CN111861905B - 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
- CN111861905B CN111861905B CN202010556805.XA CN202010556805A CN111861905B CN 111861905 B CN111861905 B CN 111861905B CN 202010556805 A CN202010556805 A CN 202010556805A CN 111861905 B CN111861905 B CN 111861905B
- 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.)
- Active
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 52
- 238000000034 method Methods 0.000 title claims abstract description 33
- 230000001629 suppression Effects 0.000 title claims abstract description 20
- 230000000694 effects Effects 0.000 claims abstract description 15
- 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 15
- 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
- 238000006243 chemical reaction Methods 0.000 abstract description 3
- 230000005764 inhibitory process Effects 0.000 abstract description 3
- 238000004088 simulation Methods 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 4
- 230000001427 coherent effect Effects 0.000 description 3
- 230000002401 inhibitory effect Effects 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 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
- 230000009466 transformation Effects 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,L,K；j＝1,2,L,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,LM；n＝1,2,LN；
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,L,K；j＝1,2,L,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,LM；n＝1,2,LN；
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 CN111861905A (zh) | 2020-10-30 |
| CN111861905B true 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) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112484967B (zh) * | 2020-11-18 | 2023-04-07 | 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 |
| CN112927155B (zh) * | 2021-03-05 | 2022-03-29 | 湘潭大学 | 一种基于超级影像的多角度sar影像滤波方法 |
| 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 |
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》.2018, * |
| 张文哲.基于非局部均值滤波的SAR图像抑噪.《 世界地质 》.2020, * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111861905A (zh) | 2020-10-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111861905B (zh) | 基于Gamma-Lee滤波的SAR影像斑点噪声抑制方法 | |
| CN109919870B (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
| Lee et al. | Polarimetric SAR speckle filtering and the extended sigma filter | |
| Ancuti et al. | D-hazy: A dataset to evaluate quantitatively dehazing algorithms | |
| CN108389188B (zh) | 一种稀疏高光谱异常目标检测方法 | |
| US20150061926A1 (en) | Target detection utilizing image array comparison | |
| CN102044072B (zh) | 基于统计模型的sar图像融合处理方法 | |
| Zhan et al. | Infrared image enhancement based on wavelet transformation and retinex | |
| CN111580099A (zh) | 基于联合熵值的穿墙成像雷达墙体杂波抑制方法 | |
| CN103020922A (zh) | 基于pca变换的sar图像相干斑抑制方法 | |
| 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 | |
| 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 | |
| Ozdarici et al. | A comparison of SAR filtering techniques on agricultural area identification | |
| CN113298147A (zh) | 基于区域能量和直觉模糊集的图像融合方法及装置 | |
| CN104680536A (zh) | 利用改进的非局部均值算法对sar图像变化的检测方法 | |
| Raikwar et al. | An improved linear depth model for single image fog removal | |
| CN112150386A (zh) | 基于对比度均值的sar图像相干斑非局部平均抑制方法 | |
| Kartikeyan et al. | Contextual techniques for classification of high and low resolution remote sensing data | |
| 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 | |
| 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 | |
| CN112215832A (zh) | Sar尾迹图像质量评估及自适应探测参数调整方法 | |
| 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 | |
| CN107479052A (zh) | 基于广义高斯分布模型的地面隐蔽目标检测方法 | |
| Liu et al. | Infrared and visible image fusion for shipborne electro-optical pod in maritime environment |
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 |