%0 Journal Article
%T 基于经验模态分解和核主成分分析的SAR图像相干斑抑制
%A 李长超
%A 王文波
%J -
%D 2016
%X 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
%K 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<br>SAR image speckle suppression EMD KPCA IMF image denoising
%U http://wkdxb.wust.edu.cn/wkd_zr/ch/reader/view_abstract.aspx?file_no=20160314&flag=1