2025/5/221第二章

SAR圖像濾波的字典學習方法2.1K-SVD算法2.2K-LLD算法2.3K-OLS算法2.4小結(jié)2025/5/222字典學習方法超完備字典設計問題是信號稀疏表示建模中的研究熱點之一。相比于傳統(tǒng)的超完備字典設計方法，基于學習模式的超完備字典設計方法出現(xiàn)較晚，本身也隨著稀疏表示理論的發(fā)展而不斷發(fā)展。字典學習是對已有的初始字典進行訓練，使其更符合實際信號的特征，使得信號具有更稀疏、更準確的表示，因而引起了研究者的廣泛關(guān)注?；谧值鋵W習的稀疏表示理論在語音的增強、去噪、超分辨，以及圖像的壓縮、分離、修復、目標檢測、識別等領域得到了廣泛應用，并取得了較好的應用效果?；谧值鋵W習的SAR圖像相干斑抑制算法，其基本思想是利用原始SAR圖像作為樣本數(shù)據(jù)，通過學習的方式獲得具有良好逼近特性的原子集合（字典），并利用稀疏優(yōu)化方法重建降噪后的SAR圖像數(shù)據(jù)。本章所介紹的自適應超完備字典學習算法，其核心思想是基于聚類算法的向量量化問題進行字典原子的訓練、更新。該類字典學習算法的實現(xiàn)過程是將字典的構(gòu)建過程與優(yōu)化算法結(jié)合起來，用待分解SAR圖像來訓練字典原子，擇優(yōu)選取，獲得SAR圖像特征信息的超完備字典和稀疏表示系數(shù)。K-SVD算法

2025/5/223K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法以圖2.1（a）所示圖像作為輸入數(shù)據(jù)，應用算法2.3，得到相應的超完備字典，如圖2.2所示。2025/5/22對于K-SVD算法可以發(fā)現(xiàn)，此類相干斑抑制算法所追求的目標是更為強大的噪聲抑制性能，從一定方面忽視了計算復雜度問題，然而，在處理大量的SAR數(shù)據(jù)時，通常對相干斑抑制性能的要求和對計算速度的要求同等重要，有時對計算速度的要求會更高。K-LLD（K均值局部學習字典）算法從一定程度上克服了K-SVD算法相干斑抑制的執(zhí)行效率問題，但對于富含相干斑的SAR圖像，K-LLD算法也表現(xiàn)出了自身的不足之處。K-LLD算法2025/5/22

K-LLD算法

2025/5/22K-LLD算法

2025/5/22K-LLD算法

2025/5/22K-LLD算法

2025/5/22K-LLD算法

2025/5/22K-LLD算法SAR圖像相干斑抑制的K-LLD算法K-LLD算法本質(zhì)上是一種梯度回歸算法，因此，基于K-LLD的圖像降噪算法對低水平、均勻噪聲有較好的處理效果。另外，基于K-LLD的圖像降噪算法采用Stein的無偏風險估計方法得到的最小均方誤差作為停止迭代的條件，其計算量很大。實驗結(jié)果及分析接下來進行實驗參數(shù)設定，聚類中心K=10。圖2.3所示為K-LLD算法SAR圖像相干斑抑制。K-LLD算法從一定程度上克服了K-SVD算法的執(zhí)行效率問題，但對于富含相干斑的SAR圖像，其相干斑抑制效果要比K-SVD算法差，出現(xiàn)了顆粒狀的斑駁。若要降低顆粒狀的斑駁，相應的參數(shù)設置也是比較麻煩的事情。2025/5/22K-LLD算法2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法SAR圖像相干斑抑制的K-OLS算法本節(jié)介紹一種新的基于自適應超完備字典學習的SAR圖像相干斑抑制算法：針對SAR圖像所固有的稀疏結(jié)構(gòu)信息，通過迭代優(yōu)化的方式得到超完備字典，利用超完備字典對SAR圖像數(shù)據(jù)進行稀疏表示，運用乘性噪聲模型進行參數(shù)估計和閾值設定，通過正則化方法實現(xiàn)SAR圖像的相干斑抑制處理?？紤]SAR圖像的強度測量值、反射系數(shù)和相干斑噪聲之間的關(guān)系模型，并以此為基礎獲得相干斑抑制算法的優(yōu)化模型。圖2.4所示為K-OLS算法用于SAR圖像相干斑抑制的流程圖。2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法SAR圖像相干斑抑制算法中的各項參數(shù)選?。鹤值湓觽€數(shù)k=144，滑動窗口大小h=6。以圖2.5（a）所示的SAR圖像作為輸入數(shù)據(jù)，應用SAR圖像相干斑抑制算法，得到相應的超完備字典，如圖2.6所示。2025/5/22K-OLS算法

2025/5/22K-OLS算法2025/5/22K-OLS算法

2025/5/22K-OLS算法相干斑抑制性能分析在空域相干斑抑制算法中，滑動相干斑抑制算法是一種重要的算法，即在SAR圖像上取一個滑動窗口，對窗口內(nèi)的像素進行相干斑抑制處理得到窗口中心像素的相干斑抑制值，這種算法對處理像素的窗口區(qū)域是自適應的。這種局域自適應空域相干斑抑制算法大致可分為兩類：一類是使用斑點噪聲統(tǒng)計模型的相干斑抑制算法，如Lee濾波算法、K-SVD算法等；另一類是不使用斑點噪聲統(tǒng)計模型的算法，如非線性復擴散濾波器（NCDF）、K-OLS相干斑抑制算法等。K-OLS相干斑抑制算法利用新的超完備字典學習算法對SAR圖像各滑動窗口數(shù)據(jù)進行分解，獲得各窗口數(shù)據(jù)的稀疏表示，在一定程度上抑制了相干斑噪聲，而后利用正則化方法構(gòu)造優(yōu)化模型，通過對優(yōu)化問題的求解重構(gòu)SAR圖像場景分辨單元的平均強度，實現(xiàn)相干斑抑制處理，本節(jié)算法在多個方面優(yōu)于Lee濾波算法、IACDF算法和K-SVD算法。2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22小結(jié)考量運用于SAR圖像相干斑抑制的K-SVD算法可以發(fā)現(xiàn)，此類算法所追求的目標是更為強大的噪聲抑制性能，從一定方面忽視了算法的執(zhí)行時間，即計算復雜度問題。然而，在處理大量的SAR圖像數(shù)據(jù)時，通常對相干斑抑制性能的要求和對計算速度的要求同等重要，有時對計算速度的要求會更高。運用于SAR圖像相干斑抑制的K-LLD算法，雖然考慮了K-SVD算法的計算復雜度問題，但具有較差的噪聲抑制性能。本章結(jié)合K-SVD算法和K-LLD算法在SAR圖像相干斑抑制中的優(yōu)點，分析了運用于SAR圖像相干斑抑制的K-OLS算法。K-OLS算法運用OLS算法的思想，在