核回歸方法研究及其在圖像去噪中的應(yīng)用.pdf

1、核回歸是一種非參數(shù)估計(jì)方法，它從觀測(cè)數(shù)據(jù)出發(fā)估計(jì)圖像，只需要較少的圖像或噪聲分布，因此能夠廣泛地適用于各種類型的圖像及噪聲處理，并且在保證去噪效果的同時(shí)保留圖像細(xì)節(jié)，具有重要的理論和應(yīng)用研究意義。
　　本文在光學(xué)圖像和合成孔徑雷達(dá)圖像去噪的應(yīng)用背景下，對(duì)核回歸方法開展理論研究和應(yīng)用研究。從核函數(shù)角度提出了基于二階微分的核估計(jì)方法和基于擴(kuò)散張量的自適應(yīng)核回歸方法，以及從擬合模型角度提出了基于p范分布的穩(wěn)健核回歸方法和基于乘積模型的核

2、回歸方法，并應(yīng)用于圖像去噪中。
　　本文的主要工作和創(chuàng)新點(diǎn)如下：
　　(1)基于二階微分的核估計(jì)方法及其在圖像去噪中的應(yīng)用
　　在經(jīng)典核估計(jì)的基礎(chǔ)上，通過(guò)分析核估計(jì)和真值之間的關(guān)系，用不同帶寬下的兩個(gè)核估計(jì)表示回歸函數(shù)的二階微分，進(jìn)而對(duì)核估計(jì)進(jìn)行改進(jìn)，提出基于二階微分的核估計(jì)方法，并證明該估計(jì)是無(wú)偏估計(jì)。該方法應(yīng)用于圖像數(shù)據(jù)中，可在保持平滑性的同時(shí)，對(duì)頂點(diǎn)起到明顯的保護(hù)效果；在突出邊緣和目標(biāo)等細(xì)節(jié)信息上，該方法具有良好

3、的表現(xiàn)。
　　(2)基于擴(kuò)散張量的自適應(yīng)核回歸方法及其在圖像去噪中的應(yīng)用
　　自適應(yīng)核回歸方法的平滑矩陣通常由梯度的協(xié)方差矩陣構(gòu)成，不足以提供豐富的局部結(jié)構(gòu)信息。為此，根據(jù)散布矩陣特點(diǎn)，利用擴(kuò)散張量調(diào)整梯度協(xié)方差矩陣來(lái)修正平滑矩陣，提出了基于擴(kuò)散張量的核回歸圖像去噪方法；同時(shí)，根據(jù)SAR圖像先驗(yàn)信息，利用幅度信息保護(hù)點(diǎn)目標(biāo)，利用ROA邊緣檢測(cè)保護(hù)邊緣目標(biāo)，提出了SAR圖像的基于擴(kuò)散張量的核回歸自適應(yīng)相干斑抑制方法，達(dá)到去除相

4、干斑的同時(shí)保護(hù)點(diǎn)目標(biāo)和邊緣目標(biāo)的效果。
　　(3)基于p范分布的穩(wěn)健核回歸方法及其在椒鹽噪聲去除中的應(yīng)用
　　從影響函數(shù)和崩潰點(diǎn)兩個(gè)方面分析了經(jīng)典核回歸方法的不穩(wěn)健性和p范估計(jì)的穩(wěn)健性。鑒于p范分布在描述噪聲的統(tǒng)計(jì)性能方面的優(yōu)越性，從M估計(jì)角度提出了基于p范分布的穩(wěn)健核回歸方法，用于含椒鹽噪聲的圖像去噪。并進(jìn)一步將圖像的直方圖信息參與到濾波過(guò)程，以提高基于p范分布的核回歸方法抵抗高強(qiáng)度椒鹽噪聲污染的穩(wěn)健性。
　　(4)

5、基于乘積模型的核回歸方法及其在SAR圖像相干斑抑制中的應(yīng)用
　　在提出經(jīng)典核回歸估計(jì)的最大似然解釋基礎(chǔ)上，從最大似然角度提出了基于乘積模型的核回歸估計(jì)。進(jìn)一步針對(duì)噪聲服從 Gamma分布的實(shí)際，給出了基于Gamma分布的可靠性度量，從而建立了基于乘積模型的核回歸方法。針對(duì)SAR圖像相干斑的乘積模型，提出了基于乘積模型的核回歸SAR圖像相干斑抑制方法。該方法應(yīng)用于SAR圖像相干斑抑制中，具有更高的擬合度和平滑性，在目標(biāo)點(diǎn)和邊緣區(qū)域處