改進的混合雙域圖像去噪和基于融合差異圖及邊緣分類的SAR圖像變化檢測.pdf

1、圖像去噪是圖像處理域的一個重要課題，其目的就是從被噪聲污染的圖像中最大限度的恢復出干凈的圖像，在圖像去噪時，應盡可能多的保持圖像的邊緣、紋理和結構信息。合成孔徑雷達(SAR)圖像因其具有全天時、全天候的優(yōu)點而被廣泛應用到各個方面。SAR圖像變化檢測就是對同一地區(qū)不同時間段的兩幅SAR圖像進行分析比較，提取出變化信息。SAR圖像變化檢測在自然災害的預測與評估、城市規(guī)劃、植被覆蓋及軍事目標檢測等方面具有重要的應用。本文主要研究了如何在空間域

2、和變換域對自然圖像進行去噪；在SAR圖像變化檢測中，如何對差異圖進行融合，以及如何融合初始變化檢測邊緣分類檢測結果，以及更有效的檢測出邊緣的變化信息。其主要工作如下：
　　1.提出了一種基于空間域和變換域共同對自然圖像處理的混合雙域去噪方法。該方法對傳統(tǒng)的聯(lián)合雙邊濾波核的空間核和范圍核分別分析并進行了改進，在空間核中將衰減因子與滑動窗半徑聯(lián)系起來，在范圍核中加入修正項以獲得良好的去噪效果。首先，在空間域利用改進的聯(lián)合雙邊濾波對輸入

3、的自然圖像進行聯(lián)合指導濾波得到空間域處理結果，然后計算濾波前后的殘差圖像并利用約束函數(shù)對其進行約束；其次，將約束后的殘差圖像通過短時傅里葉變換變換到頻域，并對頻域系數(shù)進行小波閾值收縮后并逆變換得到頻域處理結果；最后，將空間域的處理結果與頻域處理結果進行融合，并將結果作為指導圖像再次對含噪自然圖像進行迭代指導濾波以減弱振鈴效應。將本文方法與一些常用的自然圖像去噪方法進行了比較，證明了本方法在主觀上和客觀指標上都取得了較好的效果。
　

4、　2.提出了一種基于融合差異圖和邊緣分類的SAR圖像變化檢測方法。在本文的方法中，首先，對兩圖像進行預處理，分別計算差值差異圖和對數(shù)比值差異圖，并分別進行濾波處理，然后利用本文的融合方法將兩差異圖進行融合并譜聚類得到初始的變化檢測圖；其次，對兩時相圖像分別進行Primal Sketch分類得到兩時相圖像的邊緣類和非邊緣類的邊緣分類圖，根據(jù)邊緣分類圖中的邊緣對兩時相圖像的邊緣分別進行K-means聚類，對聚類后的類標檢測邊緣的變化信息；最