| ·小波去噪
|
|
|
| |
 |
一般来说,现实中的图象都是带噪图象,所以为了后续更高层次的处理,很有必要对图象进行去噪.图象去噪,是一个古老的课题,而人们也根据实际图象的特点,噪声的统计特征和频谱分布的规律,发展了各式各样的去噪方法,其中最为直观的方法是根据噪声能量一般集中于高频,而图象频谱则分布于一个有限区间的这一特点,采用低通滤波方式来进于小波变换具有如下特点:(1)低熵性,小波系数的稀疏分布,使得图象变换后的熵降低;(2)多分辨率,由于采用了多分辨率的方法,所以可以非常好地刻画信号的非平稳特征,如边缘,尖峰,断点等;(3)去相关性,因为小波变换可以对信号进行去相关,且噪声在变换后有白化趋势,所以小波域比时域更利于去噪;(4)选基灵活性,由于小波变换可以灵活选择变换基,从而对不同应用场合,对不同的研究对象,可以选用不同的小波母函数,以获得最佳的效果.
|
| |
|
|
| ·小波与SAR |
|
|
| |
|
SAR因为载体--侦察卫星,无人侦察机的运动形成雷达的“巨大”虚拟天线，获得较高方位向分辨率，利用脉冲压缩获得距离向高分辨率，通过数字信号处理的手段得到高分辨率的雷达图像，用于检测识别目标。目标运动带来了回波多普勒中心频率的偏移，多普勒信号调频斜率的变化，频谱的展宽。如果应用常规成像算法对运动目标成像时，引起距离单元迁徙，方位向散焦，
SAR图像模糊；对运动目标检测（MTI）得到其精确的运动参数，一方面是为了目标的精确跟踪定位，另一方面是为了精确补偿运动所带来的行为偏差，以便于用常规成像算法对补偿后的运动目标回波信号做成像处理. |
|
|
