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的图像增强技术在所有类别中均优于标准滤波方法,为SAR图像增强提供了一种通用且稳健的解决方案。Schmittlet指数层为空间模式分析、场景特征描述和土地覆盖分类提供了有价值的结构信息,显示出其在未来自动化图像解译应用中的潜力。
研究不足
该研究承认Schmittlet方法具有较高的计算强度,需要借助元数据并通过对先前图像处理过程进行严格审查来准确估算实际噪声含量。Schmittlet指数层在自动化图像解译中的附加价值有待进一步研究验证。
1:实验设计与方法选择:
本研究提出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)。将原始强度图像转换至Schmittlet系数域,其中每个系数表征图像中类似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极化全强度(σ0)数据,选取四个不同测试区域: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核卷积、计算局部Schmittlet系数、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,最终通过对比Schmittlet增强技术与标准滤波方法进行验证。
5:数据分析方法:
通过定性与定量比较评估Schmittlet增强技术效果,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情况。
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