SAR 图像相干斑滤波算法及评价 目前已有大量的雷达相干斑抑制算法，这些算法可分为成像前的多视平滑预处理和成像后的滤波两大类。而成像后的滤波又包括空域滤波和频域滤波两种。 为了减少相干斑噪声，早期的方法是在 SAR 成像处理中，通过降低处理器带宽形成多视图子图像，然后对多视子图像进行非相干叠加来降低相干斑噪声。这种非相干叠加来降低斑点噪声的方法称为多视处理。多视处理通过牺牲 SAR图像的空间分辨率为代价来对相干斑进行抑制，已不能满足空间高分辨率的要求。空域滤波方法是利用图像像素的空间相关性对相干斑进行滤波，一般是利用一个滑动窗口，然后对窗口内的像素进行加权得到窗口中心点的像素值。频域的方法主要是利用小波变换，比较著名的有小波软阈值方法，基于小波变换和多尺度分析的滤波方法。 本文研究SAR 图像边缘检测，采用了局域统计自适应滤波算法，因为该方法考虑了图像的不均匀性，以局域的灰度统计特性为基础来决定参与滤波的邻域像素点及其权值，能在平滑噪声的同时较有效的保持明显的边缘，而且能通过参数控制来调整平滑效果和边缘保持效果之间的权衡。本文采用了增强Lee 滤波算法， Kuan 滤波算法，Frost 滤波算法，最大后验概率（MAP）滤波算法，边缘保持最优化（Edge Preserving Optimized Speckle，EPOS）滤波算法等。 1．传统滤波方法 传统滤波算法包括均值滤波、中值滤波等。这类算法的特点是直接对图像进行处理，没有考虑任何噪声模型，也没有考虑噪声的统计特性。这些算法实现起来比较简单，但效果不太理想。它们计算简单，速度快，均匀区域的斑点噪声去除效果较好。缺点是细节保持得不好，图像边缘变模糊，点目标损失大，随着处理窗口的增大，图像的整体模糊和分辨率下降更严重。正是由于这两种传统滤波算法不适合相干斑噪声的乘性特点，实际中较少采用。 1.1 均值滤波 均值滤波是将平滑窗口内所有像元的灰度值进行平均计算，然后赋给平滑窗口的中心像元，其数学表达式为： ninjjijiDNnR11,2,1 （1） 式中，jiR, 为滤波后中心元素灰度值，jiDN, 为滤波窗口内各个像元的灰度值，窗口大小为nn 。 1 .2 中值滤波 中值滤波是一种非线性信号处理技术。它假设信号有极端的数值，即认为在平滑窗口内噪声是极大值或极小值。中值滤波将平滑区域内所有像素的中值作为平滑区域中心像元值。 设jiDN, 为奇数项离散系列（i =1，„2n-1， j=1,„2n-1），', jiDN为jiDN, ...
VIP
