一种参数自适应的SAR图像去噪方法

doi:10.3969/j.issn.1001-2400.2015.05.011

J4 ›› 2015, Vol. 42 ›› Issue (5): 63-67.doi: 10.3969/j.issn.1001-2400.2015.05.011

一种参数自适应的SAR图像去噪方法

高博1;王俊1;原慧2

(1. 西安电子科技大学雷达信号处理国家重点实验室，陕西西安 710071；
2. 空军工程大学防空反导学院，陕西西安 710051)

收稿日期:2014-04-30 出版日期:2015-10-20 发布日期:2015-12-03
通讯作者: 高博
作者简介:高博(1986-)，男，西安电子科技大学博士研究生，E-mail: elven1986@126.com．
基金资助:
国家自然科学基金资助项目(61372136)

Parameter adaptive SAR image denoising method

GAO Bo1;WANG Jun1;YUAN Hui2

(1. National Key Lab. of Radar Signal Processing, Xidian Univ., Xi'an 710071, China;
2. Air and Missile Defense College, Air Force Engineering Univ., Xi'an 710051, China)

Received:2014-04-30 Online:2015-10-20 Published:2015-12-03
Contact: GAO Bo

摘要/Abstract

摘要：

传统的合成孔径雷达(SAR)图像非局部均值去噪算法中，对于噪声块的相似性度量都简化为噪声点之间的相似性级联．在加性噪声模型下取得了很好的去噪效果．笔者将这种思想推广到了SAR图像的乘性噪声模型下，并且将其在最大似然权重估计的框架下对基于概率斑点(PPB)进行了改进．由于在PPB算法中参数的设置复杂，且不能自适应地获得最优效果，文中提出了基于粒子群优化的参数自适应的SAR图像去噪非局部算法．最后，在真实的SAR数据上，对该算法进行了实验测试，并与经典的PPB算法进行了实验对比．实验验证了该算法能更好地抑制噪声并且同时保持细节信息．

关键词: 图像去噪, 合成孔径雷达, 非局部均值, 粒子群优化

Abstract:

In the traditional SAR image nonlocal means denoising algorithms, the patch similarity is measured by the accumulation of the pixel similarities, and a good denoising performance can be obtained for the additive noise model. This paper extends this idea to the multiplicative noise model for the SAR image, and improves the PPB (Probabilistic Patch-Based) algorithm under the weighted maximum likelihood estimation framework. Since the parameters setting in the PPB algorithm is complicated and it cannot adaptively get the best performance, this paper proposes a particle swarm optimization based parameter adaptive nonlocal means algorithm for SAR image denoising. Finally, experiments compared with the canonical PPB method on the real SAR image are carried out. Experiments demonstrate that the proposed method has a good performance in speckle reduction and details preservation.

Key words: image denoising, synthetic aperture radar, nonlocal means, particle swarm optimization

高博;王俊;原慧. 一种参数自适应的SAR图像去噪方法[J]. J4, 2015, 42(5): 63-67.

GAO Bo;WANG Jun;YUAN Hui. Parameter adaptive SAR image denoising method[J]. J4, 2015, 42(5): 63-67.

