SAR圖像相干斑抑制方法綜述

魯自立，賈 鑫，朱衛綱,曾創展

(中國人民解放軍裝備學院 a.研究生管理大隊； b.光電裝備系，北京 101416)

?

【信息科學與控制工程】

SAR圖像相干斑抑制方法綜述

魯自立a，賈 鑫b，朱衛綱b,曾創展a

(中國人民解放軍裝備學院 a.研究生管理大隊； b.光電裝備系，北京 101416)

由于SAR是相干成像系統，在獲取SAR圖像時會含有相干斑噪聲，使得SAR圖像的解譯，理解變得困難，因此有必要對SAR圖像的相干斑進行抑制；首先介紹了相干斑的形成機理，之后對多視處理技術、空域濾波技術、變換域濾波技術和非局部均值濾波技術進行總結，在簡要介紹各種方法的來源、理論基礎和發展的基礎上對比了各自的優缺點，最后展望了SAR圖像相干斑抑制研究領域的進一步發展方向。

SAR圖像；相干斑抑制；空域濾波；變換域濾波；非局部均值

合成孔徑雷達(SAR)是一種主動式相干側視成像雷達，利用與目標的相對運動，把較小尺寸的真實天線孔徑用數據處理合成較大等效天線孔徑的雷達[1]。它于20世紀60年代初開始在軍事高空偵察中發揮重要作用，并于20世紀60年代中期逐步擴展到民用遙感領域。相對于傳統的光學圖像，SAR圖像具有全天候、全天時、高分辨率和強大的穿透能力等特點，而且特征信號豐富，含有幅度、相位和極化等多種信息，彌補了普通光學圖像的不足，因而使其廣泛地應用在生活和軍事領域中，如航天測繪、災情估計、海洋以及城市變遷等情況。

盡管SAR的優點眾多，但是SAR也有與生俱來的不足之處，它特殊的相干成像機制會導致圖像有斑點噪聲，使得圖像信噪比下降[2]，為目標識別和特征提取造成困難，而平滑圖像并抑制相干斑的預處理是一個不可缺少的過程，因此SAR相干斑抑制技術的研究一直是SAR成像處理與SAR圖像分析中的一個重要課題。

本文首先介紹了相干斑形成的機理，然后對常用的相干斑方法進行梳理，最后展望了相干斑抑制領域的進一步發展趨勢。

1 相干斑形成機理

SAR是微波相干成像，理想點目標散射電磁波，其回波為球面波，如圖1所示，在球面上其幅度處處相等，因此可以將此目標看成由許多理想點目標組成。由于這些理想點目標均處于同一個分辨單元內，SAR無法分辨這些目標，它所收到的信號是這些理想點目標的矢量和。

圖1 相干斑產生機理

由兩個或兩個以上頻率相同、振動方向相同、相位方向相同或相差恒定的電磁波在空間疊加時，合成波振幅為各個波振幅的矢量和。因此，會出現交疊區某些地方振動加強，某些地方振動減弱或完全抵消的現象，這種現象稱為干涉，產生干涉現象的電磁波稱為相干波。

由于SAR發射的是相干電磁波，因此各理想點目標回波是相互干涉的。相干電磁波照射實際目標時，其散射回來的總回波并不完全由地物目標的散射系數決定，而是圍繞這些散射系數值有很大的隨機起伏[3]，這種起伏在圖像上的反映就是相干斑噪聲，也就是說，這種起伏將會使具有均勻散射系數目標的SAR圖像并不具有均勻灰度，而會出現許多斑點。斑點噪聲的存在使圖像的信噪比下降[4]，嚴重時使圖像模糊甚至圖像特征消失。

