学位论文 > 优秀研究生学位论文题录展示

基于小波理论的SAR图像压缩算法研究

作　者: 王爱丽
导　师: 张晔
学　校: 哈尔滨工业大学
专　业: 信息与通信工程
关键词: 合成孔径雷达图像压缩小波变换多小波变换小波包变换
分类号: TN957.52
类　型: 博士论文
年　份: 2008年
下　载: 546次
引　用: 1次
阅　读: 论文下载

内容摘要

合成孔径雷达(SAR)是一种主动式的微波成像系统,可安装在飞机、卫星等飞行平台上,全天时、全天候地实施对地观测,并具有一定的地表穿透能力,在军事和民用建设中发挥了巨大作用。通常SAR图像分辨率较高,成像范围较大,数据量高,因此如何有效地对其进行压缩,降低数据量,以利于存储和传输便成为SAR图像处理中的一个关键问题,具有重要的理论意义和应用价值。围绕着SAR图像的特点,本论文重点研究了小波域的SAR图像编码算法,主要包括以下内容:首先,论文对SAR图像特性做了较深入的理论分析。第一是受乘性相干斑噪声的影响,SAR图像数据相关性小,信息熵高;第二是SAR图像上既有细节纹理信息又有大量均匀区域,这样就有必要考虑减少均匀区域的编码比特数;第三是SAR图像数据的动态范围很高。SAR图像与光学图像之间的这些差异意味着将光学图像的编码算法用于SAR图像压缩并不一定是最优的,需要结合SAR图像特点设计相应的编码算法。接着,针对SAR图像空间相关性低,论文研究了基于小波变换的SAR图像编码算法。基于后续SAR图像应用前多进行相干斑去噪的预处理,论文在多级树集合分裂(SPIHT)编码算法基础之上,结合空间树结构(SOT)进行相干斑去噪后再编码,改善了重建图像质量;提出了结合小波树构建矢量进行量化、编码的SAR图像压缩,去除了空间矢量量化的块效应,实现了大压缩比下SAR图像压缩;最后,针对SAR图像的目视判读,在小波域引入人类视觉系统(HVS),对人眼认为重要的信息进行加权,去除了编码中的视觉冗余,改善了重建SAR图像的主观视觉质量。然后,论文研究了基于多小波变换的SAR图像压缩。大多数单小波无法同时兼顾正交性和对称性,而多小波能同时满足对称性、紧支性、消失矩和正交性的要求,在信号处理方面比单小波更有优势。针对多小波分解系数的特点,提出了基于多小波的改进SPIHT算法用于SAR图像压缩,获得了优于传统SPIHT编码算法的重建图像质量。同时,探讨了在多小波域编码前进行改进的软阈值相干斑去噪,抑制相干斑噪声的同时尽量保持图像边缘信息,实现了多小波域去噪和编码相结合,改善了图像重建质量,两幅测试图像的重建峰值信噪比分别提高了1.5dB和1.0dB。最后,针对SAR图像含有丰富的纹理信息,论文研究了基于小波包分解的SAR图像压缩。SAR图像的纹理信息多分布于中、高频子带。小波变换只对图像的低频子带进行分解,而小波包变换对图像的高频子带也进行分解,能够更好的与信号能量分布情况进行匹配。因此,论文研究了小波包分解最优基选取的代价函数设计问题,提出与后续编码算法结合的量化比特数作为代价函数,并根据子带能量分布特性进行重要性加权,实现了非均匀量化,更好地保留了SAR图像的纹理信息。

全文目录

摘要  4-6
Abstract  6-14
第1章绪论  14-33
  1.1 课题背景和来源  14-20
    1.1.1 课题背景及研究的目的意义  15-17
    1.1.2 SAR发展现状  17-20
    1.1.3 课题来源  20
  1.2 SAR图像压缩技术发展综述  20-30
    1.2.1 基于预测的SAR图像压缩  21-23
    1.2.2 基于矢量量化的SAR图像压缩  23-24
    1.2.3 基于变换的SAR图像压缩  24-26
    1.2.4 小波域的SAR图像压缩  26-30
  1.3 论文的主要研究内容和结构安排  30-33
    1.3.1 论文的主要研究内容  30-31
    1.3.2 论文结构  31-33
第2章 SAR图像特性分析  33-48
  2.1 引言  33
  2.2 SAR图像介绍  33-35
  2.3 SAR图像统计模型  35-39
    2.3.1 单视SAR图像统计模型  36-38
    2.3.2 多视SAR图像统计模型  38-39
  2.4 SAR图像的空间相关性分析  39-41
  2.5 SAR图像相干斑噪声分析  41-44
  2.6 SAR图像动态范围分析  44
  2.7 SAR图像的信息量分析  44-47
  2.8 本章小结  47-48
第3章基于小波变换的SAR图像压缩  48-77
  3.1 引言  48
  3.2 小波变换基本理论  48-57
    3.2.1 连续小波变换  48-49
    3.2.2 多分辨率分析  49-50
    3.2.3 正交小波变换  50-52
    3.2.4 双正交小波变换  52-54
    3.2.5 小波变换与图像压缩  54-57
  3.3 多级树集合分裂算法  57-60
  3.4 基于小波空间树结构的SAR图像压缩  60-65
    3.4.1 SOT去噪  61-63
    3.4.2 实验结果分析  63-65
  3.5 基于小波矢量树的SAR图像压缩  65-71
    3.5.1 小波系数特性分析和小波矢量树编码  66-70
    3.5.2 实验结果分析  70-71
  3.6 基于人类视觉模型的SAR图像压缩  71-76
    3.6.1 人类视觉模型分析  72-74
    3.6.2 实验结果分析  74-76
  3.7 本章小结  76-77
第4章基于多小波变换的SAR图像压缩  77-96
  4.1 引言  77
  4.2 多小波变换基本理论  77-83
    4.2.1 多小波变换的多分辨率分析  78
    4.2.2 多小波的Mallat算法  78-80
    4.2.3 多小波基本性质  80-81
    4.2.4 多小波预滤波  81-83
  4.3 结合SPIHT算法改进的多小波SAR图像压缩  83-91
    4.3.1 实验中选用的多小波及其滤波器组  83-88
    4.3.2 多小波系数编码及实验结果  88-91
  4.4 多小波域去噪和压缩算法  91-95
    4.4.1 改进的多小波域软阈值去噪  92-93
    4.4.2 实验结果分析  93-95
  4.5 本章小结  95-96
第5章基于小波包分解的SAR图像压缩  96-110
  5.1 引言  96
  5.2 小波包分解基本理论  96-100
    5.2.1 小波包树  97
    5.2.2 图像小波包  97-100
  5.3 最优基选取的代价函数设计  100-103
  5.4 小波包系数编码  103-109
    5.4.1 小波包系数特性分析  104-106
    5.4.2 小波包系数重排  106-107
    5.4.3 子带加权函数设计  107-108
    5.4.4 实验结果分析  108-109
  5.5 本章小结  109-110
结论  110-112
参考文献  112-122
攻读学位期间发表的学术论文  122-125
致谢  125-126
个人简历  126

基于小波理论的SAR图像压缩算法研究

内容摘要

全文目录

相似论文