本發明專利技術公開了一種基于Beta算法的多尺度SAR圖像降噪方法，主要解決傳統字典學習方法不適用SAR圖像降噪的問題。其降噪過程為:對待降噪SAR圖像進行像素分類，得到邊緣圖像A、紋理圖像B和同質圖像C；對這些圖像分別進行重疊塊提取和中心化操作，得到它們各自的訓練樣本集；初始化字典為DCT字典；用字典進行稀疏編碼得稀疏系數矩陣；用稀疏系數矩陣更新字典的第k列；重復稀疏編碼步驟和字典更新步驟共K次，得最終字典和最終稀疏系數矩陣，并將其相乘得降噪后的邊緣圖像A’、紋理圖像B’和同質圖像C’，進而得降噪后的SAR圖像為：I’=A’+B’+C’。本發明專利技術具有在有效去除SAR圖像中噪聲的同時能保留圖像的紋理和邊緣信息的優點，可用于SAR圖像目標識別。
【技術實現步驟摘要】
本專利技術屬于圖像處理領域，特別是一種涉及SAR圖像降噪的方法，可應用于目標識別。
技術介紹
合成孔徑雷達SAR是一種高分辨率雷達體制，可應用于軍事，農業，導航，地理監視等諸多領域。它與其它遙感成像系統，光學成像系統相比有很多差異。在軍事目標識別方面，SAR圖像被廣泛的應用在目標檢測領域，而SAR圖像降噪則是從圖像處理到圖像分析的重要步驟，是目標分類和識別的基礎。本質上SAR圖像反映的是目標的電磁散射特性和結構特性，但由于SAR發射的是相干電磁波，當它向地面發射電磁波時，其后向散射回來的總回波并不完全由地物目標的散射系數決定，而是隨著這些散射系數有很大的隨機起伏，這種起伏的存在使SAR圖像中出現許多斑點，這些斑點與較小的地物目標摻雜在一起嚴重影響圖像的質量，這些斑點稱為相干斑噪聲。SAR成像的特殊性使得針對該類圖像的降噪方法有別于普通光學圖像非光學成像方式導致SAR圖像灰度級變化緩慢，因此光學圖像常用的基于高斯白噪聲假設的降噪方法對此類圖像收效甚微。針對SAR圖像的以上特點，經典降噪方法有基于多視處理技術的降噪方法。它在SAR圖像成像階段對同一個場景獲得L個獨立的測量，并將這些測量進行平均，該技術雖然簡單，但卻是以犧牲圖像分辨率為代價。因此，出現了各種對成像后的SAR圖像進行濾波的降噪算法?；诳沼虻慕翟敕椒āＶ饕↙ee濾波、Frost濾波和Gamma-MAP濾波等,它們都假設真實場景是平穩的并使用乘性的相干斑模型，Lee濾波直接應用線性最小均方誤差MMSE準則，得到一個一般的降噪表達式，通過計算這個表達式得到降噪結果；FroSt濾波也使用了麗SE準則，但其發現場景的自相關函數與像素之間的空間距離呈負指數關系，基于此構建了一個自相關函數，將圖像與該自相關函數進行卷積獲得最終濾波結果。由于這兩種濾波器并未涉及相干斑或場景的具體統計特性，因此Lopes A.等人假設真實場景的統計特性符合Gamma分布，相干斑的統計特性符合高斯分布，結合最大后驗概率MAP準則求得抑斑結果，這就是 Gamma-MAP 濾波器，參見 Lopes A, Nezry E, Touzi R, Laur H. Maximum aposteriori speckle filtering and first order texture models in SAR images[C].Geoscience and Remote Sensing Symposium, 1990 IGARSS ' 90 ' Remote SensingScience for the Nineties' , IOth Annual International. 1990. 2409-12.。上述的三種濾波方法雖然抑斑效果較好，但是它們都難以保持圖像的細節特征，使圖像邊緣和線性目標模糊。原因在于它們都假設真實的SAR圖像場景是平穩的，而這個假設在邊緣和細節區域不成立。因此為了更好地滿足“平穩”這個假設，科學家們做了以下改進一種是將SAR圖像的真實場景分為均勻和非均勻的，分別采用不同抑斑方法。例如Lopes A.等人提出的增強系列濾波器。另一種是通過統計對圖像像素進行分類。例如Lee J.S.