研究目的
研究合成孔径雷达(SAR)图像对一致且局部自适应增强技术的需求,提出一种基于强度图像的多尺度、多方向多视处理新方法。
研究成果
基于Schmittlet的图像增强技术是首个用于SAR强度图像的多尺度、多方向增强方法,能够实现前所未有的全自动SAR图像高质量增强,尤其适用于地貌类型多样的场景。Schmittlet指数层所包含的结构信息为空间模式的精细分析提供了最佳基础,这对未来众多遥感任务可能具有重要价值。
研究不足
该研究承认Schmittlet方法计算强度大,需借助元数据并仔细评估前期图像处理过程,从而准确估算实际噪声含量。虽然Schmittlet指数层对自动化图像解译的附加价值显而易见,但仍需进一步研究验证。
1:实验设计与方法选择:
本研究提出了一种基于强度图像的多尺度多方向多视处理新方法,采用一组源自双曲函数的二维圆形与椭圆形滤波核(Schmittlet)。原始强度图像被转换至Schmittlet系数域,其中每个系数表征图像中类Schmittlet结构的存在程度。
2:样本选取与数据来源:
测试图像取自德国西南部曼海姆-路德维希港城区TerraSAR-X高分辨率聚束模式HH/VV极化总强度(σ0)数据,选取了四个不同测试区域:农业用地、公园区域、居民建筑和工业设施。
3:实验设备与材料清单:
研究采用TerraSAR-X数据进行验证。
4:实验流程与操作步骤:
该方法包括输入图像与各Schmittlet的卷积运算、Schmittlet系数计算、基于扰动噪声模型评估其显著性、选取最佳拟合Schmittlet进行图像重建,以及与六种当代斑点抑制技术进行对比验证。
5:数据分析方法:
通过定性与定量比较评估Schmittlet增强技术的有效性,包括平均强度保持度、等效视数、边缘及局部曲率在强度与方向上的保持效果。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容