2 相干斑抑制方法

經過30多年的發展，SAR圖像相干斑抑制得到了深入研究，涌現了許多卓有成效的方法。根據SAR圖像數據格式，可以將SAR圖像相干斑抑制方法分為基于實數據的方法和基于復數據的方法。目前針對復數據的算法研究較少，具有代表性的是基于吉布斯先驗模型的貝葉斯估計[5]和基于最大熵原理的規則化[6]。研究較多的基于實數據相干斑抑制算法大致可以分為4類:成像前的多視處理技術、成像后的空域濾波技術和變換域濾波技術[7]，以及正在發展的非局部均值濾波技術。

2.1 多視處理技術

2.1.1 多視處理技術的研究發展

多視處理技術是早期對SAR圖像相干斑進行處理的方法。該技術主要有以下兩種：

1) 第一種是對合成孔徑的多普勒帶寬進行分割，孔徑被分割后分別各自成像(出現多視)，然后，把疊加后的各個子視圖進行平均處理。但是，多視處理技術的前提是每一個子視圖像所觀測的必須是相同的地物，幾乎是同時且沒有輻射失真，它們也應該使用相同的極化方式和頻率。

2) 第二種多視處理技術是在成像之后進行的，通過給定空間的后向散射特性(RCS)進行假設，其中，最簡單的假設是RCS在給定像元附近是常數。在這種情況下，給定L獨立像元值，平均這些像元的強度值，可以得到更加準確的像元值。

上述的兩種方法都屬于多視處理技術，為了提高分辨率，卻都忽略了不同的特征信息。在第一種情況下，隨著觀測角的變化，雷達散射面被忽略了；在第二種情況下，忽略了空間變化的影響。在圖像的均勻區域，這兩種方法都能給出真實像元值同樣精確度的估計，但是在異質區域內，由于寬度在給定位置的點擴散函數不同，這兩種方法有可能給出不同的估計值。雖然，需要大量的數據對像元值進行平均，但是在異質區域，平均窗口具有可調整的優點。

2.1.2 多視處理技術的優缺點

1) 多視處理技術的優點。方法簡單，容易實現，實用性強，對圖像的強度進行平均處理后，不僅保留圖像攜帶的信息，并且處理后的結果便于進行統計分析。

2) 多視處理技術的缺點。雖然提高了SAR圖像的輻射分辨率，但卻降低了信號帶寬的利用率。在早期SAR成像處理中，多是采用這種以犧牲圖像分辨率為代價的處理技術，但是隨著SAR圖像應用的不斷拓展，對空間分辨率的要求也在不斷提高，多視處理技術已不能滿足更高的要求。

2.2 空域濾波技術

2.2.1 空域濾波技術的研究發展

從20世紀80年代開始，SAR圖像相干斑抑制方法得到大力發展，出現了許多以空域濾波技術為基礎的相干斑抑制方法，并且獲得了廣泛的應用。空域濾波技術的基本思想是假定噪聲模型，基于局部統計特性進行濾波處理。通過對空域濾波的研究歸納，主要分為以下5類：

1) 非自適應的傳統濾波方法：均值濾波、中值濾波、K-鄰域濾波等傳統濾波器。

2) 局部自適應的統計類濾波：這類濾波是考慮噪聲的統計特性基礎上的空間域濾波方法。典型的算法有Lee濾波[7]，Kuan濾波[8]，Frost濾波。它們是利用局部統計信息對去除相干斑噪聲后的數據進行估計。Lee濾波和Frost濾波都是以最小均方誤差估計準則為基礎的，Frost濾波器與Lee濾波和Kuan濾波的不同之處是它通過觀測圖像與SAR系統的沖擊響應的卷積來估計場景的真實回波，該濾波考慮了場景的相關性。

3) 最大后驗概率濾波是結合SAR圖像統計特性的濾波，在假定地面散射系數呈現Gamma分布或是其它更精確的分布，采用最大后驗概率的方法對真實散射特性進行估計，典型算法有Gamma MAP濾波器。

