- 上一篇：最近邻分类中的距离度量学习算法实现与验证
- 下一篇：基于云平台的应用研究+文献综述
时平滑不当，会导致图像本身的细节如边界轮廓、线条等变得模糊不清，从而使图像
降质。因此 SAR 图像的相干斑抑制算法一般是在相干斑去除(辐射分辨率)与细节保留
(空间分辨率)之间做的折衷，如何综合这两个方面较好效果是 SAR 图像相干斑去噪研究的主要内容。
1.3 国内外相干斑抑制算法研究现状
为了减少斑点噪声，早期的方法是在SAR成像处理中，通过降低处理器带宽（方
位向或距离向）形成多视子图像，然后对多视子图像进行非相干叠加来降低斑点噪声。
这种非相干叠加的方法称为多视平滑处理，简称多视处理。这种方法实现起来比较简
单，而且不用考虑斑点噪声的任何统计特性。但是，多视处理中图像辐射分辨率的提
高是以牺牲星载SAR图像的空间分辨率为代价的，随着子视数目的增加，会明显地破
坏图像中的边缘细节特性，这与空间高分辨率的要求相互矛盾。
随着数字图像处理技术的发展，国际上出现了一些空域滤波算法，并被用于星载
SAR图像的斑点抑制。空域滤波技术中，局域自适应滤波是一个重要的概念，即在图
像上取一个滑动窗口，以窗口内的所有像素作为滤波器的输入，进行滤波处理得到窗
口中心像素的滤波值，这对当前滤波像素(窗口中心像素)的局域是自适应的。局域自适
应滤波算法基本上可以分为两类：一类是不使用斑点噪声统计特性的方法，如均值滤
波、中值滤波和顺序统计量法。均值滤波和中值滤波分别将滑动窗口内像素的均值、
中值作为窗口中心像素的滤波值。顺序统计量法则充分利用了信号样本之间的相关信
息，以非线性排序和线性加权组合两步过程完成滤波操作。另一类是基于SAR图像局
域统计特性的自适应滤波算法，可以分为以其局域统计特性(均值和方差)为依据和以其
统计分布为依据两类。对于基于局域统计的自适应滤波算法，图像的局域方差系数（方
差与均值的比值）是图像局域均匀性的量度。方差系数越小，代表局域图像越均匀。
滤波器的输出作为此局域方差系数的函数，对局域统计值是自适应的。此类算法比较
著名的有：Lee 算法，Frost 算法，Kuan 算法等。Lee 算法和 Kuan 算法都利用滑动窗
口内像素的均值和方差作为参数，按照一定的估计原则进行滤波。Sigma 滤波基于斑
点噪声为高斯分布且窗口中心像素为其均值的假设，将其所有与中心像素具有相同分
布的像素进行平均计算滤波值。此后又在Sigma滤波的基础上得到了Weighting 滤波器
及改进 Sigma滤波方法。但上述这些空域相干斑抑制方法主要适合于SAR图像均匀区