滤波后的窗口的中心像素值； 
是这个滤波窗口覆盖像素的均值；I(m,n)是滤波前窗口覆盖像 素的中心像素值；W(m,n)是一个加权因子，其计算方式如下：
其中，σu是噪声标准差，
为噪声均值，σI(m,n)是局部窗口在平移 过程中所覆盖像素的标准差；
步骤六，判断滤波结果是否达到要求：计算滤波后图像
的等效 视数ENL与边缘保持指数EPI，计算方式如下：
其中μ与σ分别表示图像
的均值与标准差，Ih(i)和Io(i)分别表示滤 波后边缘两侧相邻像元灰度值，
和
表示滤波前边缘两侧相 邻像元灰度值；
当滤波后图像
的等效视数ENL与边缘保持指数EPI未达到指 定阈值时，返回步骤二重新选取Gamma系数和Gamma指数，当其 ENL和EPI达到指定阈值时，执行下一步骤；
步骤七，输出SAR影像斑点噪声抑制结果
在局部窗口遍历 每个像素点后，图像的噪声得到充分的抑制，同时边缘细节部分也得 到了较好的保护效果。
进一步，所述步骤二中，所述的Gamma指数用于增强图像的细 节部分，Gamma系数取值为1，Gamma指数根据原始SAR图像的灰 度值分布来取值，取值范围为[0.1,10]；当原始SAR图像的灰度值较 高时，选取小于1的Gamma系数以压缩灰度级较高的部分，反之则 选取系数大于1的数值以拉伸图像中灰度级较高的区域。
再进一步，所述步骤三中，所述的局部窗口大小必须比被测SAR 图像要小，假设被测SAR图像的大小为M×N，局部窗口的大小为K ×K，那么必须满足K≤min{M,N}-1。
本发明的有益效果为：采用Gamma校正的方式，通过非线性变 换使得原始图像的对比度和暗部细节得到提升，结合Lee滤波和阈值 负反馈调整的思想，逐步提升SAR影像斑点噪声的抑制效果。通过 理论的分析以及实验结果得到，该方法提高了抑制噪声以及细节保护 的精度。
具体实施方式
下面对本发明做进一步说明。
一种基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法，包括 以下步骤：
步骤一，读取原始的SAR图像数据矩阵：原始图像矩阵R，矩 阵大小为M×N，其M和N为整数，分别代表图像行和列的数量；
步骤二，对原始图像R进行Gamma校正：设定Gamma系数为c， Gamma指数为e，原始图像的Gamma校正方法如下：
S＝c×Re (2)
其中，S是大小为M×N的Gamma校正变换的输出图像，通过这种 非线性变换，可以使得SAR图像从曝光强度的线性响应变得更接近 人眼感受的响应：当Gamma指数e大于1时，这种校正将使图像的 灰度分布直方图高灰度值延展；而Gamma指数e小于1时，这种校 正将图像的灰度分布直方图向低灰度值方向靠拢；
步骤三，选择局部窗口：设定具有平移不变性的局部窗口矩阵H， 矩阵大小为K×K，其中K为整数，局部窗口矩阵H中的每个元素都 设置为1，即有：
H(i,j)＝1,i＝1,2,…,K；j＝1,2,…,K (3)
步骤四，局部窗口平移匹配：逐行逐点移动局部窗口H，使其中 心元素与Gamma校正图像S的每个元素分别对齐，然后根据局部窗 口所覆盖的Gamma校正图像S内元素的像素值的大小，计算各统计 参数：滤波窗口的均值和方差，中心像素的数值；
步骤五，生成新的滤波后图像：根据步骤四得到的统计参数，逐 点计算滤波后图像的灰度值，计算公式为：
其中，m＝1,2,…M；n＝1,2,…N；
是滤波后的窗口的中心像素值； 
是这个滤波窗口覆盖像素的均值；I(m,n)是滤波前窗口覆盖像 素的中心像素值；W(m,n)是一个加权因子，其计算方式如下：
其中，σu是噪声标准差，
为噪声均值，σI(m,n)是局部窗口在平移 过程中所覆盖像素的标准差；
步骤六，判断滤波结果是否达到要求：计算滤波后图像
的等效 视数ENL与边缘保持指数EPI，计算方式如下：
其中μ与σ分别表示图像
的均值与标准差，Ih(i)和Io(i)分别表示滤 波后边缘两侧相邻像元灰度值，
和
表示滤波前边缘两侧相 邻像元灰度值；当滤波后图像
的等效视数ENL与边缘保持指数EPI 未达到指定阈值时，返回步骤二重新选取Gamma系数和Gamma指 数，当其ENL和EPI达到指定阈值时，执行下一步骤；
步骤七，输出SAR影像斑点噪声抑制结果
在局部窗口遍历 每个像素点后，图像的噪声得到充分的抑制，同时边缘细节部分也得 到了较好的保护效果。
进一步，所述步骤二中，所述的Gamma指数用于增强图像的细 节部分，Gamma系数取值为1，Gamma指数根据原始SAR图像的灰 度值分布来取值，取值范围为[0.1,10]；当原始SAR图像的灰度值较 高时，选取小于1的Gamma系数以压缩灰度级较高的部分，反之则 选取系数大于1的数值以拉伸图像中灰度级较高的区域。
再进一步，所述步骤三中，所述的局部窗口大小必须比被测SAR 图像要小，假设被测SAR图像的大小为M×N，局部窗口的大小为K ×K，那么必须满足K≤min{M,N}-1。
实验对比
为了验证本发明方法的有效性，进行如下仿真实验验证：选取两 幅SAR影像数据来进行滤波实验。同时为了对比本发明方法的优势， 选取Frost滤波算法、均值滤波算法、中值滤波算法以及Lee滤波算 法分别进行对比分析。
