第1章 概述 1
1.1 研究背景与意义 1
1.2 研究内容 4
第2章 遥感影像复原方法及其最新进展 7
2.1 噪声与模糊退化模型 7
2.1.1 遥感影像的噪声模型 8
2.1.2 遥感影像的模糊模型 10
2.2 影像复原研究现状 11
2.2.1 空间域移动窗口法 11
2.2.2 变换域影像复原法 13
2.2.3 基于偏微分方程的复原方法 18
2.2.4 基于变分的复原方法 22
2.2.5 基于机器学习的复原方法 26
2.3 影像盲复原方法 30
2.3.1 基于MAP的盲复原方法 31
2.3.2 基于边缘预测的盲复原法 32
2.3.3 变分贝叶斯复原方法 33
2.4 变分正则化模型的数值求解方法 35
2.4.1 线性问题的数值解法 35
2.4.2 非线性问题的数值解法 38
2.5 本章总结 42
第3章 遥感影像脉冲噪声去除方法 49
3.1 脉冲噪声及其分布特征 49
3.1.1 固定值脉冲噪声 50
3.1.2 随机值脉冲噪声 50
3.2 经典的脉冲噪声去除方法 50
3.2.1 传统中值滤波 50
3.2.2 加权中值滤波 51
3.2.3 开关中值滤波 52
3.2.4 噪声探测方法 52
3.3 保持细节信息的迭代中值滤波 54
3.4 实验结果与分析 56
3.5 本章总结 60
第4章 遥感影像条带噪声去除方法 62
4.1 条带噪声成因与特性分析 62
4.1.1 条带噪声产生的原因 62
4.1.2 条带噪声的特性分析 63
4.2 经典的条带噪声去除方法 66
4.2.1 条带噪声的处理方法分类 66
4.2.2 空间域统计计算的条带噪声去除方法 68
4.2.3 变换域频率滤波的条带噪声去除方法 71
4.3 变分框架下的条带噪声去除方法 75
4.3.1 基于最大后验概率的条带噪声去除方法 75
4.3.2 基于校正系数估计的条带噪声去除方法 77
4.3.3 基于单向变差的条带去除方法 79
4.3.4 基于稀疏分布假设的条带去除方法 80
4.3.5 基于方向差分的斜向条带去除方法 83
4.4 实验结果与分析 86
4.4.1 模拟实验对比分析 86
4.4.2 真实实验对比分析 89
4.4.3 斜向条带噪声去除实验 95
4.5 本章总结 97
第5章 遥感影像光谱噪声去除方法 100
5.1 高光谱遥感影像噪声分析 100
5.2 变换域光谱噪声去除方法 104
5.2.1 主成分变换框架下的光谱去噪 104
5.2.2 基于小波域的空谱噪声分离 105
5.2.3 多维维纳滤波法 107
5.3 空谱联合的变分去噪方法 110
5.3.1 空间-光谱联合全变差模型 111
5.3.2 多通道非局部全变差模型 115
5.3.3 空谱分布式稀疏先验模型 118
5.3.4 基于低秩分解的高光谱去噪方法 124
5.4 实验结果与分析 126
5.4.1 模拟实验 127
5.4.2 真实实验 134
5.5 本章总结 139
第6章 遥感影像时序噪声去除方法 142
6.1 研究背景与意义 142
6.2 时序滤波方法综述 143
6.2.1 插值替换方法 144
6.2.2 卷积滤波法 146
6.2.3 频率域滤波法 147
6.2.4 曲线拟合法 149
6.2.5 顾及时空关系的重建方法 154
6.2.6 其他方法 155
6.3 移动加权谐波分析时序噪声去除方法 155
6.3.1 方法的基本原理 156
6.3.2 MWHA方法四步流程 157
6.3.3 实验与分析 160
6.4 顾及时序噪声特性的变分滤波方法 167
6.4.1 方法的基本原理 167
6.4.2 噪声去除实验 169
6.5 本章总结 172
第7章 单极化SAR影像相干斑噪声的抑制 175
7.1 相干斑形成机理及统计特性 175
7.1.1 相干斑形成机理 175
7.1.2 单极化SAR统计特性 176
7.2 单极化SAR影像去噪方法综述 179
7.2.1 局部窗口滤波算法 179
7.2.2 变换域滤波算法 182
7.2.3 基于偏微分方程的算法 183
7.2.4 变分去噪算法 184
7.2.5 基于图块计算的算法 185
7.2.6 基于机器学习与智能优化的算法 187
7.2.7 其他算法 188
7.2.8 SAR去噪效果的评价 188
7.3 单极化SAR非局部变分去噪方法 191
7.3.1 经典的SAR局部变分去噪算法 191
7.3.2 非局部正则化SAR变分去噪算法 192
7.4 实验与分析 195
7.4.1 模拟实验 195
7.4.2 真实实验 199
7.5 本章总结 202
第8章 全极化SAR影像相干斑噪声的抑制 206
8.1 PolSAR统计特性及去噪原则 206
8.1.1 PolSAR相干斑统计特性 206
8.1.2 PolSAR去噪原则 208
8.2 PolSAR影像滤波方法综述 209
8.2.1 局部窗口滤波算法 209
8.2.2 基于非局部均值的算法 210
8.2.3 偏微分去噪算法 211
8.2.4 变分去噪算法 212
8.2.5 基于机器学习与智能优化的去噪算法 213
8.2.6 PolSAR去噪效果的评价 213
8.3 自适应迭代优化的PolSAR AD滤波 215
8.3.1 PolSAR AD的基础模型 215
8.3.2 自适应迭代优化的PolSAR AD模型 216
8.4 实验与分析 224
8.4.1 模拟实验 224
8.4.2 真实实验 225
8.5 本章总结 231
第9章 范数自适应的正则化影像复原方法 234
9.1 正则化复原框架与模型 234
9.2 范数自适应的影像复原方法 236
9.2.1 范数自适应的数据一致性约束项 236
9.2.2 范数自适应的正则化先验 240
9.2.3 模型的优化求解 241
9.3 实验结果与分析 242
9.3.1 范数自适应数据一致性约束的验证 242
9.3.2 范数自适应先验模型的验证 243
9.3.3 联合框架的验证 246
9.4 本章总结 248
第10章 联合刃边提取与交替迭代的盲复原方法 250
10.1 引言 250
10.2 常用的模糊函数估计与盲复原方法 252
10.2.1 模糊函数估计方法 252
10.2.2 基于交替迭代最优化框架的影像盲复原 253
10.3 联合刃边提取与交替迭代的遥感影像盲复原 255
10.3.1 整体复原框架与求解 256
10.3.2 基于刃边提取的PSF初始估计 258
10.3.3 基于影像非参考评价指标的自动终止条件 261
10.4 实验结果与分析 262
10.4.1 参数选取、初始化与终止 263
10.4.2 模拟实验与分析 263
10.4.3 真实遥感影像实验与分析 272
10.5 本章总结 275