通过定向过和波形转换增强RABASAR用于多时SAR图像脱斑

科学领域:

• 遥感 遥感 遥感 遥感
• 图像处理 图像处理
• 地理空间分析是什么

背景情况:

• 斑点噪声显著降低了合成光圈雷达 (SAR) 图像的解释性.
• 对于单时SAR图像的现有脱斑方法已经得到很好的发展,但多时SAR图像的脱斑仍然是一个挑战.
• 目前的框架存在对多时SAR数据的"超级图像"采集和比率图像生成的限制.

研究的目的:

• 提出一个增强的框架,用于去除多时间SAR图像的斑点.
• 在现有的除斑框架内解决"超级图像"采集和比率图像生成的局限性.
• 提高多时SAR图像的可解释性和信息融合能力.

主要方法:

• 开发了一种基于方向的细分方法,用于多时SAR非本地介质过 (DSMT-NLM),以获得"超级图像".
• 将非本地平均 (NLM) 算法扩展到使用定向细分的多时间SAR图像.
• 采用基于波形变换 (WAMWT) 的加权平均方法,用于增强比例图像生成.

主要成果:

• 拟议的DSMT-NLM方法有效地消除了多时SAR图像中的斑点噪声.
• 与现有方法 (RABASAR,Frost,NLM) 相比,该框架减少了虚假细节的生成.
• 实现了多时信息的成功融合,提高了整体图像效用.

结论:

• 增强的框架在多时间SAR图像除斑方面明显优于RABASAR,Frost和NLM.
• 拟议的DSMT-NLM和WAMWT方法为降噪和信息融合提供了强大的解决方案.
• 这种方法提高了多时间SAR数据的可解释性和应用潜力.