| 成果基本信息 | ||||||
| 关键词: | SAR图像,去噪 | |||||
| 成果类别: | 应用技术 | 技术成熟度: | 初期阶段 | |||
| 体现形式(基础理论类): | 其他 | 体现形式(应用技术类): | 新技术 | |||
| 成果登记号: | 资源采集日期: | |||||
| 研究情况 | |||||
| 单位名称: | 武汉理工大学 | 技术水平: | 未评价 | ||
| 评价证书号: | 评价单位: | ||||
| 评价日期: | 评价证书号: | ||||
| 转化情况 | |||||
| 转让范围: | 合作开发 | 推广形式: | 合作开发 | ||
| 已转让企业数(个): | |||||
| 联系方式 | |||||
| 联系人(平台): | 孵化基地 | 联系人(平台)电话: | 0771-3394012 | ||
| *成果单位详细联系方式请登录会员;还不是会员,马上注册! | |||||
| 成果简介 | |||||
本发明公开了一种SAR图像的去噪方法,选取SAR图像训练样本集并初始化离散余弦变换字典DCT字典,获取表示当前训练样本的稀疏系数与表示训练样本残差的稀疏系数的集合,并对集合中各个稀疏系数由大到小进行排序,对前K个稀疏系数对应的字典原子进行求解,得到表示训练样本的稀疏系数,利用重构训练样本的误差最大项对应的训练样本或者是加权误差的归一化更新字典原子,去除字典中相关性大于预设上限或者对应稀疏系数小于预设下限的原子得到自适应学习字典。避免仅仅依靠字典和训练样本的相似性进行选择字典原子造成字典系数不够稀疏的缺点,并且加快了求解字典稀疏系数的速度,提高了自适应学习字典的合理性 |