小波软阈值算法在SAR图像去噪处理中的应用研究

【摘要】： 随着航天航空技术的飞速发展，合成孔径雷达(SAR)不仅广泛应用在军事上，而且在农业、地理、海洋、气象等领域也有广泛的应用。但是由于SAR是干涉成像，实测得到的图像几乎被speckle噪声完全淹没。如何从严重被污染的图像中恢复出有用信号——即SAR图像去噪增强处理，一直以来都是遥感图像处理的一大难点，同时也是一个热点[21]。 小波的多分辨分析(MPA)特性，在降噪过程中使它既可以有效地抑制噪声，又可以很好地保持图像的大体轮廓特征。Mallat,Witkon,Donoho[12，13，14]等几位小波学家也先后提出了小波域内去噪的技术，尤其是1995年Donoho提出小波软阈值去噪方法，由于它的简单有效，一经提出就得到了极大的推广。但SAR图像信息在各频带上分布的复杂性，及噪声模型的不可确定性，如果直接使用Donoho理论在二维的推广对speckle噪声进行平滑，则不仅去噪不彻底，而且在降噪过程还会严重损失高频有用信息。 本文将小波软阈值方法引入到SAR图像去噪处理中来，并对它进行了改进，提出自己的阈值公式。所做的工作如下： 1．将Donoho的小波软阈值去噪方法(本文称之为小波全阈值方法，WGST)推广到二维图像信号处理，对SAR图像进行了详细地分析并给出去噪和相应特征提取处理后的实验结果。 2．由于噪声能量在不同方向(水平、垂直和对角)的高频系数分布情况有所差异，对小波全阈值方法进行了改进之处是对不同尺度高频系数取不同阈值，同时对同一尺度不同方向的高频系数也取不同阈值，本文称之为小波局部软阈值(WLST)。 3．在文中对speckle噪声做Gaussian近似，提出了改进方法所用到的阈值公式。并把乘性噪声通过对数变换转为加性的，再使用改进后的算法对其去噪。 实验结果和数据分析表明，改进后的小波软阈值方法对SAR图像的去噪增强和大体轮廓保持很有效，因此可将它应用在带有speckle噪声的SAR图像去噪处理。