的增強Lee濾波器，它通過對圖像的像素值進行統計并劃定一個概率區間，將區間之外的像素作為噪聲，經過濾波處理得到干凈的圖像，參見Lee JS, Wen JH, Ainsworth TL, Chen KS, ChenAJ.1mproved sigma filter for speckle filtering of SAR imagery[J].Geoscience andRemote Sensing, IEEE Transactions on.2009，Vol.47 (I).202-13.?；谧儞Q域的降噪方法。主要有小波變換、Bandelet變換、Curvelet變換和非下采樣Contourlet變換等。這些變換域濾波方法相比于經典的空域濾波方法來說，圖像的線性目標能得到較好的保持，但是由于噪聲和圖像邊緣都是高頻信號，因此抑斑后的圖像在均勻區域和邊緣附近常會出現偽吉布斯效應。隨著“稀疏表示”熱潮的席卷，變換域方法可以看成是將圖像投影在一種或者幾種基上，實現在用較少的系數表示圖像的同時達到降噪的目的。但是由于這些基都有特定的方向，而一幅真實圖像存在各種方向，因此變換域的稀疏表示方法不能很好地保持圖像中的邊緣信息。
技術實現思路
本專利技術的目的在于針對上述已有技術的不足，提出一種基于Beta算法的SAR圖像多尺度降噪方法，在有效去除圖像中的斑點噪聲的同時保留圖像的紋理和邊緣信息，且在圖像的均勻區域和邊緣附近避免出現偽吉布斯效應。實現本專利技術目的的技術方案是:使用像素分類將一幅SAR圖像分為三幅圖像，分另IJ為邊緣圖像，紋理圖像和同質圖像。對這三幅圖像分別使用Beta算法得到它們各自的稀疏表示系數和字典，將它們各自的稀疏表示系數和字典相乘得三幅降噪后圖像，將這三幅降噪后圖像相加即為原SAR圖像的降噪結果圖。其具體實現步驟如下:(I)對待降噪SAR圖像I進行像素分類，得到邊緣圖像A、紋理圖像B和同質圖像C ；(2)對邊緣圖像A進行重疊塊提取`和中心化操作，得到訓練樣本集# = 0,丨二，其中λ是長度為I^b1Xb1的列向量，Id1為重疊塊提取窗的邊長，M=(N-b1+l)2, N為邊緣圖像A的行數；(3)將字典D初始化為離散正弦變換DCT字典，字典D大小為ηXK，K=RXn, R為冗余度；(4)用字典D對訓練樣本集f進行稀疏編碼得到大小為KXM的稀疏表示系數矩陣 %(5)用稀疏表示系數矩陣 更新字典D的第k列dt ；(6)重復步驟⑷和步驟(5)共K次，得到最終字A D和最終稀疏表示系數矩陣 將最終字典D和最終稀疏表示系數矩陣P相乘，得降噪后邊緣圖像A'；(7)對紋理圖像B使用大小為b2Xb2的重疊塊提取窗，I^b1，重復步驟⑵至步驟(6)得到降噪后紋理圖像B'；(8)對同質圖像C使用大小為b3Xb3的重疊塊提取窗，I^b2Sb1，重復步驟⑵至步驟(6)得到降噪后同質圖像C'；(9)將降噪后邊緣圖像A'、降噪后紋理圖像B'和降噪后同質圖像C'相加，得到降噪后的SAR圖像Γ。本專利技術與現有的技術相比具有以下優點:1、本專利技術由于使用像素分類和多尺度方法，能夠很好保留SAR圖像邊緣和紋理區域的細節信息，保證了圖像信息的完整性；2、本專利技術使用Beta字典學習方法，很好地去除SAR圖像中的噪聲；3、本專利技術是在空域上對SAR圖像進行處理，避免了在圖像的均勻區域和邊緣附近出現偽吉布斯效應；仿真結果表明，本專利技術方法較增強Lee濾波和Gamma-MAP濾波能更有效的進行SAR圖像降噪。附圖說明圖1是本專利技術的流程圖；圖2是本專利技術在一幅4視強度SAR圖像上的仿真結果圖；圖3是本專利技術在一幅6視強度SAR圖像上的仿真結果圖；圖4是本專利技術在一幅2視幅度SAR圖像上的仿真結果圖。具體實施例方式參照圖1，本專利技術的具體實現步驟如下:步驟一、對待降噪SAR圖像I進行像素分類，得到邊緣圖像A、紋理圖像B和同質圖像C。(Ia)輸入待降噪SAR圖像I，根據公式I)計算該待降噪SAR圖像I的局部方差圖variance,并繪制局本文檔來自技高網...
