一种基于非下采样Shearlet变换的高分三SAR图像降斑方法技术

本发明专利技术公开了一种基于非下采样Shearlet变换的高分三SAR图像降斑方法，包括步骤：S1：图像噪声模型转换；S2：剪切波变换；S3：小波硬阈值处理高频系数；S4：剪切重构；S5：指数变换；本发明专利技术的方法利用具有最优的稀疏表示的剪切波来处理同样具有良好稀疏性的高分三SAR图像，并且采用非下采样剪切波变换代替传统的剪切波变换，避免了由于采样操作造成的频谱混叠现象，有效的利用了剪切波的良好的方向性，有效的保留了图像的边缘细节部分；同时针对高频小系数可能存在噪声的特点，采用小波硬阈值算法对其进行处理，有效的达到了滤除斑点的作用。

A high score three SAR image reduction method based on non down sampling Shearlet transform

The invention discloses a method for reducing speckle, a method based on Nonsubsampled Shearlet transform high three SAR image comprises the following steps: S1: image noise model conversion; S2: S3: shear wave transform; wavelet hard threshold processing of high frequency coefficient; S4: S5: shear reconstruction; exponential transformation; the method of the invention has the advantage of sparse optimal the shear wave processing also has good sparsity high three SAR images, and the use of shear wave transform sampling shear wave transform instead of the traditional non, avoid the spectrum aliasing caused by sampling operation, effective use of good directional shear wave, effectively retain the edge image details at the same time; for high frequency coefficients may have the characteristics of the noise, the wavelet hard threshold algorithm in the treatment, effective to filter the speckle effect.

