The invention belongs to the field of digital image processing technology, and specifically relates to a SAR image filtering method based on adaptive three-dimensional block matching: input SAR image, image block construction of three-dimensional block matrix; image block Fourier transform construction of transformation coefficient three-dimensional block matrix; search for local similar blocks to construct similar block three-dimensional matrix; based on self-adaptive three-dimensional block matching. The adaptive threshold is used to construct the basic estimation image by three-dimensional Fourier transform, three-dimensional inverse transform and aggregation processing; the basic estimation image is divided into blocks to construct the similar block matrix, corresponding to the location of the original image to construct the similar block matrix of the original image; and the basic estimation and the three-dimensional similar block matrix of the original image are adapted. Threshold three-dimensional Fourier transform; based on the estimated image as energy spectrum, Wiener filter optimizes the transform coefficients of the original image; three-dimensional inverse transform optimizes the transform coefficients and aggregation processing to obtain the final estimated image. The invention significantly improves the construction efficiency of similar block matrix and the adaptability of three-dimensional transform filtering.
【技术实现步骤摘要】
基于自适应三维块匹配的SAR影像滤波方法
本专利技术属于数字图像处理
,具体涉及一种基于自适应三维块匹配的SAR影像滤波方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)具有一定的穿透性,可以对植被覆盖的地面或者是沙漠覆盖的区域进行成像显示,实现全天时全天候的目标区域监测,通过不同极化方式可以在同一区域获取不同的影像。合成孔径雷达能够达到较高的分辨率,具有很高的应用价值。然而SAR影像因其成像原理的缺陷存在较多的斑点噪声,噪声的存在严重阻碍SAR影像的目视识别和后续解译,因此对相干斑点噪声的研究具有很重要的现实意义。基于图像自身相似性进行滤波的方法可以在去除斑点噪声的同时较好地保留图像的纹理信息,比如非局部均值滤波远优于均值滤波方法。Dabov(2006)将非局部思想和变换域相结合,将BM3D方法应用到图像去噪领域。BM3D方法是通过块匹配把一些相似的块构建成三维矩阵,对三维矩阵进行三维变换,通过硬阈值收缩后对系数进行重构得到一个基本估计,然后在此基础上重新执行块匹配操作,用经验维纳滤波对原始输入噪声图像去噪。这种方法同时利用了局部变换域去噪方法与非局部平均方法的优点,既引入较少的假信号又较好地保留了图像细节,获得了比较理想的去噪效果。后续人们又提出基于小波变换的WBM3D方法、基于一维和三维空间对三维块进行滤波的BM1-3D方法等优化方法,虽然这些基于BM3D的算法能够获取很高的峰值信噪比,保持较好的边缘保持指数,具有很好的滤波效果,但是其依然存在以下缺点:1)算法效率较低,相似块查找费时,很难处理大尺寸SAR影 ...
【技术保护点】
1.一种基于自适应三维块匹配的SAR影像滤波方法,其特征在于:包括以下步骤:步骤S1:输入SAR原始影像,根据输入影像进行构建三维块矩阵;步骤S2:针对步骤S1中三维块矩阵中每一个二维矩阵作为参考块进行快速傅里叶变换,并进行阈值收缩;步骤S3:针对步骤S2傅里叶变换后的每一个参考块,根据参考块傅里叶变换系数间的l2范数查找相似块,构建三维相似块矩阵;步骤S4:对三维相似块矩阵的二维平面信号进行傅里叶变换,对变换后的傅里叶系数进行收缩;步骤S5:针对三维相似块矩阵三维方向一维信号进行傅里叶变换,,对变换后的傅里叶系数进行收缩;步骤S6:三维傅里叶逆变换,得到重构三维相似块矩阵;步骤S7:判断步骤1中三维块矩阵的所有参考块是否匹配重构完毕:当未完成匹配重构时返回步骤S3,对未进行匹配重构的参考块进行匹配重构;当完成匹配重构时进入步骤S8;步骤S8:将重构三维相似块矩阵根据在原始影像中的位置进行还原,对相似块重叠区域采用加权平均处理,得到基础估计影像;步骤S9:针对基础估计影像进行分块,构建基础估计影像三维相似块矩阵,根据基础估计影像三维相似块矩阵对应于原始影像中的位置,构建原始影像三维相似 ...
【技术特征摘要】
1.一种基于自适应三维块匹配的SAR影像滤波方法,其特征在于:包括以下步骤:步骤S1:输入SAR原始影像,根据输入影像进行构建三维块矩阵;步骤S2:针对步骤S1中三维块矩阵中每一个二维矩阵作为参考块进行快速傅里叶变换,并进行阈值收缩;步骤S3:针对步骤S2傅里叶变换后的每一个参考块,根据参考块傅里叶变换系数间的l2范数查找相似块,构建三维相似块矩阵;步骤S4:对三维相似块矩阵的二维平面信号进行傅里叶变换,对变换后的傅里叶系数进行收缩;步骤S5:针对三维相似块矩阵三维方向一维信号进行傅里叶变换,,对变换后的傅里叶系数进行收缩;步骤S6:三维傅里叶逆变换,得到重构三维相似块矩阵;步骤S7:判断步骤1中三维块矩阵的所有参考块是否匹配重构完毕:当未完成匹配重构时返回步骤S3,对未进行匹配重构的参考块进行匹配重构;当完成匹配重构时进入步骤S8;步骤S8:将重构三维相似块矩阵根据在原始影像中的位置进行还原,对相似块重叠区域采用加权平均处理,得到基础估计影像;步骤S9:针对基础估计影像进行分块,构建基础估计影像三维相似块矩阵,根据基础估计影像三维相似块矩阵对应于原始影像中的位置,构建原始影像三维相似块矩阵;步骤S10:针对基础估计影像三维相似块矩阵和原始影像三维相似块矩阵进行三维快速傅里叶变换,并进行阈值收缩,分别得到基础估计影像三维相似块矩阵变换系数和原始影像三维相似块矩阵变换系数;步骤S11:以阈值收缩后的基础估计影像三维相似块矩阵变换系数作为真实能量谱对阈值收缩后原始影像三维相似块矩阵变换系数进行维纳滤波,得到修正后的原始影像三维相似块矩阵变换系数;步骤S12:对修正后的原始影像相三维似块矩阵变换系数阵进行三维快速傅里叶逆变换,得到重构原始影像三维相似块矩阵;步骤S13:判断基础估计影像所有参考块是否匹配重构完毕:当未完成匹配重构时返回步骤S9,对未进行匹配重构的参考块进行匹配重构;当完成匹配重构时进入步骤S14;步骤S14:恢复相似性三维矩阵在原始影像中的位置,加权平均处理相似块重叠区域。2.根据权利要求1所述的基于自适应三维块匹配的SAR影像滤波方法,其特征在于:步骤S...
【专利技术属性】
技术研发人员:叶发旺,刘洪成,孟树,
申请(专利权)人:核工业北京地质研究院,
类型:发明
国别省市:北京,11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。