4) 基于局部統計特性濾波器的改進濾波：Lopes[9]等認為理想的濾波器應該能夠在同質區域求像素平均值來估計像素值。在這種情況下，得到的是像素均值的最小無偏估計，而且對紋理信息和相干斑需要分別處理，同時定義了基于局部統計的相干斑相關準則[10-11]，根據不同區域的不同特性采取不同的濾波方法。這類方法有增強Lee濾波[12-13],增強Frost濾波，增強Map濾波等。

5) 偏微分方程方法是近年來一種新的信號處理技術，Perona和Malik[14]提出各向異性擴散方程，一般稱為Perona-Malik(簡稱P-M)擴散模型。文獻[15]提出一種快速各向異性高斯濾波方法，通過選用不同高斯尺度，較好保留圖像邊緣信息。文獻[16]研究了反擴散性質，將擴散與反擴散相結合，提出既能平滑去噪，又能有效增強圖像的前后擴散模型。文獻[17]運用小波分析理論，提出雙頻帶內進行擴散的思想，提高去噪效率。

2.2.2 空域濾波技術的優缺點

1) 空域濾波技術的優點。由于非自適應的濾波方法直接對圖像像素進行處理，實現起來比較簡單，中值濾波和K-鄰近濾波能夠較好的保持邊界。局部自適應濾波能夠在平滑噪聲的同時有效地保持明顯的邊緣，能夠通過設定相應的參數調整平滑效果和邊緣保持效果，算法比較簡明，是常用的相干斑抑制方法。最大后驗概率濾波，由于結合了SAR圖像的統計特性函數，在相干斑抑制方面取得較好的效果，并得到廣泛的研究。Lee濾波和Frost濾波都可以表示為各向同性擴散的偏微分方程形式,而且變換后可以表達為各向異性擴散濾波形式，這是偏微分方程和自適應濾波器之間的聯系。P-M模型能夠在圖像去噪的同時盡量保持邊緣甚至能一定程度地增強棱邊，在實際應用中取得了良好的效果。

2) 空域濾波技術的缺點。通過固定窗口對圖像進行操作，并沒有考慮到像元周圍的局部結構信息，所以在傳統的統計學方法對區域一致性較好的圖像有著很好的效果，而對邊緣和細節特征的保持不是很理想。非自適應濾波器方法沒有考慮噪聲的模型和統計特性，效果并不理想，均值濾波降低了圖像分辨率并模糊了圖像的邊緣信息，而中值濾波和K-鄰近濾波可能濾除點目標，因此圖像分辨率會降低。Lee、Frost等統計類濾波對噪聲的靜態假設有時與信號的實際情況不符，而且在消噪的同時很難較好地保持邊緣和紋理細節，使圖像過度平滑而變得模糊。P-M模型的平滑效果較差，容易出現“塊效應”，即處理后的圖像形成多個內部灰度相同的塊區域或階梯狀區域；當迭代次數增多時，對邊緣的保持效果也不甚理想。

2.3 變換域濾波技術

2.3.1 變換域濾波技術的研究發展

在變換域濾波技術中，目前小波變換及多分辨分析方法已然成為相干斑抑制的熱點。其基本思想是小波變換可以從不同的分辨空間描述圖像的局部特征，使得信號和噪聲在小波變換域中表現出不同的特征，從而較易區分信號和噪聲，被有效地用于SAR圖像的相干斑抑制[18-19]。主要分為以下3類：

1) 小波收縮抑制方法：Donoho針對高斯白噪聲模型提出了小波變換的硬閾值和軟閾值去噪方法[20-21]，其中軟閾值方法得到廣泛應用；萊斯大學的H.Guo等人最早將小波變換應用于SAR圖像相干斑抑制[22]。基本思想是利用自適應收縮因子對平穩小波變換后的系數進行處理，通過對SAR圖像進行多層平穩小波變換，對細節圖像信號進行閾值處理，達到相干斑抑制的效果。

2) 小波馬爾可夫模型方法：將小波變換和馬爾可夫隨機場模型相結合[23]，建立小波馬爾可夫模型。通過研究SAR圖像小波分解系數的統計模型，結合馬爾可夫隨機場等理論，可以解決相干斑抑制。

