上海交通大学学报

上海交通大学学报 >

2015 , Vol. 49 >Issue 10: 1534 - 1539

DOI: https://doi.org/10.16183/j.cnki.jsjtu.2015.10.018

基于小波阈值和字典学习的合成孔径雷达图像压缩

  • 刘瑾瑾 ,
  • 李元祥 ,
  • 张增辉 ,
  • 郁文贤
展开
  • 上海交通大学, 上海交通大学

网络出版日期: 2025-07-01

收起

基于小波阈值和字典学习的合成孔径雷达图像压缩

  • 刘瑾瑾 ,
  • 李元祥 ,
  • 张增辉 ,
  • 郁文贤
Expand
  • 上海交通大学, 上海交通大学

Online published: 2025-07-01

Fold

摘要

在小波域对合成孔径雷达(SAR)图像进行双重稀疏处理的基础上,提出一种基于小波阈值和字典学习的SAR图像压缩方法.利用SAR图像的统计分布特性,结合空间树结构对小波域的小波系数进行阈值化处理,利用递归最小二乘字典学习算法(RLS-DLA)将小波系数表示为字典稀疏,以在增大字典稀疏度的同时抑制斑噪声,并提高图像的重构效果.结果表明:在低比特率条件下,所提出方法比经典压缩方法的精度更高.

关键词： 合成孔径雷达, 图像压缩, 统计分布, 递归最小二乘字典学习算法, 阈值化处理

本文引用格式

刘瑾瑾 , 李元祥 , 张增辉 , 郁文贤 . 基于小波阈值和字典学习的合成孔径雷达图像压缩[J]. 上海交通大学学报, 2015 , 49(10) : 1534 -1539 . DOI: 10.16183/j.cnki.jsjtu.2015.10.018

Abstract

在小波域对合成孔径雷达(SAR)图像进行双重稀疏处理的基础上,提出一种基于小波阈值和字典学习的SAR图像压缩方法.利用SAR图像的统计分布特性,结合空间树结构对小波域的小波系数进行阈值化处理,利用递归最小二乘字典学习算法(RLS-DLA)将小波系数表示为字典稀疏,以在增大字典稀疏度的同时抑制斑噪声,并提高图像的重构效果.结果表明:在低比特率条件下,所提出方法比经典压缩方法的精度更高.

Key words： 合成孔径雷达, 图像压缩, 统计分布, 递归最小二乘字典学习算法, 阈值化处理

Options
文章导航

/

〈 〉