从主观视觉方面来评价，Frost滤波算法相干斑噪声抑制效果比 Lee滤波算法要好，但是边缘信息保持效果较差，图像整体较为模糊， 视觉效果较差，以丢失边缘细节信息的代价而滤除噪声。中值滤波和 均值滤波的噪声抑制效果不够良好，边缘保护效果也并不理想。原有 Lee滤波算法在边缘信息保持方面具有良好的效果，但是噪声抑制能 力较差。而本发明方法在噪声抑制方面均优于所选的对比算法，而且 在边缘信息保持方便显著优于对比的几类算法，且视觉效果良好。
为了定量的评价各种滤波方法的去噪能力，采用等效视数(ENL) 和边缘指数(EPI)作为评价指标，仿真实验结果分别如表1所示。 从表中可以看出，本发明方法的等效视数(ENL)在同类算法中最高， 优于对比算法，并且边缘指数(EPI)要远高于同类对比算法。尤其 是与原有的Lee滤波算法对比，原有的Lee滤波算法的EPI指数为 0.5774，本文算法的EPI数值为0.9196。同样Lee滤波的ENL指数 为1.8382，本文算法的ENL指数为5.1651。因此本文算法在噪声去 除效果以及边缘保持度相较于原有的Lee滤波都有所改善。
表1为噪声抑制以及边缘保持效果的对比
表1。
Claims (3)
1.一种基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法，其特征在于，所述方法包括以下步骤：
步骤一，读取原始的SAR图像数据矩阵：原始图像矩阵R，矩阵大小为M×N，其M和N为整数，分别代表图像行和列的数量；
步骤二，对原始图像R进行Gamma校正：设定Gamma系数为c，Gamma指数为e，原始图像的Gamma校正方法如下：
S＝c×Re (2)
其中，S是大小为M×N的Gamma校正变换的输出图像，通过这种非线性变换，可以使得SAR图像从曝光强度的线性响应变得更接近人眼感受的响应：当Gamma指数e大于1时，这种校正将使图像的灰度分布直方图高灰度值延展；而Gamma指数e小于1时，这种校正将图像的灰度分布直方图向低灰度值方向靠拢；
步骤三，选择局部窗口：设定具有平移不变性的局部窗口矩阵H，矩阵大小为K×K，其中K为整数，局部窗口矩阵H中的每个元素都设置为1，即有：
H(i,j)＝1,i＝1,2,…,K；j＝1,2,…,K (3)
步骤四，局部窗口平移匹配：逐行逐点移动局部窗口H，使其中心元素与Gamma校正图像S的每个元素分别对齐，然后根据局部窗口所覆盖的Gamma校正图像S内元素的像素值的大小，计算各统计参数：滤波窗口的均值和方差，中心像素的数值；
步骤五，生成新的滤波后图像：根据步骤四得到的统计参数，逐点计算滤波后图像的灰度值，计算公式为：
其中，m＝1,2,…M；n＝1,2,…N；
是滤波后的窗口的中心像素值；
是这个滤波窗口覆盖像素的均值；I(m,n)是滤波前窗口覆盖像素的中心像素值；W(m,n)是一个加权因子，其计算方式如下：
其中，σu是噪声标准差，
为噪声均值，σI(m,n)是局部窗口在平移过程中所覆盖像素的标准差；
步骤六，判断滤波结果是否达到要求：计算滤波后图像
的等效视数ENL与边缘保持指数EPI，计算方式如下：
其中μ与σ分别表示图像
的均值与标准差，Ih(i)和Io(i)分别表示滤波后边缘两侧相邻像元灰度值，
和
表示滤波前边缘两侧相邻像元灰度值；
当滤波后图像
的等效视数ENL与边缘保持指数EPI未达到指定阈值时，返回步骤二重新选取Gamma系数和Gamma指数，当其ENL和EPI达到指定阈值时，执行下一步骤；
步骤七，输出SAR影像斑点噪声抑制结果
在局部窗口遍历每个像素点后，图像的噪声得到充分的抑制，同时边缘细节部分也得到了较好的保护效果。
2.如权利要求1所述的基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法，其特征在于，所述步骤二中，所述的Gamma指数用于增强图像的细节部分，Gamma系数取值为1，Gamma指数根据原始SAR图像的灰度值分布来取值，取值范围为[0.1,10]；当原始SAR图像的灰度值较高时，选取小于1的Gamma系数以压缩灰度级较高的部分，反之则选取系数大于1的数值以拉伸图像中灰度级较高的区域。
3.如权利要求1或2所述的基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法，其特征在于，所述步骤三中，所述的局部窗口大小必须比被测SAR图像要小，假设被测SAR图像的大小为M×N，局部窗口的大小为K×K，那么必须满足K≤min{M,N}-1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010556805.XA CN111861905B (zh) | 2020-06-17 | 2020-06-17 | 基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010556805.XA CN111861905B (zh) | 2020-06-17 | 2020-06-17 | 基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111861905A true CN111861905A (zh) | 2020-10-30 |
