高级搜索

基于区域分类、自适应滑动窗和结构检测的合成孔径雷达图像联合降斑算法

, 

downloadPDF

上一篇

下一篇

孙增国, 韩崇昭. 2010: 基于区域分类、自适应滑动窗和结构检测的合成孔径雷达图像联合降斑算法, 物理学报, 59(5): 3210-3220.
引用本文: 孙增国, 韩崇昭. 2010: 基于区域分类、自适应滑动窗和结构检测的合成孔径雷达图像联合降斑算法, 物理学报, 59(5): 3210-3220.
shu
Sun Zeng-Guo, Han Chong-Zhao. 2010: Combined despeckling algorithm of synthetic aperture radar images based on region classification, adaptive windowing and structure detection, Acta Physica Sinica, 59(5): 3210-3220.
Citation: Sun Zeng-Guo, Han Chong-Zhao. 2010: Combined despeckling algorithm of synthetic aperture radar images based on region classification, adaptive windowing and structure detection, Acta Physica Sinica, 59(5): 3210-3220.
shu

基于区域分类、自适应滑动窗和结构检测的合成孔径雷达图像联合降斑算法

  • 西安交通大学电子与信息工程学院,西安,710049;西安交通大学机械制造系统工程国家重点实验室,西安,710049

  • 西安交通大学电子与信息工程学院,西安,710049

Combined despeckling algorithm of synthetic aperture radar images based on region classification, adaptive windowing and structure detection

  • 摘要: 为了克服传统的基于合成孔径雷达(SAR)图像局部统计特性的降斑算法的缺点,提出了基于区域分类、自适应滑动窗和结构检测的联合降斑算法.首先,联合降斑算法对当前区域进行区域分类,并直接保留强边缘结构和点目标.接着,联合降斑算法对均匀区域和弱边缘结构区域进行滑动窗的自适应增长,从而获得合适的滤波窗口.最后,联合降斑算法对新的滤波窗口使用区域分类.如果滤波窗口属于均匀区域,则直接使用均值滤波;如果滤波窗口属于边缘结构区域,则进一步使用结构检测,并且选择窗口内的均匀子区域作为最终的滤波区域.降斑实验表明,联合降斑算法可以有效滤除均匀区域和边缘区域的斑点,同时对强边缘结构信息和点目标有较好的保留作用.
  • 加载中
  • 加载中
计量
  • 文章访问数:  409
  • HTML全文浏览数:  28
  • PDF下载数:  0
  • 施引文献:  0
出版历程
  • 刊出日期:  2010-05-30

基于区域分类、自适应滑动窗和结构检测的合成孔径雷达图像联合降斑算法

  • 西安交通大学电子与信息工程学院,西安,710049;西安交通大学机械制造系统工程国家重点实验室,西安,710049
  • 西安交通大学电子与信息工程学院,西安,710049

摘要: 为了克服传统的基于合成孔径雷达(SAR)图像局部统计特性的降斑算法的缺点,提出了基于区域分类、自适应滑动窗和结构检测的联合降斑算法.首先,联合降斑算法对当前区域进行区域分类,并直接保留强边缘结构和点目标.接着,联合降斑算法对均匀区域和弱边缘结构区域进行滑动窗的自适应增长,从而获得合适的滤波窗口.最后,联合降斑算法对新的滤波窗口使用区域分类.如果滤波窗口属于均匀区域,则直接使用均值滤波;如果滤波窗口属于边缘结构区域,则进一步使用结构检测,并且选择窗口内的均匀子区域作为最终的滤波区域.降斑实验表明,联合降斑算法可以有效滤除均匀区域和边缘区域的斑点,同时对强边缘结构信息和点目标有较好的保留作用.

English Abstract

    全文HTML

参考文献 (0)

目录

/

返回文章
返回