本發明專利技術公開了一種基于變換域非局部和最小均方誤差的SAR圖像去噪方法，主要解決現有技術對SAR圖像去噪時產生邊緣過平滑和點目標難以保持的問題。其實現步驟是：輸入一幅SAR圖像Y，并對其進行一層非下采樣拉普拉斯分解，得到一幅低頻圖像YL和一幅高頻圖像YH；對YL利用PPB濾波器進行濾波，得到濾波后的圖像對YH進行剪切波方向濾波器分解，得到各個方向的高頻子帶圖像對利用高斯混合模型建模和MMSE估計進行去噪，得到去噪后的高頻子帶圖對和進行逆剪切波變換，得到空域圖像YZ；對YZ進行分類處理，得到最終去噪結果。本發明專利技術既能去除同質區域的噪聲，也能很好地保持圖像的邊緣清晰，可用于對圖像的預處理。
【技術實現步驟摘要】
本專利技術屬于圖像處理
，涉及合成孔徑雷達SAR圖像的去噪，具體地說是一種基于變換域非局部和最小均方誤差MMSE估計的SAR圖像去噪方法，可用于圖像的預處理階段。
技術介紹
合成孔徑雷達具有全天時、全天候成像、高空分辨率和強穿透能力等特點，因而SAR圖像在軍事和民用方面均獲得了廣泛的應用。然而，由于系統的有限分辨率和相干性，SAR成像過程中總是不可避免地要產生一種斑點噪聲。斑點噪聲的存在嚴重影響了 SAR圖像的質量。SAR圖像去噪需要對同質區域有效地抑制噪聲，同時，還需要盡可能地保持邊緣和點目標等重要信息不丟失，它是SAR圖像處理和分析的關鍵步驟，也是保證后續圖像處理如分割、目標識別等或圖像解譯等工作順利完成的基礎。目前的SAR圖像去噪算法主要在空間域和頻率域進行，傳統的基于空域的濾波算法有Lee濾波、Kuan濾波、Frost濾波和Gamma-MAP濾波等,這些基于空域的濾波方法，雖然都有相對較好的降斑結果，但難以保持圖像中的邊緣和細節信息。其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SAR圖像的邊緣和細節區域是不成立的。非局部NL均值濾波方法在自然圖像去噪中取得了很好的結果，近些年在圖像降噪等領域取得了廣泛的應用。由于其簡單的思想和良好的性能，在近幾年也被推廣到SAR圖像降斑中。2009 年 Zhong H.等在文獻“Bayesian Nonlocal means filterfor SAR imagedespeckling. 2nd AsianPacific Conference on Synthetic ApertureRadar(APSAR), 20091096-1099”中提出了一種基于Bayesian框架下的非局部均值對SAR圖像降斑的算法,取得了不錯的效果，同年C. A. Deledalle等在文獻“IterativeWeighted Maximum LikelihoodDenoising with Probabilistic Patch-Based Weights.1EEETransactions on Image Processing, 2009, Vol. 18, No. 12，Pages: 2661-2672”中提出了一種基于圖像塊的迭代非局部濾波器(Probabilistic Patch-Based PPB),它是非局部均值NL濾波器的一種擴展,該方法獲得了非常好的降斑效果，被認為是目前性能最好的SAR圖像降斑方法之一，但該方法仍會一定程度的模糊圖像邊緣?；谧儞Q域的去噪方法一般在小波域和后小波域進行，由于小波變換具有良好的多分辨分析和局部時頻表示能力，對圖像可以實現較好的稀疏表示，因而被廣泛用于SAR圖像去噪領域中。1997 年 Chipman H. A.等在文獻“Adaptive bayesian wave let shrinkage.Journal of the American Statistical Association, 1997，92 (440) : 1413-1421 ” 中根據高斯混合模型，提出了基于貝葉斯估計和高斯混合模型的小波域圖像去噪算法，該方法在對自然圖像去噪方法取得了較好的結果，但無法適用去SAR圖像去噪中；2004年Dai等在文獻“Bayesian Wavelet Shrinkage With Edge Detection for SAR Image Despeckling.1EEE Transactions on Geoscience and Remote Sensing, 2004，42 (8) : 1642-1648”中利用加性信號相關的噪聲模型，成功將高斯混合模型引入到SAR圖像去噪中，并使用邊緣檢測算子將SAR圖像進行分類，利用分類信息指導UWT域小波系數進行去噪，該方法在邊緣和點目標保持方面取得了不錯的效果，但對于同質區域的噪聲，則無法很好的去除。
技術實現思路