| CN111861905B CN111861905B (zh) | 2022-07-15 |
Family
ID=72986183
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010556805.XA Active CN111861905B (zh) | 2020-06-17 | 2020-06-17 | 基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111861905B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112484967A (zh) * | 2020-11-18 | 2021-03-12 | 深圳市汇顶科技股份有限公司 | 光强检测、参数确定方法、装置、设备及存储介质 |
| CN112927155A (zh) * | 2021-03-05 | 2021-06-08 | 湘潭大学 | 一种基于超级影像的多角度sar影像滤波方法 |
| CN112927167A (zh) * | 2021-03-24 | 2021-06-08 | 中国科学院空天信息创新研究院 | Sar图像相干斑自适应快速滤波处理方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2146315A1 (en) * | 2008-07-16 | 2010-01-20 | Galileian Plus s.r.l. | Method of filtering SAR images from speckle noise and related device. |
| CN101980286A (zh) * | 2010-11-12 | 2011-02-23 | 西安电子科技大学 | 结合双树复小波与双变量模型的sar图像降斑方法 |
| CN109919870A (zh) * | 2019-03-05 | 2019-06-21 | 西安电子科技大学 | 一种基于bm3d的sar图像相干斑抑制方法 |
| CN110933638A (zh) * | 2019-10-24 | 2020-03-27 | 浙江工业大学 | 一种应用于车辆跟驰队列的异构网络接入选择策略方法 |
-
2020
- 2020-06-17 CN CN202010556805.XA patent/CN111861905B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2146315A1 (en) * | 2008-07-16 | 2010-01-20 | Galileian Plus s.r.l. | Method of filtering SAR images from speckle noise and related device. |
| CN101980286A (zh) * | 2010-11-12 | 2011-02-23 | 西安电子科技大学 | 结合双树复小波与双变量模型的sar图像降斑方法 |
| CN109919870A (zh) * | 2019-03-05 | 2019-06-21 | 西安电子科技大学 | 一种基于bm3d的sar图像相干斑抑制方法 |
| CN110933638A (zh) * | 2019-10-24 | 2020-03-27 | 浙江工业大学 | 一种应用于车辆跟驰队列的异构网络接入选择策略方法 |
Non-Patent Citations (2)
| Title |
|---|
| LIN TENG,ET AL.: "Modified pyramid dual tree direction filter‐based image denoising via curvature scale and nonlocal mean multigrade remnant filter", 《INTERNATIONAL JOURNAL OF COMMUNICATION SYSTEMS》, 31 December 2018 (2018-12-31) * |
| 张文哲: "基于非局部均值滤波的SAR图像抑噪", 《 世界地质 》, 25 May 2020 (2020-05-25) * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112484967A (zh) * | 2020-11-18 | 2021-03-12 | 深圳市汇顶科技股份有限公司 | 光强检测、参数确定方法、装置、设备及存储介质 |
