基于RSVD与直方图保存的SAR图像快速去噪方法技术

本发明专利技术公开了一种基于RSVD与直方图保存的SAR图像快速去噪方法，该方法首先对SAR图像进行对数变换，将乘性噪声转化成加性噪声，然后进行非局部相似图像块匹配，随后采用随机奇异值分解对非局部相似图像块组成的低秩矩阵进行低秩矩阵逼近，再采用梯度直方图保存的方法对图像进行纹理增强，最后将图像块复位，实现对SAR图像的快速去噪。在MSTAR数据库上的实验结果表明，与现有方法相比，本发明专利技术提出的方法在明显提升边缘保持指数的同时，去噪速度加快了三倍。

A Fast Denoising Method for SAR Image Based on RSVD and Histogram Preservation

The invention discloses a fast denoising method for SAR image based on RSVD and histogram preservation. Firstly, the SAR image is logarithmically transformed, multiplicative noise is transformed into additive noise, then non-local similar image blocks are matched, then the low-rank matrix composed of non-local similar image blocks is approximated by random singular value decomposition, and then gradient histogram is used. The method of preservation enhances the texture of the image, and finally resets the image block to realize fast denoising of SAR image. The experimental results on MSAR database show that, compared with the existing methods, the method proposed in the present invention improves the edge preservation index significantly and speeds up the denoising speed by three times.

