sar图像去噪的几种新的方法

资 源 简 介

sar图像去噪的几种新的方法

详 情 说 明

SAR图像去噪是遥感影像处理中的关键环节，针对传统经验模态分解（EMD）方法存在的模态混叠和端点效应问题，近年来出现了几种结合重复控制策略的创新方法，显著提升了抑噪性能。

自适应加权EMD去噪 通过引入噪声能量分布模型，在EMD分解阶段动态调整各IMF分量的权重系数。重复控制模块会迭代检测残留噪声的频域特征，对高频IMF进行二次筛选，避免直接舍弃有用信号。

变分模态分解联合非局部均值（VMD-NLM） 利用VMD代替传统EMD解决模态混叠问题，其分解层数由噪声水平自动确定。非局部均值处理时加入重复质量控制机制，通过比较相邻像素块的相似度阈值，循环优化去噪参数直至收敛。

深度残差EMD网络 将EMD分解后的IMF分量输入CNN网络，采用残差学习策略分离噪声与信号。该方法的重复控制体现在训练阶段：当输出图像的等效视数（ENL）未达预设标准时，网络会自动增补EMD分解层并重新训练。

这些方法通过闭环反馈的重复控制机制，有效克服了传统EMD的过平滑或细节丢失缺陷，在保持图像边缘和纹理特征方面展现出优势，特别适用于高分辨率SAR图像的相干斑噪声抑制场景。