基于经验模态分解和核主成分分析的SAR图像相干斑抑制

摘要：

结合经验模态分解(EMD)与核主成分分析(KPCA)方法，针对 SAR图像提出一种改进的相干斑抑制算法。首先将 SAR图像进行对数变换和均值调整后进行经验模态分解；然后利用 KPCA进一步去除各层本征模态函数(IMF)中的噪声，具体方法是根据斑点噪声的统计特性和零均值高斯白噪声 IMF的能量分布模型，近似计算各层 IMF中噪声能量所占比例，据此选择合适数量的主成分重构 IMF；最后对经过 KPCA 处理的IMF进行累加重构得到去噪SAR图像。实验结果表明，与另外两种EMD图像去噪算法相比，本文提出的方法在相干斑抑制效果和图像细节信息保持能力两方面都有较好的提高。

关键词：SAR图像、相干斑抑制、经验模态分解、核主成分分析、本征模态函数、图像去噪

所属期刊栏目：39

分类号：TP751(遥感技术)

资助基金：国家自然科学基金资助项目11201354;卫星海洋环境动力学国家重点实验室资助项目SOED1405

在线出版日期：2016-06-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：224-230