基于小波变换和双边滤波器的SAR 图像降斑第一章 引言传统的SAR 图像去噪方法一般是首先设计滤波模板和权系数，而滤波输出则是当前点和模板内周围点的灰度值的加权和，然而此方法会导致图像的边缘模糊。
为了克服这一缺陷，出现了各种自适应滤波算法，以达到在滤波的同时，尽量保存图像的边缘信息。
本文引用的双边滤波器不仅能考虑到含噪图像的灰度信息，也充分利用了图像的位置信息。
本文中，我们结合了小波变换进行图像的分解，并在分解的高频部分采用阈值去噪。
我们得到了较高的评价指数以及很好的视觉效果。
应用双边滤波器的关键问题是他的参数选择，我们采用了根据等效视数（ENL ）和EPD-ROA 方法的综合评价，以选取参数。
本文的安排如下：第二章为双边滤波参数的选取。
第三章为实验结果分析，第四章为结束语。
第二章 双边滤波器的参数选取双边滤波是结合空间滤波和灰度滤波的滤波器，公式表示如下： 1()()()(,)((),())h x k x f c x s f f x d ξξξξ∞∞--∞-∞=⎰⎰这里(,)c x ξ是点ξ与几何中心x 的空间邻近度，((),())s f f x ξ为点ξ与几何中心x 的像素灰度相似度，归一化因子()(,)((),())k x c x s f f x d ξξξ∞∞-∞-∞=⎰⎰。
双边滤波器的特点是对图像的每一点用其空间相邻且灰度相近的像素点的平均值代替原来的值，从而达到滤波的效果。
在图像变化平缓的区域，一个小的邻域内图像的灰度值变换不大，近似为一个常值，这时双边滤波器转化为标准的低通空域滤波器。
而在图像变化剧烈的区域，可以利用边缘点邻域内灰度相似像素点的灰度平均值代替原灰度值。
一种最简单也是最常用的双边滤波器是移不变高斯滤波器，即空间邻近度函数和灰度相似函数都取为参数间欧几里得距离的高斯函数：222(,)d x c x e ξσξ--=22()()2((),())r f f x s f f x e ξσξ--=其中d σ和r σ分别控制着空间和灰度域的衰落权重。
