导读:本文包含了相干斑噪声论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:噪声,图像,抑制,小波,孔径,正则,自适应。
相干斑噪声论文文献综述
张勤[1]（2019）在《基于GPU的Directionlet域SAR图像相干斑噪声抑制并行算法研究》一文中研究指出合成孔径雷达(SAR)是一种新兴的雷达技术,已被广泛应用于很多领域。由于SAR成像对风、雨、雷、雾等恶劣天气不敏感,几乎不受其影响,因此其具有全天候的特点。但是,由于SAR成像是基于干涉原理实现的,使得SAR图像具有相干斑噪声,严重影响SAR图像的质量,给后续SAR图像的处理和分析工作带来不便。随着SAR成像技术的不断发展,我们能得到很多高分辨率的SAR图像。而且在SAR成像技术的应用中,大多需要不间断地进行成像,这样所得到的数据量是极其庞大的。所以,高效的去噪算法是现如今SAR图像研究的关键。在现有的SAR图像去噪算法中,几乎都是传统的串行算法,而随着GPU技术的快速发展,GPU的计算能力则是远远超越了串行计算。因此,SAR图像相干斑噪声抑制并行算法研究具有重要的实际意义。本文结合较为成熟的第叁代小波变换——directionlet变换在GPU上实现SAR图像的并行去噪算法。不使用标准的二维小波变换是因为它采用的是标准正交基,使得其具备各向同性的特点,不能很好地捕捉和表达图像在边缘、轮廓等地方的信息,这也会严重影响SAR图像的后续工作。因此,本文选用了具备各向异性的方向波变换,不仅使得图像的轮廓、边缘等信息能够得到很好地表达,同时,还能使得变换具备方向性,也就是说,方向波变换不再局限于水平和垂直方向,可以沿着任意给定的方向进行变换。根据directionlet变换系数呈现稀疏的特点,本文对变换之后的系数进行建模和参数求解,再根据求解得到的参数从含噪声的SAR图像中估计出无噪图像,即达到噪声去除的效果。由于在此过程中存在很多可并行化的过程,因此,本文基于GPU分别将各个过程并行化,在GPU上实现计算,以完成整个算法的并行化,提升SAR图像的去噪效率。本文基于GPU实现的并行算法主要包含叁个方面的内容,如下所示:(1)基于GPU的directionlet变换。在这部分中,我们首先确定生成矩阵,再根据生成矩阵进行陪集分解。在此过程中我们分别为输入的SAR图像和待输出的陪集分配内存,根据输入输出的对应关系建立核函数,并通过在GPU上的调用来实现分解算法的并行化。然后分别对每一个陪集子图像进行各向异性小波变换(Anisotropic Wavelet Transform,AWT),其中对最主要的卷积过程建立在GPU上调用和计算的子函数,另外建立外层循环和核函数,通过调用卷积子过程实现AWT。这样就在GPU完成了directionlet正变换,能够得到原图像的高、低频信息,大大提高变换的效率。(2)基于GPU的模型参数估计。我们根据directionlet变换系数呈现出的统计特点,对变换之后的高频系数进行建模,采用混合高斯模型(GMM)来拟合其统计曲线。在求解GMM参数时,我们采用了经典的期望最大化(EM)算法,而由于EM算法本身不可并行化,因此,此过程中我们仅使用GPU来计算,以及通过将大的子图像分解成小的子图像块的方法,对同属大子图像的图像块分别求解其参数,然后取平均值,以此来提高模型参数的准确性,使求解出来的参数能够更好地拟合原始的系数统计曲线。至于噪声的统计模型,我们假定斑点噪声是均值为0,方差未知的高斯噪声。对噪声方差我们采用标准差估计法,首先建立在GPU上计算和调用的排序子程序,待数据载入后对数据分组并调用排序子程序找出每一组的中位数,将中位数组成新的数据重新载入,循环至得到结果。(3)基于GPU的SAR图像重构。根据已经得到的模型参数和噪声参数,通过最大后验概率估计的方法,将无噪的SAR图像从含噪图像中估计出来,达到去噪的目的。这个过程中我们将含噪的SAR图像和参数载入,核函数为估计方法,每一个线程包含一个像素点,通过核函数的调用输出无噪图像。这些被估计出来的图像还需要经过directionlet逆变换才能重构得到无噪的原始图像。实验结果表明,本文提出的基于GPU的directionlet域SAR图像相干斑噪声抑制的并行算法不仅能保持原串行算法的准确性和精确度,而且非常高效,大大减少了程序的执行时间。(本文来源于《安徽大学》期刊2019-02-01）