| CN112927155A (zh) * | 2021-03-05 | 2021-06-08 | 湘潭大学 | 一种基于超级影像的多角度sar影像滤波方法 |
| CN112927167A (zh) * | 2021-03-24 | 2021-06-08 | 中国科学院空天信息创新研究院 | Sar图像相干斑自适应快速滤波处理方法 |
| CN112927167B (zh) * | 2021-03-24 | 2023-01-17 | 中国科学院空天信息创新研究院 | Sar图像相干斑自适应快速滤波处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111861905B (zh) | 2022-07-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109919870B (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
| CN111861905B (zh) | 基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法 | |
| Lee et al. | Polarimetric SAR speckle filtering and the extended sigma filter | |
| Hu et al. | An adaptive fusion algorithm for visible and infrared videos based on entropy and the cumulative distribution of gray levels | |
| CN109035152A (zh) | 一种合成孔径雷达图像非局部均值滤波方法 | |
| Zhan et al. | Infrared image enhancement based on wavelet transformation and retinex | |
| CN110660065B (zh) | 一种红外故障检测识别算法 | |
| CN103020922A (zh) | 基于pca变换的sar图像相干斑抑制方法 | |
| CN111580099A (zh) | 基于联合熵值的穿墙成像雷达墙体杂波抑制方法 | |
| Yao et al. | The Retinex-based image dehazing using a particle swarm optimization method | |
| CN105447825A (zh) | 图像去雾方法及其系统 | |
| CN107169962A (zh) | 基于空间密度约束核模糊聚类的灰度图像快速分割方法 | |
| Ozdarici et al. | A comparison of SAR filtering techniques on agricultural area identification | |
| Zhang et al. | Image dehazing based on dark channel prior and brightness enhancement for agricultural remote sensing images from consumer-grade cameras | |
| CN103871031A (zh) | 基于核回归的sar图像相干斑抑制 | |
| CN113298147B (zh) | 基于区域能量和直觉模糊集的图像融合方法及装置 | |
| CN111461999B (zh) | 一种基于超像素相似性测量的sar图像相干斑抑制方法 | |
| CN117115669B (zh) | 双条件质量约束的对象级地物样本自适应生成方法及系统 | |
| CN107451608B (zh) | 基于多视幅度统计特性的sar图像无参考质量评价方法 | |
| CN109584192B (zh) | 基于多光谱融合的目标特征增强方法、装置与电子设备 | |
| CN112215832A (zh) | Sar尾迹图像质量评估及自适应探测参数调整方法 | |
| Liu et al. | Infrared and visible image fusion for shipborne electro-optical pod in maritime environment | |
| Liang et al. | Fast patchwise nonlocal SAR image despeckling using joint intensity and structure measures | |
| CN112698330B (zh) | 基于比值对数积的极化sar图像非局部均值方法 | |
| CN114723627A (zh) | 基于改进双边滤波的红外弱小目标预处理方法及装置 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |