[發(fā)明專利]一種基于剪切波系數(shù)處理的SAR圖像降噪方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410490100.7
• 申請(qǐng)日: 2014-09-23
• 公開（公告）號(hào): CN104217406B
• 公開（公告）日: 2017-05-03
• 發(fā)明（設(shè)計(jì)）人: 劉書君;吳國(guó)慶;張新征;徐禮培
• 申請(qǐng)（專利權(quán)）人: 重慶大學(xué)
• 主分類號(hào): G06T5/00
• 分類號(hào): G06T5/00
• 代理公司: 暫無(wú)信息
• 代理人: 暫無(wú)信息

技術(shù)領(lǐng)域

本發(fā)明屬于數(shù)字圖像處理技術(shù)領(lǐng)域，它特別涉及SAR圖像降噪方法，用于對(duì)SAR圖像進(jìn)行降噪處理。

背景技術(shù)

合成孔徑雷達(dá)所成的圖像SAR具有全天時(shí)，全天候的探測(cè)與偵察跟蹤能力，能有效的識(shí)別偽裝和穿透掩蓋物，因此這種圖像被廣泛應(yīng)用于航空攝影測(cè)量與遙感、衛(wèi)星海洋觀測(cè)、航天偵察、圖像匹配制導(dǎo)、深空探測(cè)等。但由SAR相干成像機(jī)理給圖像帶來(lái)的斑點(diǎn)噪聲，對(duì)目標(biāo)識(shí)別及圖像壓縮等后期處理帶來(lái)不利影響。能否有效的濾除斑點(diǎn)噪聲已成為圖像后續(xù)解譯的重要前提。

由于SAR圖像擁有豐富的紋理和邊緣，因此在有效濾除斑點(diǎn)噪聲的同時(shí)充分保留圖像的紋理和邊緣，是SAR圖像降噪處理的重點(diǎn)。近年來(lái)，由于稀疏表示在自然圖像降噪中具有的良好性能，正逐漸成為圖像降噪的最有效方法之一。但此類方法在稀疏表示的同時(shí)，難以避免的存在圖像細(xì)節(jié)損失的問(wèn)題。為提高圖像細(xì)節(jié)保持能力，已有方法大多局限于對(duì)稀疏降噪后的圖像進(jìn)行處理，但由于稀疏表示中損失的信息無(wú)法恢復(fù)，其改善程度有限，不能明顯的修復(fù)降噪圖像損失的邊緣細(xì)節(jié)。

發(fā)明內(nèi)容

本發(fā)明為克服現(xiàn)有SAR圖像降噪方法存在圖像邊緣細(xì)節(jié)信息損失的不足，以獲得細(xì)節(jié)清晰的降噪SAR圖像，提供了一種基于剪切波系數(shù)處理的SAR圖像降噪方法。該方法充分考慮到剪切波系數(shù)的特性，首先建立剪切波系數(shù)稀疏表示降噪模型，然后使用TV方法對(duì)降噪后圖像進(jìn)一步修復(fù)，不僅可以很好的抑制SAR圖像的斑點(diǎn)噪聲，而且解決了降斑圖像的細(xì)節(jié)紋理保持問(wèn)題，因此該方法可以有效的實(shí)現(xiàn)SAR圖像降噪。包括以下步驟：

步驟一、圖像噪聲模型轉(zhuǎn)換

使用非對(duì)數(shù)加性噪聲模型，將輸入SAR圖像中均值為1的乘性噪聲轉(zhuǎn)化為均值為0的加性噪聲。

步驟二、剪切波域稀疏降噪

首先對(duì)噪聲圖像進(jìn)行剪切波變換得到圖像的剪切波系數(shù)w。為實(shí)現(xiàn)系數(shù)的稀疏表示，用測(cè)量矩陣Φ對(duì)系數(shù)w進(jìn)行變換，即y＝Φw。進(jìn)一步假設(shè)y在測(cè)量矩陣Φ下的稀疏逼近表示為z。得到如下最優(yōu)化稀疏表示模型：

當(dāng)式(1)取最小值時(shí)對(duì)應(yīng)的最優(yōu)解z即為原系數(shù)w的稀疏表示且稀疏表示的均值均為干凈圖像剪切波系數(shù)均值的無(wú)偏估計(jì)。使用StOMP算法求解式(1)，首先將y投影到測(cè)量矩陣Φ的每個(gè)原子上，然后將大于閾值的投影值對(duì)應(yīng)原子放入索引集I₁，通過(guò)索引集中原子對(duì)y進(jìn)行逼近后得到殘差R¹y。為采用更多的原子進(jìn)一步逼近y，可對(duì)殘差R¹y采用相同的方式進(jìn)一步分解。若第m次迭代的殘差為R^my，則R^m+1y可表示為:

R^my＝＜R^my,φ_rm＞φ_rm+R^m+1y式(2)

其中φ_rm表示第m次迭代時(shí)，從測(cè)量矩陣Φ中選出的原子，將這些所選原子并入I_m-1得到更新的I_m。如果滿足終止條件||R^my||²≤ε或|I_m|＞L則迭代結(jié)束，否則繼續(xù)迭代。當(dāng)?shù)Y(jié)束時(shí)可以通過(guò)式(3)得到最優(yōu)解z

優(yōu)化解z即為原系數(shù)w的稀疏表示將及w稀疏表示時(shí)丟棄的小系數(shù)進(jìn)行剪切波反變換可得到降噪后圖像u_s及殘差圖像u_d，并將稀疏表示中丟棄的小系數(shù)對(duì)應(yīng)的剪切波空間記為M。

步驟三、TV降噪與細(xì)節(jié)修復(fù)

根據(jù)剪切波系數(shù)特性，結(jié)合步驟二處理的結(jié)果，建立基于能量泛函的總變分TV模型：

其中P_S(u)如式(5)所示：

其中M為j,k,l所屬集合，該集合由步驟二稀疏表示中丟失系數(shù)對(duì)應(yīng)的剪切波函數(shù)確定，P_S(u)表示圖像u在這部分剪切波函數(shù)空間上投影重構(gòu)的結(jié)果。當(dāng)時(shí)式(4)的能量泛函取到極小值，此時(shí)的u即為TV處理后的去噪圖像。由式(4)可得如下所示：

式(6)第一項(xiàng)為擴(kuò)散項(xiàng)，令ρ(x)＝φ'(x)/x，其中則ρ(x)可對(duì)擴(kuò)散過(guò)程中的平滑度進(jìn)行控制。

使用最速下降法通過(guò)式(7)求解式(6)

u^k+1＝u^k+Δt[η(Ps(u^k))-λ(u^k-u₀)]式(7)