[發(fā)明專利]基于PCA變換的SAR圖像相干斑抑制方法

無效

• 申請?zhí)枺?/td>: 201310009311.X
• 申請日: 2013-01-10
• 公開（公告）號: CN103020922A
• 公開（公告）日: 2013-04-03
• 發(fā)明（設(shè)計）人: 王爽;焦李成;蔣含祿;劉坤;于佳平;馬文萍;馬晶晶;侯小瑾;張濤
• 申請（專利權(quán)）人: 西安電子科技大學
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

1.基于PCA變換的SAR圖像相干斑抑制方法，包括如下步驟：?

(1)取SAR圖像的一個像素點x，以像素點x為中心取7×7大小的鄰域窗，記為圖像塊v；?

(2)以像素點x為中心取21×21的大窗為訓練樣本搜索窗，并在訓練樣本搜索窗中選取與圖像塊v相似的圖像塊s，共同組成樣本矩陣X；?

(3)計算樣本矩陣X的協(xié)方差矩陣Ω，求出協(xié)方差矩陣Ω的特征值和特征向量；?

(4)對特征值與特征向量進行PCA變換，即將協(xié)方差矩陣Ω的特征值按從大到小排列，得到新的特征值V，將特征值所對應(yīng)的特征向量也重新排列，得到新的特征向量P；?

(5)由樣本矩陣X的中心化矩陣和特征向量P的轉(zhuǎn)置矩陣P^T，求得含噪的特征系數(shù)：

(6)用線性最小均方誤差方法對含噪特征系數(shù)Y的第一列Y₁進行估計，得到估計后的特征系數(shù)

(7)用估計后的特征系數(shù)重建圖像塊，得到去噪后的圖像塊其中，μ是樣本矩陣X的均值；?

(8)將SAR圖像的每一個像素點對應(yīng)的圖像塊，進行步驟(2)-步驟(7)處理，并對一些重復估計的像素點，取平均，得到基本的去噪結(jié)果；?

(9)在基本的去噪結(jié)果上，更新噪聲水平，再重復一次步驟(1)-步驟(8)，得到最終的噪聲抑制結(jié)果。?

2.根據(jù)權(quán)利要求1所述的基于PCA變換的SAR圖像相干斑抑制方法，其中步驟(2)所述的在訓練樣本搜索窗中選取與圖像塊v相似的圖像塊s，按如下步驟進行：?

2a)在訓練樣本搜索窗中選取d(v,s)較大的250個值所對應(yīng)的圖像塊為相似的圖像塊s，其中，d(v,s)表示圖像塊v和圖像塊s之間的相似程度，兩個圖像塊越相似，值越接近0，對于幅度SAR圖像兩個圖像塊的相似程度按如下公式計算：?

對于強度SAR圖像兩個圖像塊的相似程度，其計算公式為：?

其中，L是SAR圖像的視數(shù)，v_i表示圖像塊v的第i個像素點，s_i表示相似圖像塊s的第i個像素點，k是圖像塊內(nèi)像素點的個數(shù)，取值為49；?

2b)樣本矩陣X的第一列是圖像塊v按行拉成一列組成的，樣本矩陣X的其它列是相似圖像塊s按行拉成一列組成的。?

3.根據(jù)權(quán)利要求1所述的基于PCA變換的SAR圖像相干斑抑制方法，其中步驟(3)所述的計算樣本矩陣X的協(xié)方差矩陣Ω，按如下步驟進行：?

3a)設(shè)一個行數(shù)為m，列數(shù)為n的樣本矩陣X：?

其中，1≤q≤n表示樣本矩陣X第p行第q列的一個元素；?

3b)取樣本矩陣X的第p行計算X_p的均值：

3c)由均值μ_p，得到樣本矩陣X的第p行X_p中心化矩陣：

3d)對樣本矩陣X的所有行按步驟3b)-步驟3c)處理，得到樣本矩陣X的中心化矩陣

3e)由中心化矩陣得到協(xié)方差矩陣：其中，表示中心化矩陣的轉(zhuǎn)置。?

4.根據(jù)權(quán)利要求1所述的基于PCA變換的SAR圖像相干斑抑制方法，其中步驟(6)所述的用線性最小均方誤差方法對含噪的特征系數(shù)Y的進行估計，得到估計后的特征系數(shù)按如下公式進行：?

其中，表示權(quán)重系數(shù)，表示理想SAR圖像的特征系數(shù)方差，μ_Y,d表示特征系數(shù)Y的第d行的均值，表示SAR圖像信號的加性噪聲方差，和是含噪SAR圖像的方差和均值，是SAR圖像的相干斑方差，由SAR圖像的視數(shù)L計算得到，即對于幅度SAR圖像其相干斑方差按公式?進行計算，對于強度SAR圖像其相干斑方差計算公式為：