[發(fā)明專利]一種基于非凸加權(quán)稀疏約束的SAR圖像降斑方法

有效

• 申請?zhí)枺?/td>: 201710506574.X
• 申請日: 2017-06-28
• 公開（公告）號: CN107301631B
• 公開（公告）日: 2020-09-18
• 發(fā)明（設(shè)計）人: 劉書君;沈曉東;曹建鑫;楊婷;張奎;李勇明
• 申請（專利權(quán)）人: 重慶大學(xué)
• 主分類號: G06T5/00
• 分類號: G06T5/00
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發(fā)明公開了一種基于非凸加權(quán)稀疏約束的SAR圖像降斑方法，屬于數(shù)字圖像處理技術(shù)領(lǐng)域。它利用相似圖像塊集合在變換域中的稀疏性，首先對每個目標(biāo)圖像塊通過相似度比較尋找相似圖像塊集合并進(jìn)行奇異值分解得到系數(shù)矩陣，然后對系數(shù)矩陣進(jìn)行非凸加權(quán)約束，并通過閾值收縮對系數(shù)矩陣進(jìn)行估計，使估計出的系數(shù)矩陣更接近于真實系數(shù)，最后利用估計的系數(shù)矩陣重構(gòu)出降斑結(jié)果；本發(fā)明通過對系數(shù)矩陣的非凸加權(quán)約束，使降斑后的圖像在保留細(xì)節(jié)的同時有效抑制相干斑噪聲，已獲得更為精確的降斑圖像，更易于目標(biāo)識別，因此可用于SAR圖像降斑。

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，它特別涉及基于圖像塊集合的非凸加權(quán)稀疏約束的圖像降斑方法，用于SAR圖像降斑處理。

背景技術(shù)

合成孔徑雷達(dá)(SAR)成像以其全天候全天時，對抗天氣條件干擾能力強(qiáng)，距離向與方位向高分辨率的成像特點而廣泛用于地形測繪、災(zāi)情預(yù)報和戰(zhàn)場偵察等民用與軍用方面，但由于SAR特有的成像過程使SAR圖像中存在嚴(yán)重的相干斑噪聲，容易造成小目標(biāo)識別的困難，因此在對SAR圖像進(jìn)行后續(xù)分割識別等處理之前，需要對其進(jìn)行相干斑抑制。

SAR圖像成像前對相干斑抑制的方法主要是多視技術(shù)，即對同一場景的多幅子圖進(jìn)行平均處理，這一方法能對SAR圖像相干斑進(jìn)行初步的抑制，而絕大多數(shù)SAR圖像相干斑抑制方法主要集中在成像之后，通常分為空域和變換域兩大類。空域相干斑抑制方法主要分析SAR圖像環(huán)境模型分布和噪聲模型分布，并結(jié)合信號估計理論在空域?qū)D像進(jìn)行濾波處理，其中較為經(jīng)典的方法有Lee濾波、Frost濾波和Kuan濾波等，但其相干斑抑制能力有限且對圖像邊緣細(xì)節(jié)的保持能力不足。變換域濾波方法始于小波技術(shù)的發(fā)展并被引入到SAR圖像降斑中，在此基礎(chǔ)上又有一系列多尺度變換方法被提出。近年來，隨著稀疏理論的發(fā)展，基于圖像的稀疏性和非局部相似性進(jìn)行重構(gòu)的方法逐漸成為研究的熱點。由于圖像在變換域具有稀疏性，且圖像內(nèi)不同區(qū)域存在相似的結(jié)構(gòu)，同時結(jié)合這兩種特性可進(jìn)一步抑制相干斑噪聲，在這類方法中，較為經(jīng)典的為SAR-BM3D方法，其降斑結(jié)果目前仍處于較高水平，但是該方法在平滑區(qū)容易產(chǎn)生偽影現(xiàn)象，容易在目標(biāo)識別中帶來干擾。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對現(xiàn)有SAR圖像降斑中對圖像細(xì)節(jié)保留的不足，提出一種基于非凸加權(quán)稀疏約束的SAR圖像降斑方法。該方法充分考慮SAR圖像的非局部相似性與低秩結(jié)構(gòu)性，對相似圖像塊集合的系數(shù)矩陣進(jìn)行非凸加權(quán)約束，因此，此方法能使估計出的SAR圖像在保留圖像內(nèi)部大量細(xì)節(jié)的同時抑制相干斑噪聲。包括以下步驟：

步驟一、非凸加權(quán)稀疏約束模型的建立

首先對SAR圖像進(jìn)行對數(shù)變換，將乘性噪聲模型轉(zhuǎn)換為加性噪聲模型，然后對輸入圖像中第i個目標(biāo)圖像塊x_i，在其搜索范圍內(nèi)與所有圖像塊進(jìn)行相似度比較，選取相似度最高的若干個圖像塊與目標(biāo)圖像塊共同構(gòu)成相似圖像塊集合R_ix，其中R_i為圖像塊抽取矩陣，最后建立非凸加權(quán)稀疏約束模型為：

其中x和y分別表示待估計的真實圖像和初始圖像，X_i為待估計的真實圖像的相似圖像塊集合，表示X_i對應(yīng)的系數(shù)矩陣的加權(quán)p范數(shù)(0＜p＜1)，ω為權(quán)重向量，λ和η為平衡各項的參數(shù)。

步驟二、模型的分解與轉(zhuǎn)化

將步驟一中的約束模型分解，轉(zhuǎn)化為關(guān)于求解相似圖像塊集合的子問題：

和圖像重構(gòu)的子問題：

對于式(2)求解相似圖像塊集合的子問題，首先對輸入的相似圖像塊集合R_ix進(jìn)行奇異值分解，得到對應(yīng)的系數(shù)矩陣Γ_i，然后將針對真實圖像中相似圖像塊集合的非凸加權(quán)稀疏約束模型轉(zhuǎn)化為針對真實圖像中相似圖像塊集合系數(shù)矩陣的非凸加權(quán)約束模型：