[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）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

技術領域

本發(fā)明屬于圖像數(shù)據(jù)處理技術領域，具體地說是一種相干斑抑制方法，可用于SAR圖像斑點噪聲的抑制。

背景技術

合成孔徑雷達SAR是一種高分辨率成像雷達。它具有全天候，多極化，多視角，多俯角數(shù)據(jù)獲取能力及對一些地物的穿透能力，不僅被廣泛地應用在軍事上，在農(nóng)業(yè)、氣象、地形地貌、災情監(jiān)控等民用上也有大量的應用。但由于SAR發(fā)射的是相干波，這些相干波經(jīng)過與地物的相干作用，特別是地物的后向散射作用,使目標回波信號產(chǎn)生了衰減,這種衰減表現(xiàn)在圖像上就是相干斑噪聲。因為原理的缺陷性，導致SAR圖像存在著嚴重的相干斑噪聲，影響了后續(xù)的圖像解譯，因此如何抑制SAR圖像中的相干斑噪聲，提高圖像的解讀能力以及獲得更多的信息成為一個重要的問題。SAR圖像相干斑抑制的首要目標是在濾除斑點噪聲的同時，盡可能的保持圖像的細節(jié)信息。

SAR圖像的相干斑噪聲是一種復雜的乘性噪聲模型，對于斑點噪聲這種特殊的性質(zhì)，在過去的近二十年中，人們提出了很多經(jīng)典的SAR圖像相干斑抑制方法，如Lee濾波，增強Lee濾波，Kuan濾波等。這些方法是用一個已定義好的濾波器窗來估計局域相干斑噪聲的方差，并進行濾波處理，其結果通常過分的平滑了圖像的邊緣細節(jié)信息，在一定程度上取得了較好的效果。除了在空域進行圖像相干斑抑制外，1995年，美國學者Donoho把小波理論引入到圖像去噪中，提出了小波軟閾值方法。小波軟閾值法開創(chuàng)了變換域進行圖像去噪的先河，之后涌現(xiàn)了許多變換域去噪的優(yōu)秀成果，包括多尺度變換的圖像去噪方法。小波軟閾值方法是一種非線性的算法，依然存在破壞圖像細節(jié)信息的問題，對圖像的輻射特性保持也不好。

PCA變換作為一種數(shù)據(jù)降維和去噪的相關工具，廣泛的應用于很多領域，比如人臉識別等。PCA變換已有人用來做自然圖像的去噪，跟小波變換一樣，它也能捕獲圖像的結構特征，但是由一維小波基張成的二維小波變換，不是圖像的最優(yōu)表示，用一個固定的小波基無法表示圖像中大量豐富的局部結構，因此基于小波的去噪方法，會引入視覺上的劃痕，也就是變換域中最常見的“振鈴”現(xiàn)象。為了克服小波變換去噪方法帶來的一些問題，Muresan和Parks等人第一次提出了空間自適應的PCA去噪的策略。2010年Lei?Zhang和Weisheng?Dong等人在Muresan的算法基礎上提出了性能更加優(yōu)良的方法，這種方法為PLG-PCA，其效果與目前非常優(yōu)秀的非局部均值方法NLM和三維塊匹配的聯(lián)合濾波BM3D方法相差無幾，但是以上PCA算法目前只應用于噪聲模型為加性的自然圖像中，不能用到噪聲模型為乘性的SAR圖像中。

發(fā)明內(nèi)容

本發(fā)明的目的在于提出了一種基于PCA變換的SAR圖像相干斑抑制方法，將性能優(yōu)異的PCA變換域去噪方法擴展到噪聲模型為乘性的SAR圖像中，實現(xiàn)對SAR圖像充分濾波的同時保持點目標和邊緣細節(jié)信息。

為實現(xiàn)上述目的，本發(fā)明技術方案包括如下步驟：

(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的轉置矩陣P^T，求得含噪的特征系數(shù)：Y=X‾PT;]]>

(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，得到基本的去噪結果；

(9)在基本的去噪結果上，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果。