本專利技術的目的在于針對SAR圖像去噪中點目標難以保持和邊緣容易模糊的問題，提出了一種基于變換域非局部和最小均方誤差估計的SAR圖像去噪方法，以在有效抑制同質區域噪聲的同時，保持圖像邊緣和點目標清晰，提高去噪效果。本專利技術的技術方案是:對含噪SAR圖像進行非下采樣剪切波分解，對分解得到的低頻圖像和高頻圖像分別進行PPB非局部均值濾波器去噪和MMSE估計，然后逆變換至空域得到初步去噪結果，對初步去噪結果進行分類處理，得到最終去噪結果。其實現步驟包括如下:(I)輸入一幅SAR圖像Y，對SAR圖像進行一層非下采樣拉普拉斯分解，得到一幅低頻圖像Yl和一幅聞頻圖像Yh ；(2)對分解得到的低頻圖像Yl，利用PPB濾波器進行濾波處理，得到濾波后的圖像I’(3)對分解得到的高頻圖像Yh進行非下采樣剪切波方向濾波器分解，得到各個方向的高頻子帶圖Pi I k = 1,2,...,K), K為分解方向數，取值為Γ18 ；(4)對各個方向的高頻子帶圖把μ = I, V.,A:}，利用高斯混合模型進行建模,并利用MMSE估計進行去噪，得到去噪后的高頻子帶圖#:(5)對低頻圖像&和高頻圖像^進行逆剪切波變換,得到空域圖像Yz;(6)對空域圖像Yz進行LCV分類處理，得到最終去噪結果Ζ。本專利技術與現有技術相比具有如下優點:1.本專利技術利用非下采樣剪切波變換，可以有效的避免因變換工具缺乏平移不變性導致的去噪圖像中產生的抖動失真。2.本專利技術對圖像低頻和高頻分別利用PPB濾波器和MMSE估計去噪，有效的抑制了圖像在同質區域的噪聲，并很好的保持了圖像邊緣和點目標的清晰。仿真實驗結果表明，本專利技術的各項客觀評價指標均優于當前最好的PPB方法，在主觀視覺效果方面，不但在同質區域能夠很好的抑制噪聲，也能保持圖像邊緣清晰，整體上去噪性能優越。附圖說明圖1是本專利技術的流程框圖；圖2是本專利技術仿真實驗 使用的真實SAR圖像Field ;圖3是對圖2標記的三個區域圖像；圖4是用本專利技術方法與現有方法的去噪結果比較圖。具體實施例方式參照圖1，對本專利技術的實現步驟如下:步驟I，輸入一幅SAR圖像Y，對SAR圖像進行一層非下采樣拉普拉斯分解，得到一幅低頻圖像Yl和一幅聞頻圖像YH。這里采用非下采樣拉普拉斯塔型分解，是為了保持圖像的冗余性質，并使分解后的圖像仍具有移不變性。步驟2，對分解得到的低頻圖像Yl，利用PPB濾波器進行濾波處理，得到PPB的估計圖像1.,具體步驟如下:2a)對低頻圖像\的上下邊界先進行M+m的行鏡像擴展，再對行擴展后的圖像左右邊界進行M+m的列鏡像擴展，得到邊界擴展后的圖像$，其中，M為搜索窗半徑，m為搜索窗中所取的相似圖像塊的半徑，M的取值范圍為7 21，本實例中M取值為10，m的取值范圍為Γ7，本實例中m取值為3 ；2b)在邊界擴展后的圖像 ε中，取像素坐標范圍對應在低頻圖像坐標范圍內的任意像素點s，以該像素點為中心取一個大小為(2Μ+1) X (2Μ+1)像素的搜索窗Qs和一個大小為(2m+l) X (2m+l)像素的圖像塊Bs，在搜索窗Qs中取任意一個不同于s的像素點t為中心、大小為(2m+l) X (2m+1)像素的圖像塊Bt,計算圖像塊Bs和圖像塊Bt之間的相似性權值 w (s本文檔來自技高網...
【技術保護點】
一種基于變換域非局部和最小均方誤差的SAR圖像去噪方法，包括如下步驟：（1）輸入一幅SAR圖像Y，對SAR圖像進行一層非下采樣拉普拉斯分解，得到一幅低頻圖像YL和一幅高頻圖像YH；（2）對分解得到的低頻圖像YL，利用PPB濾波器進行濾波處理，得到濾波后的圖像（3）對分解得到的高頻圖像YH進行非下采樣剪切波方向濾波器分解，得到各個方向的高頻子帶圖K為分解方向數，取值為4~18；（4）對各個方向的高頻子帶圖利用高斯混合模型進行建模，并利用MMSE估計進行去噪，得到去噪后的高頻子帶圖（5）對低頻圖像和高頻圖像進行逆剪切波變換，得到空域圖像YZ；（6）對空域圖像YZ進行LCV分類處理，得到最終去噪結果Z。FDA00002779628200011.jpg,FDA00002779628200012.jpg,FDA00002779628200013.jpg,FDA00002779628200014.jpg,FDA00002779628200015.jpg,FDA00002779628200016.jpg
【技術特征摘要】
1.一種基于變換域非局部和最小均方誤差的SAR圖像去噪方法，包括如下步驟: (1)輸入一幅SAR圖像Y，對SAR圖像進行一層非下采樣拉普拉斯分解，得到一幅低頻圖像Yl和一幅聞頻圖像Yh ； (2)對分解得到的低頻圖像利用PPB濾波器進行濾波處理，得到濾波后的圖像1 : (3)對分解得到的高頻圖像Yh進行非下采樣剪切波方向濾波器分解，得到各個方向的高頻子帶圖PS I k = 1,2,...,K} K為分解方向數，取值為Γ18 ； (4)對各個方向的高頻子帶圖丨Uμ =1，2，...，[}，利用高斯混合模型進行建模,并利用MMSE估計進行去噪，得到去噪后的高頻子帶圖； (5)對低頻圖像I和高頻圖像進行逆剪切波變換，得到空域圖像Yz； (6)對空域圖像Yz進行LCV分類處理，得到最終去噪結果Z。2.根據權利要求1所述的基于變換域非局部和最小均方誤差的SAR圖像去噪方法，其中步驟2所述的對分解得到的低頻圖像利用PPB濾波器進行濾波處理，按如下步驟進行: 2a)對低頻圖像\上下邊界先進行M+m的行鏡像擴展，再對行擴展后的圖像左右邊界進行M+m的列鏡像擴展，得到邊界擴展后的圖像 ρ其中，M為搜索窗半徑，m為搜索窗中所取的相似圖像塊的半徑，M的取值范圍為7 21，m的取值范圍為Γ7 ； 2b)在邊界擴展后的圖像 ι.中，取`像素坐標范圍對應在低頻圖像坐標...
【專利技術屬性】
技術研發人員：王桂婷，焦李成，郭一民，馬文萍，馬晶晶，鐘樺，
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。