一种新型SAR图像斑点噪声抑制算法：结合异质性测量和非局部平均

"基于异质性测量和非局部平均的斑点噪声抑制" 本文是一篇关于SAR（合成孔径雷达）图像处理的研究论文，主要关注的是如何有效地抑制SAR图像中的斑点噪声。传统的欧氏距离在度量含有相干斑噪声的SAR图像块之间的相似性时表现不足，因为欧氏距离不考虑图像的结构特性。为解决这个问题，研究者们提出了一种新的相似性测度方法，它结合了SAR图像的异质性测量和欧氏距离。 首先，他们引入了SAR图像的异质性测量，这是一种能够更准确地反映图像区域内像素变化的方法。通过计算相似性窗口之间的欧氏距离以及搜索窗口的变差系数，研究人员能够更好地理解图像的结构信息。接着，他们利用搜索窗口的变差系数来动态调整退化参数h，这个参数对于适应不同噪声水平和图像特性至关重要。 在调整了退化参数后，新的SAR图像相似性测度被构建出来。这个测度是基于改进的欧氏距离和调整后的退化参数，可以更精确地评估图像块之间的相似性。最后，他们应用这个新的相似性测度执行非局部平均滤波算法，对每个待处理像素点进行恢复。非局部平均滤波是一种有效的去噪方法，它通过对图像中相似区域的平均来减少噪声，同时尽可能保持图像的细节和边缘。 实验证明，这种新提出的算法在去除斑点噪声的同时，能够很好地保留图像的边缘纹理和其他细节，视觉效果显著优于现有的一些非局部噪声抑制算法。此外，新算法的计算复杂度相对较低，这使得它在实际应用中更具优势。 这篇论文由几位来自中南民族大学电子信息工程学院的研究人员完成，得到了国家自然科学基金、湖北省自然科学基金和中南民族大学中央高校基本科研业务费专项资金的支持。作者的研究方向涵盖了图像去噪、字符识别、图像处理、计算机视觉等多个领域。他们的工作对于提高SAR图像质量，特别是在遥感、军事和环境监测等领域有着重要的理论和实际意义。