Kirsch Direction Template Despeckling Algorithm of High-Resolution SAR Images-Based on Structural Information Detection
Kirsch Direction Template Despeckling Algorithm of High-Resolution SAR Images-Based on Structural Information Detection
复制标题
基于结构信息检测的高分辨率SAR图像Kirsch方向模板去斑算法
DOI：
10.1109/lgrs.2020.2966369
复制
发表时间：
2021-01
影响因子：
4.8
通讯作者：
Yunjing Song
中科院分区：
文献类型：
--
作者：
Sujuan Hou;Zengguo Sun;Liu Yang;Yunjing Song
为了克服传统Kirsch模板去斑采用固定窗口的缺点，针对高分辨率合成孔径雷达(SAR)图像，提出一种基于结构信息检测的改进Kirsch方向模板去斑算法。首先，检测并保存当前区域中的点目标。其次，根据局部区域的统计特征自适应地扩大窗口。最后对最终得到的窗口进行分类。如果区域均匀则直接采用平均滤波器，否则采用Kirsch模板滤波器。该算法结合点目标检测、自适应加窗和区域分类，可以有效提高传统Kirsch方向模板去斑的性能。模拟和真实高分辨率SAR图像去斑实验表明，基于结构信息检测的Kirsch方向模板去斑算法不仅能够充分抑制均匀区域和边缘区域的散斑，而且能够有效保留点目标和边缘信息，取得了良好的去斑效果。
In order to overcome the drawback of the traditional Kirsch template despeckling usings fixed windows, an improved Kirsch direction template despeckling algorithm, based on structural information detection, is proposed for high-resolution synthetic aperture radar (SAR) images. First, the point targets are detected and preserved in the current region. Second, the window is enlarged adaptively based on the statistical characteristics of the local region. Finally, the window finally obtained is classified. The averaged filter is directly adopted if the region is homogeneous, or else the Kirsch template filter is used. Combining point target detection, adaptive windowing, and region classification, altogether the proposed algorithm can effectively improve the performance of the traditional Kirsch direction template despeckling. Despeckling experiments on simulated and real high-resolution SAR images demonstrate that the Kirsch direction template despeckling algorithm based on structural information detection can not only sufficiently suppress speckle in homogenous and edge regions, but also effectively preserve point targets and edge information, leading to good despeckling results.
登录
查看更多内容
影响因子：
1.3
作者：
LEE, JS
通讯作者：
LEE, JS
影响因子：
8.2
作者：
A. Lapini;T. Bianchi;F. Argenti;L. Alparone
通讯作者：
A. Lapini;T. Bianchi;F. Argenti;L. Alparone
基于局部区域的图像分割 Chan-Vese 模型
影响因子：
8
作者：
Liu, Shigang;Peng, Yali
通讯作者：
Peng, Yali
DOI：
10.7498/aps.59.3210
发表时间：
2010-05
期刊：
--
影响因子：
--
作者：
Zeng-Guo Sun;Chong-Zhao Han
通讯作者：
Zeng-Guo Sun;Chong-Zhao Han
DOI：
10.5772/intechopen.76428
发表时间：
2018-07
期刊：
Medical and Biological Image Analysis
影响因子：
--
作者：
K. Tamilselvan;Govindasamy Murugesan
通讯作者：
K. Tamilselvan;Govindasamy Murugesan