蒙倩颜[2]（2018）在《抑制SAR图像相干斑噪声的方法研究与比较》一文中研究指出本文在研究SAR图像相干斑噪声特性的基础上,分析了四种抑制相干斑噪声的方法,即Lee滤波、Lee增强型滤波、Frost滤波、Gamma MAP滤波,并用目视效果、图像标准差、等效视数和边缘保持指数这四个性能指标来评价四种滤波算法,以得出最优的滤波方式,为后续处理SAR图像做好准备。(本文来源于《电子世界》期刊2018年12期）
盖文娜,徐慧,梁鑫[3]（2016）在《一种SAR图像相干斑噪声抑制新算法》一文中研究指出合成孔径雷达(SAR)图像的乘性相干斑噪声的存在影响了图像的视觉质量和解译,本文提出的新的算法不仅可以抑制这种噪声同时还有效地保护了SAR图像的边缘特性,在总结了一些SAR图像相干斑噪声抑制算法的基础上提出了一种基于非下采样小波包变换(UWPT)的SAR图像相干斑抑制新算法。实验表明:与Lee滤波算法、小波变换算法相比较,本算法在SAR图像的相干斑噪声抑制与边缘保护方面有较好的效果。(本文来源于《电脑知识与技术》期刊2016年22期）
李玉峰,李景芳[4]（2016）在《基于FCM算法的SAR图像相干斑噪声滤波算法研究》一文中研究指出针对FCM分割对SAR图像斑点噪声敏感的特点,提出了一种新的去噪方法。所提出的方法主要分叁个步骤:首先,分别对获得的两幅同源不同时相的SAR图像进行小波和Lee滤波结合去噪;然后,通过对数比值检测方法获得变化信息,利用双边滤波器处理变化信息,以获得能保留图像丰富细节信息的图像降噪效果;最后,利用FCM方法把变化信息分成两类,这样就可以获得变化检测结果。Ottawa地区的部分图像作为检测算法性能的数据库。将去噪方法相互比较,结果表明提出的算法分类正确率达到98.29%,优于其他去噪方法。(本文来源于《计算机应用研究》期刊2016年08期）
刘晨,张宗虎[5]（2015）在《一种改进的Lee滤波相干斑噪声抑制方法》一文中研究指出针对Lee滤波存在的消除匀质区域的相干斑噪声和保持图像边缘信息的这一矛盾,将自适应窗口和边缘检测结合引入到Lee滤波方法中,与经典的Lee,Enhanced Lee,Refined Lee相干斑抑制方法相比,新提出的Lee滤波方法在保持图像边缘信息的同时,能有效地消除平坦区域的相干斑噪声,缓和了两者间的矛盾。(本文来源于《新疆师范大学学报(自然科学版)》期刊2015年01期）
李金才,彭宇行,朱敏,陈鹏[6]（2014）在《基于空间自适应非凸正则项全变差相干斑噪声抑制》一文中研究指出全变差正则化方法是相干斑噪声抑制研究的热点.非凸正则项能够更好地保持图像的边缘、纹理细节信息;空间自适应正则化参数可以根据像素点所在的区域,合理地控制噪声抑制程度,从而提高噪声抑制效果.本文结合非凸正则项和空间自适应正则化参数提出了一种新的全变差相干斑噪声抑制模型,并且给出了一种模型求解的数值算法.数值试验结果表明该模型能够获得更好的相干斑噪声抑制效果.(本文来源于《物理学报》期刊2014年18期）
刘丽君,胡仕友,曹星慧[7]（2014）在《基于Q-Shift双树复小波的SAR图像相干斑噪声抑制》一文中研究指出在复杂的SAR相干成像过程中,SAR图像会受到相干斑噪声影响,传统的图像去噪方法不能对相干斑噪声进行有效抑制,从而会严重影响SAR图像目标的提取和识别。针对SAR图像的特点,提出一种基于QShift双树复小波变换(DT-CWT)的SAR图像相干斑噪声抑制方法。该方法利用Q-Shift双树复小波变换的平移不变性、多方向选择性、滤波器结构对称性等优点,对含有特征目标的含斑SAR图像进行小波系数分解,来获得更多的目标高频信息。然后通过对小波系数建模和图像重构,得到去斑SAR图像。试验结果表明,该方法对含有特征目标的SAR图像相干斑噪声有抑制效果,而且能够更好地保留图像细节和目标特征。(本文来源于《战术导弹技术》期刊2014年04期）
李金才[8]（2014）在《合成孔径雷达图像相干斑噪声抑制研究》一文中研究指出合成孔径雷达通过发射相干电磁波,接收观测目标回波进行成像,具有高分辨率、全天时、全天候、穿透性强、覆盖面积大等特点,广泛应用于军事和民用等诸多领域。由于合成孔径雷达特有的成像机制,使得其图像中存在着固有的相干斑噪声。相干斑噪声的存在严重阻碍了合成孔径雷达图像的解释和进一步应用。本文针对合成孔径雷达图像相干斑噪声抑制问题,以提高相干斑噪声抑制效果为目标,对双边滤波相干斑噪声抑制参数配置、各向异性扩散相干斑噪声抑制方法中边缘检测、基于全变差相干斑噪声抑制方法中边缘保持和噪声程度抑制等挑战性问题进行了研究。主要工作及创新成果包括:针对双边滤波相干斑噪声抑制几何距离方差和灰度值近似方差参数配置问题,提出了一种螺旋迭代参数配置方法,该方法基于噪声抑制质量评价指标曲线特征,在给定灰度值近似方差参数的初值后,螺旋迭代地计算最优灰度值近似方差。