1、Lee滤波

Lee滤波是选择一定长度的窗口作为局部区域,利用图像局部统计特性进行SAR图像斑点滤波的典型方法。其是基于完全发育的斑点噪声模型。(图像上斑点处于均匀区域,且斑点噪声与图像信号不相关)

根据试验研究表明完全发育的相干噪声是一种乘性噪声,即有(k,l)是图像像素的坐标,I(k,l)是实际得到的图强强度(含有噪声),x(k,l)是一个平稳随机过程,描述了原始信号,v(k,l)即为相干斑噪声,它是一个均值为1,方差为的平稳白噪声。

乘性相干斑模型如下:

噪声抑制的两个关键环节:一是建立真实后向散射系数的估计机制,二是制定同质区域像素样本的选择方案。计算方法如下:

2、Refine-Lee滤波

由于Lee滤波器存在缺陷,即对靠近边缘或点目标的同质区域像素滤波不够充分,之后,Lee又提出了一种基于边缘检测的自适应滤波算法,通过重新定义中心像素的邻域来提高估计的准确性。通常使用7*7的滑动窗口,具体处理如下:

Step1:将7×7的滑窗分为九个子区间,区间之间有重叠,每个子区间大小为3×3。

Step2:计算各子窗的均值。用这个均值构造一个3×3的矩阵M,来估计局域窗中边缘的方向,将3×3梯度模板应用到均值矩阵,梯度绝对值最大的方向被认为是边缘的方向。这里只需要用水平、垂直、45度和135度四个方向的梯度模板,相反方向互为相反数。

3、流程图

图1 Lee滤波

图2 Refine滤波

Lee滤波和Refine-Lee滤波相关推荐

  1. Python 图像处理 | 图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

    作者 | 杨秀璋,责编 | 夕颜 题图  | 视觉中国 出品 | CSDN博客 本篇文章主要讲解Python调用OpenCV实现图像平滑,包括四个算法:均值滤波.方框滤波.高斯滤波和中值滤波.全文均是 ...

  2. PCL从0到1|点云滤波之直通滤波与体素法滤波

    3D视觉工坊的第51篇文章 今天呢,想和大家聊一聊点云滤波处理的相关模块. 我对点云模块了解得也不算深入,此处单纯地想和大家分享一下这几天我所学习到的点云滤波知识,如有不到之处,还请后台留言多多指正. ...

  3. 图像平滑处理(归一化块滤波、高斯滤波、中值滤波、双边滤波)

    图像平滑处理 目标 本教程教您怎样使用各种线性滤波器对图像进行平滑处理,相关OpenCV函数如下: blur GaussianBlur medianBlur bilateralFilter 原理 No ...

  4. 【图像处理】【计算机视觉】线性邻域滤波专场:方框滤波、均值滤波与高斯滤波...

    首先注意点:关于OpenCV中的函数,有老的数据结构,还有新的opencv2的数据结构,一般地区别就是IplImage*与Mat的区别,两者大致分别对应着C和C++内的两个功能一样,但是函数名称有别. ...

  5. 均值滤波java_均值滤波,中值滤波,最大最小值滤波

    http://blog.csdn.net/fastbox/article/details/7984721 讨论如何使用卷积作为数学工具来处理图像,实现图像的滤波,其方法包含以下几种,均值 滤波,中值滤 ...

  6. alpha beta 滤波_不同Alpha-Beta滤波算法的精度分析及改进

    不同Alpha-Beta滤波算法的精度分析及改进 刘常娟1, 王运锋2, 杨 玲3 [摘 要]摘 要: 机动目标跟踪是雷达应用系统的一个重要组成部分,在机动目标跟踪中,目标的跟踪 精度作为一项能够反映 ...

  7. [Python图像处理] 四十一.Python图像平滑万字详解(均值滤波、方框滤波、高斯滤波、中值滤波、双边滤波)

    该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...

  8. [Python图像处理] 四.图像平滑之均值滤波、方框滤波、高斯滤波及中值滤波

    该系列文章是讲解Python OpenCV图像处理知识,前期主要讲解图像入门.OpenCV基础用法,中期讲解图像处理的各种算法,包括图像锐化算子.图像增强技术.图像分割等,后期结合深度学习研究图像识别 ...

  9. 【图像处理】——图像滤波(Python+opencv实现三种方法:均值滤波、中值滤波、高斯滤波等)

    目录 一.什么是滤波以及滤波的目的? 二.均值滤波(cv2.blur()) 1.原理 2.关键代码 3.封装代码 二.中值滤波(cv2.medianBlur()) 1.原理 2.关键代码 3.封装代码 ...

  10. 【51单片机快速入门指南】4.3.2: MPU6050:一阶互补滤波、二阶互补滤波和卡尔曼滤波获取欧拉角

    目录 源码 MPU6050_Filter.c MPU6050_Filter.h 使用方法 测试程序 一阶互补滤波 效果 二阶互补滤波 效果 卡尔曼滤波 效果 总结 普中51-单核-A2 STC89C5 ...

最新文章

  1. java perl_在Java中调用Perl脚本
  2. 996和被辞退,二选一
  3. 世界农业发展史-国际农民丰收节贸易会:人类的发展史
  4. DynaSLAM跑通的辛酸之路
  5. 12.深度学习练习:Residual Networks(注定成为经典)
  6. 从数据传输的角度辨析表单设计时的 get 和 post 提交方法
  7. matlab 符号表,MATLAB——matlab特殊符号表【转载】
  8. 在没有DOM操作的日子里,我是怎么熬过来的(终结篇)
  9. netlink 0001 --- 基础简介
  10. MATLAB将MP4转为GIF
  11. php验证qq,正则表达式验证qq号码是否输入正确
  12. 黑苹果系统--键盘设置(保持windows输入习惯)
  13. Ubuntu快速安装或更新chrome
  14. 软件架构模式 mark Richards - 读后总结 3 - 微内核架构
  15. 2_linux-常用命令-实例
  16. 基于组态王和三菱PLC的modbus仿真(七)——RS指令
  17. CVPR 2020 开幕!最佳论文奖等揭晓!
  18. 【centos7中使用docker安装KLEE】
  19. 《Python编程 从入门到实践》第八章 ——函数习题
  20. cocos2d-x 学习笔记(2)cocos2d-x重要概念,项目结构及 CCDirector 导演控件

热门文章

  1. layui值会议OA系统3.0
  2. 计算机网络和共享中心打不开,Win7系统网络和共享中心打不开如何解决
  3. 区间对比_预算1015万元区间 国内在售街车综合实力对比
  4. Cloning into ‘vue-element-admin‘... fatal: unable to access ‘https://github.com/PanJiaChen/vue-eleme
  5. R语言使用survival包的Surv函数创建生存对象、建立Cox回归模型(包含所有协变量)比较不同治疗方法生存率的差异、使用step函数基于AIC指标进行逐步回归法cox模型特征筛选(变量筛选)
  6. SpringBoot实现简易支付宝网页支付
  7. 网站域名如何解析到阿里云和腾讯云服务器?
  8. 机器学习应用——强化学习课程总结 实例 “自主学习Flappy Bird游戏”(MDP蒙特卡洛强化学习Q-learningDRLDQN)
  9. Flutter Connection to **** was not upgraded to websocket
  10. 影子内存(Shadow RAM)介绍_4