基于小波和壓縮感知技術(shù)的遙感圖像處理研究.pdf

1、在SAR圖像處理的理論研究和實(shí)際工程應(yīng)用中，圖像的表達(dá)和分解研究具有非常重要的意義。SAR圖像的小波分析克服了短時(shí)傅立葉變換在單分辨率上的缺陷，具有多分辨率分析的特點(diǎn)，可以探測(cè)正常信號(hào)中的瞬態(tài)，廣泛應(yīng)用于各個(gè)時(shí)頻分析領(lǐng)域。
　　 小波域SAR圖像去噪相對(duì)于普通非小波去噪方法有獨(dú)到的優(yōu)勢(shì)。由于SAR圖像數(shù)據(jù)具有較強(qiáng)的空間、時(shí)間相關(guān)性，通過小波變換，可以把圖像的能量稀疏化。而經(jīng)過小波變換后噪聲不具備稀疏性，這樣就可以較容易的將圖像能

2、量和噪聲能量區(qū)分開來，達(dá)到去噪的效果。本文提出兩種基于小波的去噪新方法。第一個(gè)方法是基于雙樹復(fù)數(shù)小波變換的SAR圖像去噪方法。去噪中利用了父系數(shù)及相鄰系數(shù)的相關(guān)性，確定的閾值更精確，取得了良好的去噪效果。第二個(gè)方法是小波域3D Context模型的多波段多極化SAR圖像去噪新方法。應(yīng)用分塊后，可以更精確的確定閾值，從而也能取得良好的去噪效果。
　　 Grouplet變換(Grouplet Transform，GT)的基可以隨著圖

3、像在不同尺度下幾何結(jié)構(gòu)的變化而變化，因而可以最大限度的利用圖像的幾何特征。由于在求取關(guān)聯(lián)域時(shí)所采用的Block Matching算法不能自適應(yīng)的隨著圖像紋理結(jié)構(gòu)的改變而改變，因而本文提出兩種Grotlplet的改進(jìn)算法，即基于流的Grouplet變換(S-GT)和基于關(guān)聯(lián)域裁剪的Grouplet變換(AC-GT)。把Grouplet變換引入到圖像去噪處理，對(duì)基于原算法和改進(jìn)后算法在圖像去噪處理應(yīng)用上的效果進(jìn)行了深入的研究和比較。經(jīng)實(shí)驗(yàn)證

4、明，由改進(jìn)算法S-GT和AC-GT變換計(jì)算出來的關(guān)聯(lián)域相比GT變換更加符合原圖像的紋理結(jié)構(gòu)，去噪性能相對(duì)其它算法也有了很大的提升。
　　 用壓縮感知方法可以突破奈奎斯特采樣定理對(duì)SAR圖像采樣頻率的限制。本文對(duì)常用的壓縮感知測(cè)量矩陣進(jìn)行了研究和實(shí)驗(yàn)，并提出了使用Gram-Schmidt正交化方法構(gòu)造新的測(cè)量矩陣的方法。本文還提出了一種基于小波樹的正交匹配算法：基于子孫節(jié)點(diǎn)的小波樹SAR圖像CS重建算法。實(shí)驗(yàn)結(jié)果表明該算法比OMP