参考文献

［1］ Lee J S. Digital Image Enhancement and Noise Filtering by Use Of Local Statistics［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1980, 2(2): 165-168.
［2］ Lee J S, Wen J H, Ainsworth T L, et al. Improved Sigma Filter for Speckle Filtering of SAR Imagery［J］. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 202-213.
［3］ Kuan D T, Sawchuk A A, Strand T C, et al. Adaptive Noise Smoothing Filter for Images with Signal-dependent Noise［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1985, 7(2): 165-177.
［4］ Frost V S, Stiles J A, Shanmugan K S, et al. A Model for Radar Images and Its Application to Adaptive Digital Filtering of Multiplicative Noise［J］. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1982, 4(2): 157-166.
［5］ Buades A, Coll B, Morel J M. A Review of Image Denoising Algorithms, with a New One［J］. Multiscale Modeling ＆ Simulation, 2005, 4(2): 490-530.
［6］ Parrilli S, Poderico M, Angelino C V, et al. A Nonlocal SAR Image Denoising Algorithm Based on LLMMSE Wavelet Shrinkage［J］. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(2): 606-616.
［7］ Deledalle C A, Denis L, Tupin F. Iterative Weighted Maximum Likelihood Denoising with Probabilistic Patch-based Weights［J］. IEEE Transactions on Image Processing, 2009, 18(12): 2661-2672.
［8］ Chen J, Chen Y, An W, et al. Nonlocal Filtering for Polarimetric Sar Data: a Pretest Approach［J］. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(5): 1744-1754.
［9］ Teuber T, Lang A. A New Similarity Measure for Nonlocal Filtering in the Presence of Multiplicative Noise［J］. Computational Statistics ＆ Data Analysis, 2012, 56(12): 3821-3842.
［10］ Goodman J W. Some Fundamental Properties of Speckle［J］. Journal of the Optical Society of America, 1976, 66(11): 1145-1150.
［11］王纵虎, 刘志镜, 陈东辉．一种改进的粒子群优化快速聚类算法［J］. 西安电子科技大学学报, 2012, 39(5): 61-78
Wang Zonghu, Liu Zhijing, Chen Donghui. Improved PSO-based Fast Clustering Algorithm［J］. Journal of Xidian University, 2012, 39(5): 61-78.
［12］ Kervrann C, Boulanger J, Coupe P. Bayesian Non-local Means Filter, Image Redundaucy and Adaptive Dictionaries for Noise Removal［C］//Proceedings of International Conference on Scale Space and Variational Methods in Computer Vision. Berlin: Springer, 2007: 520-532.
［13］ Salmon J. On Two Parameters for Denoising with Non-local Means［J］. IEEE Signal Processing Letters, 2010, 17(3): 269-272.
［14］ Soni V, Bhandari A K, Kumar A, et al. Improved Sub-band Adaptive Thresholding Function for Denoising of Satellite Image Based on Evolutionary Algorithms［J］. IET Signal Processing, 2013, 10(4):720-730.
［15］ Bhutada G G, Anand R S, Saxena S C. PSO-based Learning of Sub-band Adaptive Thresholding Function for Image Denoising［J］. Signal, Image and Video Processing, 2013, 6(1): 1-7.

[1]	闫群民,马瑞卿,马永翔,王俊杰. 一种自适应模拟退火粒子群优化算法[J]. 西安电子科技大学学报, 2021, 48(4): 120-127.
[2]	乔鱼,冯象初. 博弈方法下的图像去噪与边界提取[J]. 西安电子科技大学学报, 2021, 48(4): 128-135.
[3]	刘天宇,王翥. 一种多样性控制的多目标粒子群算法[J]. 西安电子科技大学学报, 2021, 48(3): 106-114.
[4]	杨五四,陈莉,王毅,张茂省. 一种适应度排序的高维多目标粒子群优化算法[J]. 西安电子科技大学学报, 2021, 48(3): 78-84.
[5]	陶毅,丁丽. 利用共轭对称性的数字IQ频域校准方法[J]. 西安电子科技大学学报, 2021, 48(2): 181-189.
[6]	胡利平,闫华,钟卫军,殷红成,王超. 舰船目标三维散射中心建模及SAR快速仿真方法[J]. 西安电子科技大学学报, 2021, 48(2): 72-83.
[7]	段崇棣,韩超垒,杨志伟,张庆君. 一种杂波分类辅助的近海岸模糊杂波抑制方法[J]. 西安电子科技大学学报, 2021, 48(2): 64-71.
[8]	杨军,周芳. 分布式小卫星MIMO-SAR超高分辨成像方法[J]. 西安电子科技大学学报, 2021, 48(2): 99-108.
[9]	王昕,常贵清,池琛琛. 广角SAR各向异性散射目标分离成像[J]. 西安电子科技大学学报, 2021, 48(2): 109-116.
[10]	陆金文,闫华,殷红成,张磊,董纯柱. 用于三维散射中心SBR建模的边缘绕射修正[J]. 西安电子科技大学学报, 2021, 48(2): 117-124.
[11]	王志浩,张金松,孙光才,李军,邢孟道. 一种联合多特征量的SAR人造微弱痕迹检测方法[J]. 西安电子科技大学学报, 2019, 46(6): 131-139.
[12]	杨磊,岳云泽,李埔丞,章涛,杨桓. 多地面运动目标大动态SAR成像稀疏表示[J]. 西安电子科技大学学报, 2019, 46(5): 31-40.
[13]	郭睿,臧博,彭树铭,邢孟道. 高分辨InSAR中的城市高层建筑特征提取[J]. 西安电子科技大学学报, 2019, 46(4): 137-143.
[14]	曾创展,朱卫纲,贾鑫. 一种稀疏孔径逆合成孔径雷达成像算法[J]. 西安电子科技大学学报, 2019, 46(3): 123-129.
[15]	赖睿,官俊涛,徐昆然,熊皑,杨银堂. 级联残差学习的红外图像非均匀性校正方法[J]. 西安电子科技大学学报, 2019, 46(1): 14-19.

一种参数自适应的SAR图像去噪方法

Parameter adaptive SAR image denoising method

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0