[發明專利]基于SAR圖像局部統計特性的K-SVD相干斑抑制方法

有效

• 申請號: 201110318457.3
• 申請日: 2011-10-19
• 公開（公告）號: CN102509263A
• 公開（公告）日: 2012-06-20
• 發明（設計）人: 侯彪;焦李成;孫慧芳;劉芳;張小華;田小林;公茂果
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G01S13/90
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術領域，具體來說是一種基于SAR圖像局部統計特性的字典訓練K-SVD相干斑抑制方法，可用于土地資源監測、自然災害分析、城市發展規劃等諸多領域的合成孔徑雷達SAR圖像分析。

背景技術

相干斑噪聲是SAR圖像的固有特性，這些在SAR圖像中隨機散布的相干斑會與較小的地物目標摻雜在一起，嚴重影響圖像的質量，對SAR圖像的自動解譯造成很大困難。因此，在SAR圖像處理中，SAR圖像相干斑抑制成為關鍵，也是后續SAR圖像特征提取、分割、識別等工作的基礎。相干斑抑制技術的目標就是：在滿足輻射分辨率的同時如何保持必要的空間分辨力，所以在濾除斑點噪聲的同時，要保護紋理、邊緣等細節信息。故一個“好”的SAR圖像抑斑方法要做到以下四點：(1)有效去除均勻場景中的斑點噪聲；(2)保留圖像中邊緣和紋理特征；(3)不產生偽吉布斯效應；(4)保持圖像的雷達輻射特性。

在前期的SAR成像處理中，多采用多視處理技術抑制相干斑噪聲，該技術雖然簡單，但卻是以犧牲圖像分辨率為代價的。因此，以各種濾波技術為基礎，對成像后的SAR圖像進行相干斑噪聲抑制已經成為高分辨率SAR圖像處理的主流。目前成像后的濾波技術可以分為空域濾波技術和變換域濾波技術。其中空域濾波方法包括增強Lee濾波、Frost濾波和Gamma?Map濾波等，這些方法通常難以保持圖像的細節特征，會造成圖像邊緣和線性目標的模糊，濾波性能的好壞很大程度依賴于所選濾波窗口的大小。變換域方法主要有小波變換、平穩小波變換、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經典空域濾波方法來說，圖像的邊緣及線性目標的保持能力有了很大提高，但大都對變換域的系數做某種統計假設，這些假設是經驗性的，無理論依據。而且噪聲和圖像邊緣具有相似的頻率特性，即都是高頻信號，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。

目前，一種新興的“字典學習法”在圖像處理中得到了廣泛的研究和應用，其核心是字典的訓練過程，稱為K-SVD算法。此算法首先是由Aharon、Elad等人提出的。研究表明：K-SVD方法不僅有效的抑制了加性高斯白噪聲，而且邊緣和紋理等重要信息都得到了較好的保留，尤其是對紋理圖像處理的結果更好。最重要的是此方法是一種主動學習過程，具有很好的適應性。但是K-SVD算法是針對加性噪聲設計的，而SAR圖像的相干斑是乘性噪聲，直接將K-SVD算法應用于SAR圖像去斑會出現過平滑現象。為了克服這一缺點，很多學者都采用了對數變換的策略，即先對SAR圖像進行對數變換，將乘性噪聲模型轉變為加性，然后再用K-SVD算法對log圖像進行去噪，最后進行逆變換即可得到抑斑后SAR圖像。但是“Statistical?Properties?of?Logarithmically?Transformed?Speckle”一文指出，SAR圖像經對數變換后，其噪聲不是零均值的，這導致圖像會出現抑斑前后均值相差較大，不能很好的保持原始SAR圖像的輻射特性。此外，這也不滿足K-SVD算法中噪聲是零均值加性高斯噪聲的要求。為此Samuel?Foucher在“SAR?Image?Filtering?via?Learned?Dictionaries?and?Sparse?Representations”中，對K-SVD算法的目標函數進行了加權改進，改善了抑斑效果。但是此方法對視數較低的SAR圖像來說，由于斑點噪聲會影響字典的訓練，所以最終的結果仍存在大量的斑點噪聲，且邊緣會模糊。

發明內容

本發明的目的在于克服上述已有的SAR圖像相干斑抑制技術的不足，提出了一種基于SAR圖像局部統計特性的K-SVD相干斑抑制方法，以有效的抑制SAR圖像的相干斑，較好的保持邊緣、紋理細節信息和圖像的輻射特性。

為實現上述目的，本發明的相干斑抑制方法，包括如下步驟：

(1)對大小為的SAR圖像I進行重疊塊提取，并將其向量化，得到重疊塊向量集合其中N是圖像I中所有的像素個數，y_i是一個重疊塊向量，M是重疊塊向量的個數；

(2)對重疊塊向量集合進行隨機選取，得到訓練樣本集合其中任意一個訓練樣本M′是訓練樣本數目，且滿足0＜M′≤M的正整數；

(3)基于SAR圖像局部統計特性，根據冗余稀疏表示圖像噪聲抑制理論，得到相干斑抑制目標函數f₁；

(4)用訓練樣本集合對訓練字典D進行如下SAR_K-SVD字典訓練，得到最終的訓練字典