3) 多尺度幾何濾波方法：由于圖像在小波基上的投影并不是最稀疏的，使得小波域的相干斑抑制方法受到局限，后來基于Bandlet變換、Contourlet變換等一系列多尺度分析工具逐漸應用到相干斑抑制中，取得較好效果。其中Frocher S.等[24]提出了采用非下采樣的Contourlet多尺度穩態變換對SAR圖像進行相干斑抑制，取得了比局部統計的最小均方誤差估計收縮函數和對數變換的Contourlet系數軟閾值收縮更好的抑制效果和邊緣保持效果。

2.3.2 變換域濾波技術的優缺點

1) 變換域濾波技術的優點。小波變換的方法對邊緣有著較好的保留效果，通過在小波變換算法中加入局部濾波算法，在抑制高頻部分子圖像中噪聲的同時，進行邊緣檢測，或者融合自適應窗算法，都可以得到更好的抑制效果。通過引入小波馬爾可夫模型，可以在保持圖像的紋理和邊緣等細節信息的同時，加強均勻區域的濾波效果，提高相干斑抑制效果。多尺度幾何濾波方法，能更準確地抓住圖像的邊緣細節，紋理特征信息，獲得更稀疏的信號表示能力，通過Contourlet波變換，將多尺度分析和方向分析分別進行，具有局部化、分辨性高以及方向性強等優良特性。

2) 變換域濾波技術的缺點。小波對于二維奇異性(圖像的邊緣)達不到很好的處理效果，對于含奇異曲線的二維分片光滑函數，小波變換的非線性逼近誤差的衰減速度不是最優。此外，由一維小波通過張量積運算而形成的二維可分離小波，由于只有水平、垂直和對角線這3個有限的方向數，很難捕捉其它方向的更加復雜的細節，不能完全捕獲圖像細節的豐富信息。小波域馬爾可夫模型仍存在一些問題，如塊效應、訓練算法收斂較慢、大圖像的計算量大等問題。其中塊效應是樹狀結構的先天性缺陷，雖然己有一些針對塊效應的解決辦法，如后驗平滑[25]、N交疊樹[26]、N上下文模型[27]等，但這些方法會使得樹狀結構計算高效的優點完全或部分喪失。通過研究SAR圖像小波分解系數的統計模型，結合貝葉斯理論框架、馬爾可夫隨機場理論，可望更好地解決相干斑抑制問題。但如何對SAR圖像的小波分解系數進行建模以及參數估計問題則是具有挑戰性的問題[28-31]。

2.4 非局部均值濾波技術

2.4.1 非局部均值濾波技術的研究發展

非局部均值(NLM)相干斑抑制算法近些年逐漸發展，得益于在自然圖像處理領域取得的顯著效果。非局部方法最初由Buades等[32]在2005年提出，基本思想是通過衡量當前像素點與其鄰域內其它像素點為中心的相似窗之間存在的相似度對圖像進行處理。

改進方法主要有：文獻[33]通過改善相似性及優化參數,研究出最優空間自適應非局部平均算法。文獻[34]提出塊匹配三維協同濾波(BM3D)方法，該算法較好的將局部算法與非局部算法的優勢融合在一起，不僅很好的保持了圖像的紋理與邊緣區域，而且使得圖像極少加入虛假消息，之后發展為SAR-BM3D濾波。文獻[35]利用圖像中具有對稱結構的性質,在相似性鄰域的比較中引入鄰域的對稱變換,更好地利用了圖像的自相似性質。文獻[36]以梯度域的奇異值分解作為研究對象，針對不能很好獲取圖像的子塊特性提出了預選擇自適應非局部圖像去噪算法。文獻[37]通過引入殘差濾波的概念，提出了一種新的建立在非局部稀疏模型與殘差濾波上的SAR圖像字典學習算法，優化了加權K-SVD算法，克服了對SAR圖像斑點噪聲進行處理時容易受到斑點噪聲干擾、字典學習不充分的缺陷。文獻[38]將BM3D算法應用于海洋SAR圖像去噪,總結出BM3D參數的選擇原則，應用于實測數據的處理中，取得較好的效果。