与传统方法相比,该方法在计算时间相当的情况下,灰度值近似方差的精度提高了一个数量级;在灰度值近似方差精度相同的情况下,计算时间减少了一个数量级。针对螺旋迭代方法初值依赖性问题,提出了一种交叉迭代方法,该方法对给定的两个灰度值近似方差参数初始值,迭代构造两条相交的直线,直线交点收敛于最佳灰度值近似方差参数值,方法收敛性得到了证明。该方法不仅解决了初值依赖问题,而且灰度值近似方差参数具有更高的精度,收敛速度更快。针对各向异性扩散相干斑噪声抑制方法中的边缘检测问题,提出了一种基于图像熵的各向异性扩散相干斑噪声抑制方法,该方法基于能量在空间中分布的均匀程度来检测图像边缘,提高了边缘检测的准确性。该方法无需对传统方法中的方差和均值等统计量进行估计,避免了由于统计量估计误差对边缘检测造成的影响,提高了相干斑噪声的抑制效果。针对基于全变差相干斑噪声抑制方法中的边缘保持和噪声程度抑制问题,提出了一种相干斑噪声抑制模型,并给出了该模型的一种数值求解算法,该模型结合非凸正则项和空间自适应正则化参数,更好地保持了图像边缘、纹理等细节信息,合理地控制了不同区域噪声抑制程度。与传统的仅使用非凸正则项的模型或仅使用自适应正则化参数的模型相比,该模型能够获得更好的噪声抑制效果。(本文来源于《国防科学技术大学》期刊2014-05-01）
刘聪,李言俊,刘保元[9]（2014）在《基于2D-PWVD的SAR图像相干斑噪声抑制》一文中研究指出合成孔径雷达(SAR)图像相干斑噪声是影响对SAR图像正确解译的主要因素之一,在二维魏格纳分布的框架内,提出了一种基于二维伪魏格纳威尔分布变换的SAR图像噪声抑制的方法。首先,根据魏格纳威尔分布的理论,阐述了图像的二维伪魏格纳威分布表示,以及分解后的多频段图谱的特性;然后,针对该特性,提出对应的计算处理方法,并将分解图像相加,形成SAR图像噪声抑制后图像;最后,利用MiniSAR实测SAR图像数据进行验证试验,并将结果与均值滤波、LEE滤波和小波软阈值滤波SAR图像噪声抑制算法进行对比分析,结果显示,文中所提算法是有效可行的。(本文来源于《现代雷达》期刊2014年04期）
赵辉煌,王耀南,孙雅琪[10]（2013）在《基于小波变换和Wiener滤波的SAR图像相干斑噪声去除》一文中研究指出先介绍了小波变换和Wiener滤波,为提高去噪性能,提出一种基于小波变换和Wiener滤波的SAR图像speckle噪声去除算法,利用Wiener滤波对小波分解系数去噪.结果表明,与传统方法相比,所提出的算法能较好地提高SAR图像的去噪效果.(本文来源于《微电子学与计算机》期刊2013年11期）
相干斑噪声论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文在研究SAR图像相干斑噪声特性的基础上,分析了四种抑制相干斑噪声的方法,即Lee滤波、Lee增强型滤波、Frost滤波、Gamma MAP滤波,并用目视效果、图像标准差、等效视数和边缘保持指数这四个性能指标来评价四种滤波算法,以得出最优的滤波方式,为后续处理SAR图像做好准备。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
相干斑噪声论文参考文献
[1].张勤.基于GPU的Directionlet域SAR图像相干斑噪声抑制并行算法研究[D].安徽大学.2019
[2].蒙倩颜.抑制SAR图像相干斑噪声的方法研究与比较[J].电子世界.2018
[3].盖文娜,徐慧,梁鑫.一种SAR图像相干斑噪声抑制新算法[J].电脑知识与技术.2016
[4].李玉峰,李景芳.基于FCM算法的SAR图像相干斑噪声滤波算法研究[J].计算机应用研究.2016
[5].刘晨,张宗虎.一种改进的Lee滤波相干斑噪声抑制方法[J].新疆师范大学学报(自然科学版).2015
[6].李金才,彭宇行,朱敏,陈鹏.基于空间自适应非凸正则项全变差相干斑噪声抑制[J].物理学报.2014
[7].刘丽君,胡仕友,曹星慧.基于Q-Shift双树复小波的SAR图像相干斑噪声抑制[J].战术导弹技术.2014
[8].李金才.合成孔径雷达图像相干斑噪声抑制研究[D].国防科学技术大学.2014
[9].刘聪,李言俊,刘保元.基于2D-PWVD的SAR图像相干斑噪声抑制[J].现代雷达.2014
[10].赵辉煌,王耀南,孙雅琪.基于小波变换和Wiener滤波的SAR图像相干斑噪声去除[J].微电子学与计算机.2013
论文知识图
