移不變抗混疊多尺度幾何分析及其在SAR圖像處理中的應(yīng)用.pdf

1、SAR圖像因受成像過(guò)程中諸多客觀因素的影響，不可避免存在復(fù)雜噪聲、模糊退化和缺乏光譜信息等問(wèn)題。本論文以研究項(xiàng)目的實(shí)際應(yīng)用需求為牽引，致力于利用濾波器組的移不變性和抗混疊性理論，探索構(gòu)造新的具有移不變性和抗混疊性能的Ridgelet變換、Curvelet變換和Contourlet變換，并應(yīng)用于SAR圖像處理，以進(jìn)一步提高和改善SAR圖像質(zhì)量。論文主要研究?jī)?nèi)容是：
　　 (1)對(duì)Ridgelet變換、Curvelet變換和Cont

2、ourlet變換的移變性和頻譜混疊缺陷進(jìn)行了研究。
　　 由于移變性和頻譜混疊缺陷，造成眾多多尺度幾何分析方法在圖像去噪、復(fù)原和融合領(lǐng)域內(nèi)并沒(méi)有表現(xiàn)出應(yīng)有的能力，反而在重構(gòu)圖像中出現(xiàn)“環(huán)繞劃痕”和“嵌入污點(diǎn)”等現(xiàn)象。論文通過(guò)詳細(xì)研究Ridgelet變換、Curvelet變換和Contourlet變換的構(gòu)造原理，指出因Radon變換過(guò)程中采樣不足導(dǎo)致的頻譜混疊被隨后缺乏平移不變性的離散小波變換放大，從而造成Ridgelet變換整體

3、上缺乏平移不變性和抗混疊性；而a trous算法的二進(jìn)插零方式使濾波器寬度增幅過(guò)快導(dǎo)致邊界發(fā)生畸變，這種畸變被隨后缺乏移不變和抗混疊性的Ridgelet變換進(jìn)一步加強(qiáng)，從而造成Curvelet變換缺乏移變性和抗混疊性；構(gòu)成Contourlet變換的拉普拉斯塔型變換(LP)中兩個(gè)低通濾波器不滿足Nyquist抽樣定律，導(dǎo)致方向?yàn)V波器組(DFB)的楔形頻域劃分頻譜混疊加劇，并且Contourlet變換整體上缺乏平移不變性，使頻域混疊進(jìn)一步惡

4、化，從而導(dǎo)致重構(gòu)圖像中存在嚴(yán)重的“劃痕”現(xiàn)象。
　　 (2)提出并實(shí)現(xiàn)了具有移不變性和抗混疊性能的Ridgelet變換、Curvelet變換和Contourlet變換，初步形成了移不變抗混疊多尺度幾何分析理論框架。
　　 論文研究了濾波器組的移不變性和抗混疊性理論，分析了具有平移不變特性和抗混疊特性的雙樹(shù)復(fù)小波變換(DCWT)的獨(dú)特構(gòu)造原理。在此研究基礎(chǔ)上，論文通過(guò)對(duì)圖像插值補(bǔ)零以提高頻域采樣率，并用一維DCWT代替一維

5、離散小波變換，從而構(gòu)造出新的復(fù)數(shù)Ridgelet變換；采用二維DCWT和復(fù)數(shù)Ridgelet變換分別代替原Curvelet變換中的a trous算法和Ridgelet變換，從而構(gòu)造出新的復(fù)數(shù)Curvelet變換。論文在研究控向金字塔變換構(gòu)造原理的基礎(chǔ)上，提出一種新的移不變抗混疊塔式分解。同時(shí)，借鑒DCWT的雙樹(shù)構(gòu)造原理，構(gòu)造出具有雙樹(shù)結(jié)構(gòu)的復(fù)數(shù)DFB，并把它與移不變抗混疊塔式分解相結(jié)合，構(gòu)造出新的移不變抗混疊Contourlet變換(S