【技术实现步骤摘要】
一种基于非下采样Shearlet变换的高分三SAR图像降斑方法
本专利技术属于图像处理
，具体涉及一种基于非下采样Shearlet变换的高分三SAR图像降斑方法。
技术介绍
高分三号卫星不受云雨等天气条件的限制，可全天候、全天时监视监测全球海洋和陆地资源，是高分专项工程实现时空协调、全天候、全天时对地观测目标的重要基础，服务于海洋、减灾、水利、气象以及其他多个领域。但是由于相干成像方式，导致高分三SAR图像也会产生明暗相间的斑点，严重影响图像的解译，所以能否有效地滤除图像的斑点并同时保留边缘信息显得尤为重要。高分三SAR图像是一种高分辨率SAR图像，具有明显的边缘、点、纹理等细节信息，所以如何在滤除斑点的同时保留高分三SAR的明显的细节信息是高分三SAR图像降斑的重点。由于高分三SAR分辨率极高，地物特征极其明显，证明其具有良好的稀疏性。传统的滤波方法，比如Lee滤波，Kuan滤波，GammaMAP滤波先假定噪声模型，以局部统计特性进行滤波处理，在图像上取一个滑动窗，以窗口内所有或部分像素作为滤波器的输入值，遍历估计初始的无相干斑噪声图像，但是未考虑图像的稀疏性，所以在处理高分三SAR时会存在降斑不彻底以及细节信息不能很好保留的问题。近几年出现的多尺度几何分析(MGA)，它包含了目前最新的计算调和分析和稀疏逼近的发展趋势。在高维情况下，能充分利用函数本身的信息，对特定的函数类达到最优逼近。这些超小波可以有效捕获边缘和其他各向异性特征信息。科学家对这几种工具进行非线性逼近,发现只有曲线波和剪切波的逼近阶非常接近理论上的最优值，具有最优的稀疏性。但是曲线波并不具备完备的数学理论，所以使用剪切波(Shearlet)处理高分辨率SAR图像。但是传统的剪切波处理包含采样操作，降斑后的图像进行采样操作会造成频谱混叠的现象，导致一个方向上出现几个方向上的信息，严重破坏了剪切波的良好的方向性。
技术实现思路
为了解决现有技术中存在的上述问题，本专利技术提供了一种基于非下采样Shearlet变换的高分三SAR图像降斑方法。本专利技术要解决的技术问题通过以下技术方案实现：一种基于非下采样Shearlet变换的高分三SAR图像降斑方法，包括以下步骤：S1:图像噪声模型转换对高分三SAR图像进行对数变换，将SAR图像乘性噪声模型转换为加性噪声模型；S2：剪切波变换对剪切波进行定义，然后在固定的尺度因子下，应用非下采样Laplacian金字塔方法代替传统的Laplacian金字塔方法进行多尺度剖分，消除采样带来的失真，使用非下采样Laplacian金字塔方法把图像分解成一个低通滤波图像和一个高通滤波图像；在伪极化格上对高通滤波的图像进行离散傅里叶变换产生矩阵，利用窗函数对矩阵进行带通滤波处理，将滤波结果做二维逆傅里叶变换，得到剪切系数；S3：小波硬阈值处理高频系数定义小波硬阈值，对得到的剪切系数中的高频系数进行小波硬阈值处理，去除高频系数的噪声；S4：剪切重构将得到的低频系数和高频系数进行shearlet重构；S5：指数变换对重构化后的图像进行指数变换，得到降斑后的图像。进一步地，所述步骤S1的具体过程为：充分发育的斑点服从乘性模型，斑点的乘性模型如公式(1)所示：Y＝F×X(1)其中，Y是观察图像，F是斑点，X是真实图像；log(Y)＝log(F)+log(X)(2)利用公式(2)对公式(1)进行对数变换，将SAR图像乘性噪声模型转化为加性噪声模型。进一步地，所述步骤S2的具体过程为：Shearlet变换是通过把几何和多尺度分析结合起来构造剪切波的形式的具有合成膨胀的仿射系统构造而成，当维数n＝2时，具有合成膨胀的仿射系统定义如下：ΨAB(ψ)＝{ψ(j,l，k)(x)＝|detA|j/2ψ(BlAjx-k):j,l∈Z；k∈Z2}(3)其中，ψ∈L2(R2)，j是尺度参数，l是剪切参数，k是平移参数，A和B为2×2可逆矩阵，|detB|＝1，各向异性膨胀矩阵剪切矩阵(1)在固定的尺度因子下，应用非下采样Laplacian金字塔方法代替传统的Laplacian金字塔方法进行多尺度剖分，采用非下采样滤波器设计具有平移不变性的非下采样Shearlet变换，消除采样带来的失真；使用非下采样Laplacian金字塔方法把原始图像分解成一个低通滤波图像和一个高通滤波图像其中，j代表分辨率，a代表低通滤波，d代表高通滤波；(2)在伪极化格上对进行离散傅里叶变换产生矩阵即在离散域计算其中，(3)利用窗函数W对矩阵进行带通滤波处理；(4)将滤波结果做二维逆傅里叶变换，得到剪切系数；f∈L2(R2)的剪切变换为：其中，j是尺度参数，k是平移参数，l是剪切参数，是对f进行离散傅里叶变换，W和V是不同的窗函数；是逆傅里叶变换用到的标准正交基函数。进一步地，所述步骤S3的具体过程为：噪声主要集中在高频系数的小系数上，使用小波硬阈值算法处理获得的高频系数的小系数；小波硬阈值定义如下：设w表示小波系数，T为给定阈值，i代表第i个小波系数；硬阈值函数表达式为：对得到的剪切系数中的高频系数利用公式(5)进行小波硬阈值处理。与现有技术相比，本专利技术的有益效果：1.利用具有最优的稀疏表示的剪切波来处理同样具有极好稀疏性的高分三SAR图像，并且采用非下采样剪切波变换代替传统的剪切波变换，避免了由于采样操作造成的频谱混叠现象，有效的利用了剪切波的良好的方向性，有效的保留了图像的边缘细节部分；2.同时针对高频小系数可能存在噪声的特点，采用小波硬阈值算法对其进行处理，有效的达到了滤除斑点的作用。附图说明图1是本专利技术的流程图。图2是本专利技术实施例实验使用的两幅高分三SAR图像a和图像b。图3从左向右依次是对图像a采用Lee滤波、Kuan滤波、GammaMAP滤波，及非下采样剪切波滤波降斑的效果图。图4从左向右依次是对图像b采用Lee滤波、Kuan滤波、GammaMAP滤波，及非下采样剪切波滤波降斑的效果图。图5是图4的降斑结果的定性评价指标斑点图。具体实施方式下面结合具体实施例对本专利技术做进一步详细的描述，但本专利技术的实施方式不限于此。一种基于非下采样Shearlet变换的高分三SAR图像降斑方法，如图1所示流程，包括以下步骤：S1:图像噪声模型转换对高分三SAR图像进行对数变换，将SAR图像乘性噪声模型转换为加性噪声模型。具体为：充分发育的斑点服从乘性模型，斑点的乘性模型如公式(1)所示：Y＝F×X(1)其中，Y是观察图像，F是斑点，X是真实图像；由于剪切波适合处理加性噪声，但是SAR图像充分发育的斑点服从乘性模型，所以需要将乘性噪声转换成加性噪声。log(Y)＝log(F)+log(X)(2)利用公式(2)对公式(1)进行对数变换，将SAR图像乘性噪声模型转化为加性噪声模型。S2：剪切波变换对剪切波进行定义，然后在固定的尺度因子下，应用非下采样Laplacian金字塔方法代替传统的Laplacian金字塔方法进行多尺度剖分，消除采样带来的失真，使用非下采样Laplacian金字塔方法把图像分解成一个低通滤波图像和一个高通滤波图像；在伪极化格上对高通滤波图像进行离散傅里叶变换产生矩阵，利用窗函数对矩阵进行带通滤波处理，将滤波结果做二维逆傅里叶变换，得到剪切系数。具体过程为本文档来自技高网...

