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 ...
【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
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。