2.4.2 非局部均值濾波技術的優缺點

1) 非局部均值濾波技術的優點。一是利用像素之間的相似性進行加權平均，同時，該算法沒有利用像素的空間關系，幾乎不會引入虛假信息；二是對每兩個像素進行相似性度量時考慮了周圍子塊而不是單一像素間的相似性，可以在去除噪聲的同時有效地保持紋理等具有重復結構的特征，較好的利用了局部結構信息。

2) 非局部均值濾波技術的缺點。在鄰域窗口參數選擇方面存在缺陷，如果窗口選擇過大會導致點目標丟失，而選擇過小會導致邊緣紋理模糊；相似性度量魯棒性不夠，易丟失一些相似的像素，同時賦予不相似像素一定的權重，造成細節處噪聲去除不徹底以及緩變區域被過度平滑的現象；相似權重參數如何確定不夠明確，該參數是一個敏感參數，對去噪結果影響較大，參數過大易造成圖像過度平滑，過小圖像會殘留較多噪聲；算法的計算量太大，圖像片的相似性比較花費了大量時間，造成算法的運行速度較慢，限制了其應用范圍。

3 總結和展望

相干斑抑制是SAR圖像理解和解譯的重要基礎和關鍵前提，對后續的SAR圖像處理有著非常重要的意義。大量的實際應用和仿真實驗表明，上述的相干斑抑制算法都是在去除相干斑噪聲和保持SAR圖像中的紋理、邊緣、細微幾何結構等細節信息之間進行折中。要想達到相對滿意的相干斑抑制效果還是要根據實際的SAR圖像和實際的應用需求采取相應的抑斑算法[39]。如何在進行有效的相干斑抑制的同時，更好地保持SAR圖像的紋理和邊緣信息是目前SAR圖像相干斑抑制研究的一個重點和難點。對于現有的相干斑抑制方法，雖然取得一定效果，但主要是在局部區域進行抑制，而非局部均值方法是利用圖像的自相似性，對結構相似的像素進行加權平均消除噪聲的影響，利用的是非局部信息。在此方法基礎上對SAR圖像進行相干斑抑制是一個值得研究的方向。隨著SAR圖像品質要求越來越高，相干斑抑制方法會為后續SAR圖像分割、檢測、識別等工作提供良好的預處理效果，保證SAR圖像的后續工作有效進行。

[1] OLIVER C,QUEGAN S.Understanding synthetic aperture radar images[J].Applied Optics,2004(10):75-79.

[3] DERIN H,KELLY P A,VEZINA G,et al.Modeling and segmentation of speckled images using complex data[J].IEEE Transactions on Geoscience & Remote Sensing,1990,28(1):76-87.

[4] DERIN H,KELLY P A,VEZINA G,et al.Modeling and segmentation of speckled images using complex data[J].IEEE Transactions on Geoscience & Remote Sensing,1990,28(1):76-87.

[5] FRIEDEN B R,BAJKOVA A T.Bayesian cross-entropy reconstruction of complex images.[J].Applied Optics,1994,33(2):219-26.

[6] MOREIRA A.Improved multilook techniques applied to SAR and SCANSAR imagery[J].IEEE Transactions on Geoscience & Remote Sensing,1991,29(4):529-534.

[7] LEE J S.A simple speckle smoothing algorithm for synthetic aperture radar images[J].IEEE Transactions on Systems Man & Cybernetics,1983,13(1):85-89.

[8] KUAN D T,SAWCHUK A,STRAND T C,et al.Adaptive restoration of images with speckle[J].IEEE Transactions on Acoustics Speech & Signal Processing,1987,35(3):373-383.

