研究目的
提出一种基于比值技术的快速高效多时相SAR图像去斑方法，在降低斑点噪声的同时保持空间分辨率和结构特征。
研究成果
RABASAR方法通过利用比值图像和超图像有效降低了多时相SAR图像的斑点噪声，在PSNR、MSSIM和视觉质量方面优于现有最先进方法。该方法能保留精细结构，并可扩展用于新数据的在线处理。
研究不足
该方法假设图像是在相同轨道上以相似入射角获取且精确配准的。它可能无法有效处理高度相关的斑点噪声或极短时间序列。随着二进制加权均值的计算复杂度增加，必须为每个日期重新计算超图像。
1：实验设计与方法选择：
该方法包含三个主要步骤：从时间序列计算超图像，构建含噪图像与超图像的比值图像，并采用基于Fisher分布统计的专用算法（RuLoG）对比值图像进行去噪处理。
2：样本选择与数据来源：
使用从光学图像生成的模拟SAR图像，以及Sentinel-1和TerraSAR-X卫星在特定区域（如萨克莱、圣热尔韦莱班）获取的真实SAR图像。
3：实验设备与材料清单：
Sentinel-1和TerraSAR-X卫星的SAR图像，图像处理计算工具（如MATLAB）。
4：实验流程与操作步骤：
对图像进行配准和辐射定标，通过时间平均（算术或二进制加权均值）计算超图像，并采用RuLoG结合BM3D高斯去噪方法处理比值图像。
5：数据分析方法：
通过PSNR和MSSIM指标评估模拟与真实数据的性能，并目视检查残余噪声。
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-
Sentinel-1
IW SLC Level-1
Copernicus
Acquisition of SAR images for monitoring land surfaces, disasters, or the environment.
-
TerraSAR-X
DLR
Acquisition of high-resolution SAR images for experimental testing.
-
BM3D
Denoising algorithm based on patch similarity and 3-D wavelet shrinkage for Gaussian noise reduction.
-
MATLAB
MathWorks
Computational environment for implementing and testing the denoising algorithms.
-
登录查看剩余2件设备及参数对照表
查看全部