6、INACT)。實(shí)驗(yàn)結(jié)果表明，相比它們各自原有的形式，雖然復(fù)數(shù)Ridgelet變換、復(fù)數(shù)Curvelet變換和SINACT具有較大的冗余度，但它們能有效克服重構(gòu)圖像中出現(xiàn)的“環(huán)繞”、“劃痕”和“嵌入污點(diǎn)”等缺陷，在圖像去噪、恢復(fù)和融合等應(yīng)用領(lǐng)域內(nèi)，具有非常鮮明的理論優(yōu)勢(shì)和應(yīng)用前景。
　　 (3)研究了SINACT的系數(shù)統(tǒng)計(jì)模型，提出并實(shí)現(xiàn)了SINACT域混合統(tǒng)計(jì)模型SAR圖像斑點(diǎn)噪聲抑制算法。
　　 論文在分析SAR圖像斑

7、點(diǎn)噪聲產(chǎn)生的機(jī)理及其特征的基礎(chǔ)上，研究了SINACT域系數(shù)的邊緣統(tǒng)計(jì)分布和層間聯(lián)合統(tǒng)計(jì)分布特性，并提出了SINACT域混合統(tǒng)計(jì)模型的SAR圖像斑點(diǎn)噪聲抑制方法。研究工作表明，SINACT變換域信號(hào)系數(shù)的邊緣分布具有非高斯、高峰度和長(zhǎng)拖尾等特點(diǎn)，且符合廣義高斯分布；并指出SINACT域?qū)娱g信號(hào)系數(shù)的相關(guān)性可以采用非高斯雙變量模型來(lái)刻畫，但是，在尺度較小(1或2)的方向子圖中，噪聲系數(shù)幅值衰減不大，表現(xiàn)出較強(qiáng)的假尺度間相關(guān)性，為此，提出在方

8、向子圖局部鄰域內(nèi)，采用具有強(qiáng)局部相關(guān)性的零均值高斯模型對(duì)含噪系數(shù)進(jìn)行估計(jì)，以減少非高斯雙變量分布模型在小尺度下放大噪聲的風(fēng)險(xiǎn)。去噪實(shí)驗(yàn)表明，本文去噪算法在有效抑制SAR圖像斑點(diǎn)噪聲的同時(shí)，對(duì)圖像邊緣和細(xì)節(jié)具有較好的保護(hù)能力。
　　 (4)在國(guó)內(nèi)外率先展開(kāi)SAR圖像的盲復(fù)原研究。
　　 通過(guò)對(duì)SAR圖像降質(zhì)因素的分析，創(chuàng)造性提出了SAR圖像的組合降質(zhì)模型和相應(yīng)的復(fù)原流程。采用對(duì)數(shù)直方圖檢驗(yàn)方法，研究了自然圖像頻域系數(shù)的高斯

9、尺度混合(GSM)分布特點(diǎn)，指出高斯尺度矢量的邊緣分布和對(duì)尺度因子的條件分布分別符合廣義高斯分布和零均值高斯分布。在此基礎(chǔ)上，提出了基于SINACT域GSM的圖像退化模型，并結(jié)合迭代盲反卷積算法(IBD)對(duì)傳遞函數(shù)的有效估計(jì)，實(shí)現(xiàn)了SAR圖像的盲復(fù)原。實(shí)驗(yàn)結(jié)果表明，對(duì)于降質(zhì)因素復(fù)雜且降質(zhì)嚴(yán)重的SAR圖像，本論文提出的降質(zhì)模型和對(duì)應(yīng)的復(fù)原流程，以及復(fù)原算法取得了較好的復(fù)原效果。
　　 (5)提出并研究了SAR圖像與多光譜遙感圖像的

10、融合算法。
　　 針對(duì)SAR圖像缺乏光譜信息的缺陷，充分利用SINACT的平移不變性和抗混疊性的優(yōu)勢(shì)，對(duì)多光譜圖像經(jīng)HIS空間變換分離出的I分量子圖和SAR圖像分別進(jìn)行SINACT，并對(duì)低頻系數(shù)和高頻系數(shù)分別按取大值(或求平均)和鄰域一致性測(cè)度的局部自適應(yīng)方法進(jìn)行系數(shù)融合，并對(duì)經(jīng)逆SINACT得到的圖像代替原多光譜圖像分解的I分量子圖，再經(jīng)HIS反變換得到最終的融合圖像。實(shí)驗(yàn)結(jié)果表明，本論文提出的融合方法，在視覺(jué)效果上能很好保留