[9] LOPES A,TOUZI R.Adaptive speckle filtering for SAR images[C]//Geoscience and Remote Sensing Symposium,1988.Igarss’88.Remote Sensing:Moving Toward the Century International,1988:1263-1266.

[10]LOPES A,TOUZI R,NEZRY E.Adaptive speckle filters and scene heterogeneity[J].Geoscience & Remote Sensing IEEE Transactions on,1990,28(6):992-1000.

[11]LOPES A,NEZRY E,TOUZI R,et al.Maximum a posteriori speckle filtering and first order texture models in SAR images[C]//Geoscience and Remote Sensing Symposium,1990.Igarss ‘90’.remote Sensing Science for the Nineties’ International IEEE,1990:2409-2412.

[12]LU Y H,TAN S Y,YEO T S,et al.Adaptive filtering algorithms for SAR speckle reduction[C]//Geoscience and Remote Sensing Symposium,IGARSS ‘96’.Remote Sensing for a Sustainable Future.,International.IEEE,1996:67-69.

[13]LEE J S.Digital image enhancement and noise filtering by use of local statistics[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,1980,2(2):165-168.

[14]PERONA P,MALIK J.Scale-space and edge detection using anisotropic diffusion[J].IEEE Transactions on Pattern Analysis & Machine Intelligence,1990,12(7):629-639.

[15]GEUSEBROEK J M,SMEULDERS A W M,WEIJER J V D.Fast anisotropic gauss filtering[C]//European Conference on Computer Vision.Springer-Verlag,2002:99-112.

[16]GILBOA G,SOCHEN N,ZEEVI Y Y.Forward-and-backward diffusion processes for adaptive image enhancement and denoising[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society,2002,11(7):689-703.

[17]SHIH A C,LIAO H Y,LU C S.A new iterated two-band diffusion equation:theory and its application[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society,2003,12(4):466.

[18]XIE H,PIERCE L E,ULABY F T.SAR speckle reduction using wavelet denoising and Markov random field modeling[J].IEEE Transactions on Geoscience & Remote Sensing,2002,40(10):2196-2212.

[19]FUKUDA S,HIROSAWA H.Suppression of speckle in synthetic aperture radar images using wavelet[J].International Journal of Remote Sensing,1998,19(3):507-519.

[20]DONOHO D L,JOHNSTONE I M.Ideal spatial adaption by wavelet shrinkage, Biometrika 81[J].Biometrika,1994,81:425-455.

[21]DONOHO D L,DONOHO D L.De-noising via soft thresholding[J].IEEE Transactions on Information Theory,1995(5):10-16.

[22]GUO H,ODEGARD J E,LANG M,et al.Wavelet based speckle reduction with application to SAR based ATD/R[C]//Image Processing,1994.Proceedings.ICIP-94.IEEE International Conference.IEEE,1994(1):75-79.

[23]XIE H,PIERCE L E,ULABY F T.SAR speckle reduction using wavelet denoising and Markov random field modeling[J].Geoscience & Remote Sensing IEEE Transactions on,2002,40(10):2196-2212.

[24]FOUCHER S,FARAGE G,BENIE G B.SAR image filtering based on the stationary contourlet transform[C]//IEEE International Conference on Geoscience & Remote Sensing Symposium,2006:4021-4024.

[25]LUETTGEN M R,CLEM K W,WILLSKY A S.Efficient multiscale regularization with applications to the computation of optical flow[J].IEEE Transactions on Image Processing,1994,3(1):41-64.

[26]IRVING W W,FIEGUTH P W,WILLSKY A S.An overlapping tree approach to multiscale stochastic modeling and estimation[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society,1997,6(11):1517-29.

[27]BOUMAN C A,SHAPIRO M.A multiscale random field model for bayesian image segmentation[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society,1994,3(2):162-177.

[28]ODEGARD J E,GUO H,LANG M,et al.Wavelet-based SAR speckle reduction and image compression[C]//Algorithms for Synthetic Aperture Radar Imagery II.Algorithms for Synthetic Aperture Radar Imagery II,1995:259-271.

