基于非下采样Shearlet变换与模糊对比度的合成孔径雷达图像增强

摘要 针对合成孔径雷达（SAR）图像在成像和传输过程中引入噪声和干扰从而导致图像清晰度下降、细节丢失等问题，提出了一种非下采样Shearlet变换（NSST）与模糊对比度的SAR图像增强算法。首先，原始图像经NSST分解成一个低频分量和若干个高频分量；然后对低频分量进行线性增强以提高整体对比度，对高频分量采用阈值法进行增强以去除图像中的噪声；接着对处理后的两部分分量进行NSST反变换得到重构图像；最后采用模糊对比度算法对重构图像进行增强，提高图像细节信息和层次感，得到增强后的图像。对40幅图像的实验结果表明，与直方图均衡化、多尺度Retinex增强算法、基于Shearlet变换和多尺度Retinex的遥感图像增强算法、基于剪切波域改进Gamma校正的医学图像增强算法相比，该算法的图像峰值信噪比至少提升了22.9%，均方根误差至少降低了36.2%，能明显提升图像的清晰度，使图像的纹理信息更加清晰