目前已有大量的雷達相干斑抑制演算法，這些演算法可分為成像前的多視平滑預處理和成像后的濾波兩大類，而成像后的濾波又包括空域濾波和頻域濾波兩種，
為了減少相干斑噪聲，早期的方法是在SAR成像處理中，通過降低處理器帶寬形成多視圖子影像，然后對多視子影像進行非相干疊加來降低相干斑噪聲，這種非相干疊加來降低斑點噪聲的方法稱為多視處理，多視處理通過犧牲SAR影像的空間解析度為代價來對相干斑進行抑制，已不能滿足空間高解析度的要求，空域濾波方法是利用影像像素的空間相關性對相干斑進行濾波，一般是利用一個滑動視窗，然后對視窗內的像素進行加權得到視窗中心點的像素值，頻域的方法主要是利用小波變換，比較著名的有小波軟閾值方法，基于小波變換和多尺度分析的濾波方法，
SAR影像邊緣檢測，采用了局域統計自適應濾波演算法，因為該方法考慮了影像的不均勻性，以局域的灰度統計特性為基礎來決定參與濾波的鄰域像素點及其權值，能在平滑噪聲的同時較有效的保持明顯的邊緣，而且能通過引數控制來調整平滑效果和邊緣保持效果之間的權衡，本文采用了增強Lee濾波演算法， Kuan濾波演算法，Frost濾波演算法，最大后驗概率（MAP）濾波演算法，邊緣保持最優化（Edge Preserving Optimized Speckle，EPOS）濾波演算法等，
傳統濾波演算法包括均值濾波、中值濾波等，這類演算法的特點是直接對影像進行處理，沒有考慮任何噪聲模型，也沒有考慮噪聲的統計特性，這些演算法實作起來比較簡單，但效果不太理想，它們計算簡單，速度快，均勻區域的斑點噪聲去除效果較好，缺點是細節保持得不好，影像邊緣變模糊，點目標損失大，隨著處理視窗的增大，影像的整體模糊和解析度下降更嚴重，正是由于這兩種傳統濾波演算法不適合相干斑噪聲的乘性特點，實際中較少采用，
3.濾波效果評價
對于濾波演算法的效果評價，可以從兩個方面進行，一是主觀評價標準，即通過人眼視覺效果進行定性評價；二是客觀評價標準，比較常用的有以下評價指標：均方誤差、峰值信噪比、以及等效視數[17]等，這些指標從量化角度考慮濾波效果，能夠輔助主觀評價標準進行定量評價，
（1） 主觀評價標準：人眼視覺效果
視覺是一種極為復雜和重要的感覺，人所感受的外界資訊80%以上來自視覺，人眼對影像高度敏感，很多情況下需要目視判斷影像的質量或目視解釋處理結果，對于SAR影像，影像中目標的識別可以是機器識別，不嚴格要求時效性的話，也可以是人眼判別，而且人眼判別具有更好的準確性，對于相干斑噪聲的濾除效果，除了一些客觀評價指標外，主觀視覺判斷是一條重要標準，畢竟人的知識、經驗和判斷能力都是計算機目前無法取代的，
（2） 客觀評價標準：
- 均值（Mean）和方差（Standard Deviation ，STD）
影像均值是整個影像的平均強度，它反映了影像的平均灰度，即影像所包含目標的平均后向散射系數；影像方差代表了影像區域中所有點偏離均值的程度，反映了影像的不均勻性，影像的均值和方差是反映影像整體特征的指標，一般情況下，如果地形、含水量（復介電常數)和表面粗糙程度不同，則會有不同的后向散射系數，反映到SAR影像中有不同的影像均值，影像區域中的地形差異大，人工目標多，影像的灰值變化大，對應的影像的方差變化也就越大，所以應當盡量保持影像的均值，同時減少影像的方差，
轉載請註明出處，本文鏈接：https://www.uj5u.com/qita/168955.html
標籤：其他
上一篇：紅寶書--第一章總結分享