[29]CHOU K C,GOLDEN S A,WILLSKY A S.Multiresolution stochastic models data fusion and wavelet transforms[J].Signal Processing,1993,34(3):257-282.

[30]CHENG H,BOUMAN C A.Multiscale bayesian segmentation using a trainable context model[J].IEEE Transactions on Image Processing A Publication of the IEEE Signal Processing Society,2001,10(4):511-25.

[31]CROUSE M S,NOWAK R D,BARANIUK R G.Wavelet-based statistical signal processing using hidden Markov models[J].IEEE Transactions on Signal Processing,1998,46(4):886-902.

[32]BUADES A,COLL B,MOREL J M.A non-local algorithm for image denoising[C]//IEEE Computer Society Conference on Computer Vision & Pattern Recognition.IEEE Computer Society,2005(2):60-65.

[33]KERVRANN C,BOULANGER J,COUPé P.Bayesian non-local means filter,image redundancy and adaptive dictionaries for noise removal[C]//Scale Space and Variational Methods in Computer Vision.Springer Berlin Heidelberg,2007:520-532.

[34]DABOV K,FOI A,KATKOVNIK V,et al.Image denoising by sparse 3-D transform-domain collaborative filtering[J].IEEE Transactions on Image Processing,2007,16(8):2080-95.

[35]孫偉峰,彭玉華.一種改進的非局部平均去噪方法[J].電子學報,2010,38(4):923-928.

[36]許光宇,檀結慶,鐘金琴.自適應的有效非局部圖像濾波[J].中國圖象圖形學報,2012,17(4):471-479.

[37]馬可.基于非局部稀疏模型的SAR圖像字典學習及應用[D].西安：西安電子科技大學,2014.

[38]石健,汪洋,黃海風.BM3D算法在海洋SAR圖像去噪中的應用[J].雷達科學與技術,2016,14(1):24-32.

[39]ARGENTI F,LAPINI A,BIANCHI T,et al.A tutorial on speckle reduction in synthetic aperture radar images[J].IEEE Geoscience & Remote Sensing Magazine,2013,1(3):6-35.

[40]黃世奇，黃文準，劉哲.基于二維本征模態函數的SAR圖像目標檢測[J].兵器裝備工程學報，2016(8):93-97.

(責任編輯 楊繼森)

Study on SAR Image Despeckling Algorithm

LU Zi-lia， JIA Xinb， ZHU Wei-gangb, ZENG Chuang-zhana

(a.Department of Graduate Management; b.Department of Optical and Electronic Equipment, Academy of Equipment of PLA, Beijing 101416, China)

Because SAR is a coherent imaging system containing coherent noise and it makes SAR image difficult to understand, it is necessary to despeckleling SAR image. In this paper, we firstly analyzes the forming of speckle, and then summarizes SAR image despeckling algorithm, such as multi-look filter technology, spatial domain filter technology, transform domain filter technology and non-local means filter technology. On the basis of the brief introduction of each algorithm’s origin, theoretical foundation and development, their advantages and disadvantages are compared. At last, the paper summarizes the prospects of the developing direction of SAR image despeckling algorithm.

SAR image; despecking algorithm; spatial domain filter; transform domain filter; non-local means filter

2017-03-10；

2017-03-30

魯自立(1992—)，女，碩士研究生，主要從事SAR圖像處理研究。

10.11809/scbgxb2017.06.023

format:LU Zi-li，JIA Xin，ZHU Wei-gang, et al.Study on SAR Image Despeckling Algorithm[J].Journal of Ordnance Equipment Engineering,2017(6):104-108.

TP751.1；TJ765

A

2096-2304(2017)06-0104-05

本文引用格式：魯自立，賈鑫，朱衛綱,等.SAR圖像相干斑抑制方法綜述[J].兵器裝備工程學報，2017(6):104-108.