【技术保护点】
一种基于非下采样Shearlet变换的高分三SAR图像降斑方法，其特征在于，包括以下步骤：S1:图像噪声模型转换对高分三SAR图像进行对数变换，将SAR图像乘性噪声模型转换为加性噪声模型；S2：剪切波变换对剪切波进行定义，然后在固定的尺度因子下，应用非下采样Laplacian金字塔方法代替传统的Laplacian金字塔方法进行多尺度剖分，消除采样带来的失真，使用非下采样Laplacian金字塔方法把图像分解成一个低通滤波图像和一个高通滤波图像；在伪极化格上对高通滤波的图像进行离散傅里叶变换产生矩阵，利用窗函数对矩阵进行带通滤波处理，将滤波结果做二维逆傅里叶变换，得到剪切系数；S3：小波硬阈值处理高频系数定义小波硬阈值，对得到的剪切系数中的高频系数进行小波硬阈值处理，去除高频系数的噪声；S4：剪切重构将得到的低频系数和高频系数进行Shearlet重构；S5：指数变换对重构化后的图像进行指数变换，得到降斑后的图像。

【技术特征摘要】
1.一种基于非下采样Shearlet变换的高分三SAR图像降斑方法，其特征在于，包括以下步骤：S1:图像噪声模型转换对高分三SAR图像进行对数变换，将SAR图像乘性噪声模型转换为加性噪声模型；S2：剪切波变换对剪切波进行定义，然后在固定的尺度因子下，应用非下采样Laplacian金字塔方法代替传统的Laplacian金字塔方法进行多尺度剖分，消除采样带来的失真，使用非下采样Laplacian金字塔方法把图像分解成一个低通滤波图像和一个高通滤波图像；在伪极化格上对高通滤波的图像进行离散傅里叶变换产生矩阵，利用窗函数对矩阵进行带通滤波处理，将滤波结果做二维逆傅里叶变换，得到剪切系数；S3：小波硬阈值处理高频系数定义小波硬阈值，对得到的剪切系数中的高频系数进行小波硬阈值处理，去除高频系数的噪声；S4：剪切重构将得到的低频系数和高频系数进行Shearlet重构；S5：指数变换对重构化后的图像进行指数变换，得到降斑后的图像。2.根据权利要求1所述的基于非下采样Shearlet变换的高分三SAR图像降斑方法，其特征在于，所述步骤S1的具体过程为：充分发育的斑点服从乘性模型，斑点的乘性模型如公式(1)所示：Y＝F×X(1)其中，Y是观察图像，F是斑点，X是真实图像；log(Y)＝log(F)+log(X)(2)利用公式(2)对公式(1)进行对数变换，将SAR图像乘性噪声模型转化为加性噪声模型。3.根据权利要求2所述的基于非下采样Shearlet变换的高分三SAR图像降斑方法，其特征在于，所述步骤S2的具体过程为：Shearlet变换是通过把几何和多尺度分析结合起来构造剪切波的形式的具有合成膨胀的仿射系统构造而成，当维数n＝2时，具有合成膨胀的仿射...

【专利技术属性】
技术研发人员：孙增国，师蕊，宋云静，闫晓鹏，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西,61