李文涛，逄 博，徐 欣，韦 博

(杭州电子科技大学通信工程学院，浙江 杭州 310018)

0 引 言

合成孔径雷达(Synthetic Aperture Radar, SAR)具有全天时、全天候、分辨率高和探测距离远等优势，在遥感领域有着不可替代的地位，在军事和民用方面应用价值广泛。但是，SAR的相干成像特性使得SAR图像中都存在相干斑噪声，对SAR图像的后续应用带来严重的影响。经过几十年的研究，不同的SAR图像去噪算法相继提出，大致分为三类。第一类是空间域滤波算法，这类算法研究时间最长，如Lee滤波算法、Frost滤波和各向异性扩散滤波(Speckle Reduction Anisotropic Diffusion, SRAD)等[1]，Yu等[2]提出了SRAD滤波算法，通过判断是否为边缘像素提升了对图像的边缘保护能力。第二类是将图像变换到其他空间进行滤波操作，如小波变换去噪算法[3]等，在变换域中分离信号与噪声，得到更好的去噪效果；Gu等[4]提出一种新的加权和范数最小化求解方法，获得较好的去噪效果，但算法复杂度较高。第三类是以K-奇异值分解(K-Singular Value Decomposition, KSVD)为主流的字典学习算法，目前是该领域的研究热点。Elad等[5]提出KSVD字典学习的去噪算法，通过字典学习提取图像本质特征，并通过线性组合进行表示，在此过程中完成去噪，因其高效的去噪能力成为当时热门的去噪算法；Zheng等[6]提出Fisher判断奇异值分解(Fisher Discriminative K-Singular Value Decomposition, FD-KSVD)，在字典学习过程中加入Fisher判断准则，生成具有判别性的字典；汤中民等[7]提出新加权顺序字典更新(New Weighted Sequential Dictionary Learning，NSDL)，提高了字典学习的去噪能力。以上几类去噪算法在相干斑抑制方面均取得一定效果，但也存在去噪不彻底、细节损失严重等问题，对SAR图像去噪不彻底，为此，本文在字典学习算法的基础上，结合各向异性，提出一种各向异性与优先级字典学习算法，提高了算法的去噪能力。……