無(wú)源毫米波圖像的自適應(yīng)去噪與稀疏重建算法研究.pdf

1、無(wú)源毫米波成像能利用場(chǎng)景和目標(biāo)在毫米波段輻射能量的差異性實(shí)現(xiàn)成像。在實(shí)際毫米波成像系統(tǒng)中，由于天線孔徑大小限制以及噪聲影響，導(dǎo)致成像質(zhì)量降低，分辨率偏低，使用一般圖像重建方法往往忽略了圖像本身特征，所以研究針對(duì)實(shí)際成像問(wèn)題的圖像處理方法十分必要。
　　本文圍繞毫米圖像去噪和重建問(wèn)題，主要研究了基于圖像本身特征的自適應(yīng)去噪方法，同時(shí)結(jié)合信號(hào)的稀疏表示理論，研究了基于圖像稀疏性的自適應(yīng)表示以及重建方法。主要內(nèi)容有：
　　1、在毫

2、米波圖像預(yù)處理中，針對(duì)中值濾波的全局濾波處理在去噪的同時(shí)也模糊了圖像信息的問(wèn)題，采用先檢測(cè)、后去噪的去噪流程，提出了基于中值濾波的沖激噪聲檢測(cè)算法，給出了檢測(cè)閾值確定原則，保留了中值濾波去除沖激噪聲的良好性能，同時(shí)避免了傳統(tǒng)方法對(duì)圖像信息不必要的模糊。
　　2、針對(duì)在毫米波圖像中金屬點(diǎn)目標(biāo)的被誤判為噪聲的問(wèn)題，分析了噪聲和目標(biāo)在圖像差分上的不同表現(xiàn)，提出了基于歸一化差分值的自適應(yīng)沖激噪聲檢測(cè)算法，實(shí)現(xiàn)了目標(biāo)和噪聲的自適應(yīng)區(qū)分，進(jìn)一

3、步改善了沖激噪聲去除效果，有利于后續(xù)的目標(biāo)檢測(cè)與識(shí)別。
　　3、研究了基于圖像塊的局部稀疏表示模型，以及基于圖像塊自適應(yīng)稀疏表示算法，根據(jù)圖像塊在冗余字典上的局部稀疏先驗(yàn)，研究了毫米波圖像自適應(yīng)稀疏去噪算法，仿真驗(yàn)證了該算法去噪的有效性。
　　4、分析了基于圖像塊稀疏性的的毫米波圖像重建模型，研究了基于閾值迭代法的毫米波圖像重建算法。將毫米波圖像在冗余字典上的稀疏性加入到目標(biāo)函數(shù)的約束項(xiàng)中，同時(shí)利用圖像的非負(fù)有限性，通過(guò)迭代