【技術保護點】
一種基于Beta算法的多尺度SAR圖像降噪方法，包括如下步驟：1)對待降噪SAR圖像I進行像素分類，得到邊緣圖像A、紋理圖像B和同質圖像C；2)對邊緣圖像A進行重疊塊提取和中心化操作，得到訓練樣本集其中是長度為n=b1×b1的列向量，b1為重疊塊提取窗的邊長，M=(N?b1+1)2，N為邊緣圖像A的行數；3)將字典D初始化為離散正弦變換DCT字典，字典D大小為n×K，K=R×n，R為冗余度；4)用字典D對訓練樣本集進行稀疏編碼，得到大小為K×M的稀疏表示系數矩陣5)用稀疏表示系數矩陣更新字典D的第k列dk；6)重復步驟4)和步驟5)共K次，得到最終字典和最終稀疏表示系數矩陣將最終字典和最終稀疏表示系數矩陣相乘，得降噪后邊緣圖像A′；7)對紋理圖像B使用大小為b2×b2的重疊塊提取窗，b2>b1，重復步驟2)至步驟6)得到降噪后紋理圖像B′；8)對同質圖像C使用大小為b3×b3的重疊塊提取窗，b3>b2>b1，重復步驟2)至步驟6)得到降噪后同質圖像C′；9)將降噪后邊緣圖像A′、降噪后紋理圖像B′和降噪后同質圖像C′相加，得到降噪后的SAR圖像I′。FDA00002779625500011.jpg,FDA00002779625500012.jpg,FDA00002779625500013.jpg,FDA00002779625500014.jpg,FDA00002779625500015.jpg,FDA00002779625500016.jpg,FDA00002779625500017.jpg,FDA00002779625500018.jpg,FDA00002779625500019.jpg...
【技術特征摘要】
1.一種基于Beta算法的多尺度SAR圖像降噪方法，包括如下步驟: 1)對待降噪SAR圖像I進行像素分類，得到邊緣圖像A、紋理圖像B和同質圖像C； 2)對邊緣圖像A進行重疊塊提取和中心化操作，得到訓練樣本集#=丨兌丨二，其中免是長度為Ii=ID1Xb1的列向量,Id1為重疊塊提取窗的邊長,M= (N-1d^I)2A為邊緣圖像A的行數； 3)將字典D初始化為離散正弦變換DCT字典，字典D大小為ηXK，K=RXn,R為冗余度； 4)用字典D對訓練樣本集y進行稀疏編碼，得到大小為KXM的稀疏表示系數矩陣J.5)用稀疏表示系數矩陣 更新字典D的第k列dk； 6)重復步驟4)和步驟5)共K次，得到最終字典力和最終稀疏表示系數矩陣將最終字典6和最終稀疏表示系數矩陣&相乘，得降噪后邊緣圖像A'； 7)對紋理圖像B使用大小為b2Xb2的重疊塊提取窗，b2>bi，重復步驟2)至步驟6)得到降噪后紋理圖像B'； 8)對同質圖像C使用大小為b3Xb3的重疊塊提取窗，I3Pb2A1，重復步驟2)至步驟6)得到降噪后同質圖像C'； 9)將降噪后邊緣圖像A'、降噪后紋理圖像B'和降噪后同質圖像C'相加...
【專利技術屬性】
技術研發人員：侯彪，馬晶晶，陳芊芊，焦李成，張向榮，馬文萍，
申請(專利權)人：西安電子科技大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。