[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

本發明公開了一種基于紋理增強與稀疏編碼的的SAR圖像降斑方法，解決了對SAR圖像降斑時不能更有效保留圖像中的點目標、邊緣和紋理等細節信息的問題。本發明實現為：輸入圖像；估計SAR圖像的噪聲方差及干凈圖像的梯度直方圖；提取相似圖像塊集合并求相應字典；用稀疏編碼結合高斯比例模型得到降斑的目標函數；更新目標函數的參數；重構圖像塊矩陣；用權值平均法重構圖像；重構圖像與干凈圖像的梯度直方圖最大限度的接近為約束獲取最終圖像；輸出最終降斑圖像。本發明既能較好地抑制SAR圖像中的斑點噪聲，使均勻區域十分平滑，也有效保留了重要點目標、邊緣和紋理等細節信息，可應用于對SAR圖像處理分析前對圖像進行降斑處理。

技術領域

本發明屬于圖像處理技術領域，涉及SAR圖像降斑技術，更進一步是一種基于紋理增強與稀疏編碼的的SAR圖像降斑方法?？蓱糜趯AR圖像處理分析前對圖像進行降斑處理。

背景技術

圖像去噪又稱圖像濾波，是圖像復原的一種。圖像去噪的目的是改善給定的含噪圖像，解決實際圖像由于某種噪聲干擾引起圖像質量下降的問題。與圖像增強相比，圖像去噪是一個客觀過程，通過圖像去噪，圖像的質量會得到顯著的提升，更好地表示原始圖像所攜帶圖像細節信息。圖像去噪是一種非常重要的預處理手段，它為后續的數字圖像處理工作奠定了良好的基礎。

Yu-Mei Huang等人在其發表的論文“Multiplicative Noise Removal via aLearned Dictionary,”(IEEE Transactions on Image Processing 2012)提出了一種基于學習的字典的乘性噪聲去除方法。該方法從一個對數變換后的圖像學習到一個字典，然后將它利用在一個稀疏表示的模型當中進行噪聲去除。該方法得到了一個自適應的字典，并且有效地去除了噪聲，但是利用對數變換后，不能很好地保持SAR圖像的輻射特性，此外，去噪后的圖像中可明顯的看到一定程度的塊效應。

Weisheng Dong等人在其發表的論文“Image Restoration via SimultaneousSparse Coding:Where Structured Sparsity Meets Gaussian Scale Mixture,”(Int JComput Vis(2015)114:217–232DOI10.1007/s11263-015-0808-y)提出一種通過高斯尺度混合模型進行聯合稀疏編碼的圖像復原方法。該方法把每個稀疏系數模型化為一個帶有正向縮放變量的高斯分布，并在這些正向縮放變量之上形成稀疏分布的先驗。通過描述所有有著相似先驗分布的相似塊的稀疏系數可以有效地利用局部和非局部稀疏系數之間的依賴關系。雖然這個算法取得了不錯的去噪效果，在去噪過程中，圖像中的一些紋理細節卻被過渡平滑掉。

綜上所述，近幾年的圖像去噪方法，包括SAR圖像降斑方法主要是通過建立不同的稀疏模型，然后利用字典學習方法對圖像進行處理。這類方法可以有效地去除圖像中的噪聲，但是會出現塊效應或者過平滑的現象。

發明內容

本發明針對上述現有技術的不足，提出一種基于紋理增強與稀疏編碼的SAR圖像降斑方法。

為實現上述目的，本發明的具體步驟如下：

(1)輸入一幅待降斑的SAR圖像，稱為原始圖像；

(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：