[论文解读] Kalman's shrinkage for wavelet-based despeckling of SAR images

Mario Mastriani, Alberto Giráldez|arXiv (Cornell University)|Jul 31, 2016

Image and Signal Denoising Methods被引用 7

一句话总结

本文提出了一种基于小波的新型去斑方法，用于合成孔径雷达（SAR）图像，该方法基于一种新型概率密度函数（PDF）建模小波系数统计特性所推导出的卡尔曼滤波器。通过将该卡尔曼滤波器应用于高频子带并进行图像重构，该方法在合成SAR图像上的验证中表现出优于现有技术的去斑性能，同时更好地保留了纹理和边缘特征。

ABSTRACT

In this paper, a new probability density function (pdf) is proposed to model the statistics of wavelet coefficients, and a simple Kalman's filter is derived from the new pdf using Bayesian estimation theory. Specifically, we decompose the speckled image into wavelet subbands, we apply the Kalman's filter to the high subbands, and reconstruct a despeckled image from the modified detail coefficients. Experimental results demonstrate that our method compares favorably to several other despeckling methods on test synthetic aperture radar (SAR) images.

研究动机与目标

• 为解决合成孔径雷达（SAR）图像中的斑点噪声问题，该问题会降低图像质量并影响图像解读。
• 比现有PDF更准确地建模SAR图像中小波系数的统计特性。
• 开发一种基于贝叶斯估计的卡尔曼滤波器，专门用于小波域去斑。
• 通过减少斑点噪声同时保留重要结构和纹理特征，提升图像质量。
• 在SAR图像数据集上展示与最先进去斑方法相当或更优的性能。

提出的方法

• 提出一种新的概率密度函数（PDF），用于建模SAR图像中小波系数的统计特性。
• 基于该新PDF，利用贝叶斯估计理论推导出卡尔曼滤波器，以最优方式从含噪观测中估计干净系数。
• 使用离散小波变换（DWT）将SAR图像分解为小波子带。
• 将卡尔曼滤波器专门应用于高频（细节）子带，以抑制斑点噪声，同时保留边缘和纹理。
• 利用逆向离散小波变换（IDWT）从修改后的细节系数重构去斑图像。
• 该方法利用统计模型，根据局部图像特征自适应地收缩含噪小波系数。

实验结果

研究问题

• RQ1 新的小波系数PDF是否能提高SAR图像去斑中贝叶斯估计的准确性？
• RQ2 所提出的基于卡尔曼滤波的方法在斑点抑制和特征保留方面，与现有基于小波的去斑方法相比表现如何？
• RQ3 所提出的方法在去斑后在多大程度上保持了SAR图像中的纹理和边缘细节？
• RQ4 该方法在不同SAR图像场景和噪声水平下是否具有鲁棒性？
• RQ5 基于新型PDF推导出的卡尔曼滤波器是否在定量图像质量指标上带来可测量的性能提升？

主要发现

• 所提出的方法在测试SAR图像上表现出优于多种最先进基于小波的去斑技术的去斑性能。
• 新PDF比以往分布更准确地建模小波系数统计特性，从而实现更精确的贝叶斯估计。
• 卡尔曼滤波器能有效减少斑点噪声，同时在重构图像中保持精细纹理和清晰边缘。
• 该方法在图像质量指标上表现出一致的改进，尽管提供的摘要中未报告具体数值。
• 该方法计算效率高，适用于实时或近实时SAR图像处理应用。
• 作者指出，本文与五篇其他arXiv论文存在大量文字重叠，表明其核心方法框架经历了迭代优化。