[發明專利]基于紋理增強與稀疏編碼的SAR圖像降斑方法

有效

• 申請號: 201710446073.7
• 申請日: 2017-06-14
• 公開（公告）號: CN107085839B
• 公開（公告）日: 2020-01-07
• 發明（設計）人: 白靜;孫衍超;李亞龍;焦李成;侯彪;王爽
• 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;G06T5/40
• 代理公司: 61205 陜西電子工業專利中心
• 代理人: 程曉霞;王品華

1.一種基于紋理增強與稀疏編碼的SAR圖像降斑方法，其特征在于，包括有如下步驟：

(1)輸入一幅待降斑的SAR圖像；

(2)估計該SAR圖像的噪聲方差：

(2a)利用非對數加性模型，將SAR圖像y中的乘性噪聲轉化為加性噪聲n：

(2b)對加性噪聲n的方差進行估計：

(3)估計干凈圖像x的梯度直方圖，并作為參考梯度直方圖；

(3a)利用k-means算法將原始圖像分為K個區域；

(3b)估計干凈圖像x中第k類區域的梯度直方圖h_r,k，共K個，估計干凈圖像x中第k類區域的梯度直方圖h_r,k，按照如下步驟進行：

其中，h_r,k為干凈圖像x中第k類區域的梯度直方圖的估計值，h_y,k為原始SAR圖像y中第k類區域的梯度直方圖，c是一個常數，R(h_x,k)是中第k類區域的梯度直方圖h_x,k的先驗正則項，并假設梯度圖中的像素是獨立同分布的，為求梯度操作；h_ε,k為ε中第k類區域的直方圖，ε～N(0,σ²)，σ²就是噪聲的方差，表示卷積算子；

(4)提取當前的輸入圖像的圖像塊集合并求出相應的字典：

(4a)利用k近鄰算法對當前的輸入圖像進行分類，為每一個圖像塊找到相似的圖像塊，每一類為相似圖像塊的集合，共分為m類；

(4b)對得到的每類相似圖像塊集合求出對應的PCA字典；

(5)根據稀疏編碼理論并結合高斯比例模型，得到SAR圖像降斑的目標函數f；

5.1：對于SAR圖像y，將它表示成字典D和α的線性組合，即y＝Dα+n，根據高斯比例混合模型對稀疏系數α進行建模，那么稀疏系數α的高斯比例混合的先驗表示為：

其中，稀疏系數α_i為高斯函數，其方差為θ_i，α_i＝θ_iβ_i；假定θ_i為獨立同分布的正定標變量，概率為P(θ_i)；β_i為高斯矢量；

5.2：計算α_i的最大后驗概率：

(α,θ)＝arg max log P(y|α,θ)P(α,θ)＝arg max log P(y|α)+log P(α|θ)+log P(θ)

其中P(y|α)為似然項，是噪聲方差的高斯函數，其表達式如下：

μ_i是為α_i設置的一個有偏估計；轉化最大后驗概率公式為稀疏編碼問題：

其中，ε是為了穩定性而增加的一個較小的正數；α＝Λβ，μ＝Λγ，Λ＝diag(θ_i)是一個對角矩陣，代表了所選圖像塊的方差取值范圍；

5.3：對于相似的圖像塊集合，其對應稀疏系數α的先驗應該是相同的；那么它們的概率密度函數的μ和θ都是相同的，由此獲得目標函數f：

其中，Y＝[y₁,...,y_m]代表的是m個相似圖像塊的集合，A＝ΛB代表高斯比例混合模型下的組稀疏系數，A＝[α₁,......,α_m]，Γ＝[γ₁,......,γ_m]和B＝[β₁,......,β_m]，其中，γ_j＝γ，j＝1,2，...，m；

(6)求出目標函數f中的各個參數；

(7)利用目標函數f中的各個參數求出圖像塊矩陣：

(8)采用權值平均法對圖像塊矩陣進行計算，得到重構后的圖像；

(9)估計重構后的圖像的梯度直方圖，將重構后的圖像的梯度直方圖與干凈圖像的參考梯度直方圖進行比較，以最大限度的接近作為約束條件來獲取紋理增強的圖像：

(10)迭代結束，輸出最終的圖像，完成對原始圖像的降斑處理。