...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Geoscience and Remote Sensing Letters, IEEE >Gibbs Random Field Models for Model-Based Despeckling of SAR Images
【24h】

Gibbs Random Field Models for Model-Based Despeckling of SAR Images

机译：基于吉布斯随机场模型的基于图像的SAR图像去斑

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Synthetic aperture radar (SAR) images are affected by multiplicative noise called speckle. This noise makes automatic image classification and image interpretation difficult. Thus, many methods have been developed to remove speckle from SAR images while preserving the useful information of the scene such as texture and geometry. In this letter, a comparison between three different despeckling methods based on a Bayesian approach and Gibbs random fields is made. The used methods are Gauss–Markov random field (GMRF) and autobinomial modeling, which operate in the image domain, and the GMRF approach, which operates in the wavelet domain. Our methods are evaluated with synthetic and real SAR data (TerraSAR-X images). The experimental results show that, with these three methods, the speckle is well removed while structures are preserved; quantitative measures show that the autobinomial method provides the best smoothness and sharpness criteria in real SAR data, while the wavelet-based method generates the smallest bias.
机译：合成孔径雷达（SAR）图像受称为斑点的乘性噪声的影响。这种噪声使自动图像分类和图像解释变得困难。因此，已经开发出许多方法来从SAR图像中去除斑点，同时保留场景的有用信息，例如纹理和几何形状。在这封信中，比较了基于贝叶斯方法和吉布斯随机场的三种不同的去斑点方法。使用的方法是在图像域中运行的高斯-马尔可夫随机场（GMRF）和自动二项式建模，以及在小波域中运行的GMRF方法。我们的方法是使用合成和真实SAR数据（TerraSAR-X图像）进行评估的。实验结果表明，采用这三种方法，可以很好地去除斑点，同时保留结构。定量测量表明，自动二项式方法在真实SAR数据中提供了最佳的平滑度和清晰度标准，而基于小波的方法则产生了最小的偏差。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号