【技术实现步骤摘要】
基于RSVD与直方图保存的SAR图像快速去噪方法
本专利技术属于雷达图像处理
，具体涉及一种基于RSVD与直方图保存的SAR图像快速去噪方法。
技术介绍
合成孔径雷达(SAR)图像为遥感测绘、地面监测、自动目标识别等领域提供了有用信息。但由于雷达辐射区域的一个分辨单元内许多散射点到达雷达的距离存在差异，其回波相位也不相同。回波相干叠加，使SAR图像不可避免地产生了相干斑噪声。受斑点噪声的影响，观测SAR图像的视觉质量下降，其边缘信息等方面也发生弱化。因此，在后续对图像进行分割、检测和分类之前，去除相干斑噪声是一项关键任务。SAR图像去噪有传统的基于空域的滤波算法，如Lee，Kuan，Frost，GammaMAP和增强Lee滤波器，增强Frost滤波器等，基本是利用图像的局部小块信息进行去噪，存在容易过平滑而丢失纹理细节的问题。随着信号处理方法的改进，小波变换被应用于SAR图像去噪，但此方法无法有效地表达图像的边缘信息；随后出现了Contourlet变换等多尺度分析方法。近年来，马尔科夫随机场和吉布斯随机场、BLS-GSM(BayesLeastSquares-GaussianScaleMixtures)等模型的SAR图像去噪，取得了较好的去噪效果。另外，Buades等人将非局部模型应用于图像去噪，设计出了非局部均值(NonLocalmeans，NL-means)去噪方法，该算法在图像边缘区域去噪效果不佳。K.Dabov提出了三维块匹配(BlockMatchingand3Dfiltering，BM3D)算法，该方法去噪效果好，但是算法复杂度高。2006年，TerrenceTao等人提出了低秩矩阵逼近(LowRankMatrixApproximation，LRMA)，将其引入图像去噪，即从受噪声污染的矩阵中恢复出原始的低秩矩阵。低秩矩阵逼近的方法一般可以分为两类：低秩矩阵分解(LowRankMatrixFactorization，LRMF)和核范数最小化(NuclearNormMinimization，NNM)。由于SAR图像中存在很多相似的图像块，相似块具有相似的结构特征和数据特征，它们组成的矩阵可以被认为是近似低秩，因此可以将NNM应用于SAR图像去噪。NNM算法的不足之处在于在计算过程中将奇异值等同对待，造成偏差较大。对此方法进行改进的文献中提出结合图像非局部相似和低秩模型的空间自适应迭代奇异值阈值法(SpatiallyAdaptiveIterativeSingularValueThresholding，SAIST)。由于信号的真实信息主要集中在较大的奇异值上，而噪声主要体现在小的奇异值上，所以加权核范数最小化(WeightedNuclearNormMinimization，WNNM)方法被提出，即对大的奇异值，采用小的权值，对小的奇异值采用大的权值，该算法可以较好地逼近低秩矩阵。但WNNM算法的不足之处是其每一次迭代都要进行奇异值分解，从而消耗大量运算时间。另外，WNNM会过度光滑纹理细节。因此，考虑用迭代次数更少的RSVD(随机奇异值分解)代替奇异值分解，提高去噪效率，并且在去噪过程中采用GHP(梯度直方图保存)对图像进行纹理增强。
技术实现思路
针对于上述现有技术的不足，本专利技术的目的在于提供一种基于RSVD与直方图保存的SAR图像快速去噪方法，以解决现有技术中去噪算法存在的问题；该方法首先对SAR图像进行对数变换，将乘性噪声转化成加性噪声，然后进行非局部相似图像块匹配，随后采用随机奇异值分解对非局部相似图像块组成的低秩矩阵进行低秩矩阵逼近，再采用梯度直方图保存的方法对图像进行纹理增强，最后将图像块复位，实现对SAR图像的快速去噪。在MSTAR数据库上的实验结果表明，与已有方法相比，本专利技术提出的方法在明显提升边缘保持指数的同时，去噪速度加快了三倍。为达到上述目的，本专利技术采用的技术方案如下：本专利技术的一种基于RSVD与直方图保存的SAR图像快速去噪方法，包括如下步骤：(1)建立SAR图像的相干斑噪声模型，即将乘性噪声通过对数变换转换成加性噪声；(2)利用非局部相似性对变换后的图像进行块匹配；(3)采用RSVD对非局部相似图像块组成的低秩矩阵进行分解，实现低秩矩阵逼近；(4)采用梯度直方图保存的方法对SAR图像进行纹理增强；(5)将图像块复位，得到去噪后的SAR图像。进一步地，所述步骤(1)具体包括：建立SAR图像乘性噪声模型，即Y(x,y)＝X(x,y)N(x，,y)其中，Y(x,y)为添加了斑点噪声的SAR图像，即最终的观测图像；X(x,y)为原始的SAR图像；N(x,y)为相干斑噪声；X(x,y)和N(x,y)是相互独立的随机过程，相干斑噪声N(x,y)服从均值为1，方差为1/L的Gamma分布，其概率密度函数为：其中，L为等效视数，e为自然底数；对Y(x,y)＝X(x,y)N(x,y)两边同时取对数，则将乘性噪声转化成常用的加性噪声：lg(Y(x,y))＝lg(X(x,y))+lg(N(x,y))。进一步地，所述步骤(2)具体包括：(21)将原始图像分成大小相同的若干图像块，根据指定图像块，搜索其非局部相似图像块；(22)将非局部相似图像块整合到一个矩阵中，构成一个低秩矩阵。进一步地，所述步骤(3)具体包括：(31)生成一个n×l维的高斯随机矩阵Ω；(32)将高斯随机矩阵Ω与待分解的m×n维的原矩阵A相乘，构建一个m×l维的样本矩阵Y＝AΩ；(33)对矩阵Y进行QR分解，得到m×l维的正交矩阵Q；(34)构建一个l×n维的矩阵B＝QT×A，最后对矩阵B进行奇异值分解，即B＝SΛVT；(35)令QS＝U得到A的奇异值分解，即A＝UΛVT；其中，l远小于m和n中的较小值，S是一个l×l的方阵，Λ为l×n的对角矩阵，对角线上的元素称为奇异值，VT是V的转置，是一个n×n的方阵。进一步地，所述步骤(4)具体包括：(41)首先估计原始图像x的梯度直方图hr，将其作为参考梯度，以更新后的图像最大限度的接近这一参考梯度直方图作为约束条件，获得结果图像；其中，梯度直方图hr的求解公式如下：其中，d为常数，R(hx)为基于自然图像梯度直方图先验信息的正则化项，为噪声n的梯度，hy、hx和hg分别为噪声图像、原始图像和梯度g的直方图；(42)为了使去噪图像的梯度直方图近似于参考直方图hr，基于梯度直方图保存的去噪模型如下：s.t.hf＝hr其中，为求梯度操作，F为在(0，+∞)上单调递增的奇函数，hf为变换后的梯度图像直方图，hr为原始图像的直方图，R(x)为正则化项，λ为一正常数，σn2为噪声方差，μ为一常数。本专利技术的有益效果：1、本专利技术可以提高SAR图像的去噪效率，减少去噪时间；2、本专利技术提高了去噪图像的峰值信噪比；3、本专利技术提升了去噪图像的边缘保持能力；4、本专利技术提高了去噪图像的等效视数。附图说明图1为本专利技术SAR图像去噪方法的原理框图；图2a为原始128×128SAR图像示意图；图2b为原始128×128SAR图像经SAIST去噪后效果图；图2c为原始128×128SAR图像经WNNM去噪后效果图；图2d为原始128×128SAR图像经本专利技术方法去噪后效果图。具体实施方式为了便于本领域技术人员的本文档来自技高网...

【技术保护点】
1.一种基于RSVD与直方图保存的SAR图像快速去噪方法，其特征在于，包括如下步骤：(1)建立SAR图像的相干斑噪声模型，即将乘性噪声取对数转换成加性噪声；(2)利用非局部相似性对变换后的图像进行块匹配；(3)采用RSVD对非局部相似图像块组成的低秩矩阵进行分解，实现低秩矩阵逼近；(4)采用梯度直方图保存的方法对SAR图像进行纹理增强，实现SAR图像去噪；(5)将图像块复位，得到去噪后的SAR图像。

【技术特征摘要】
1.一种基于RSVD与直方图保存的SAR图像快速去噪方法，其特征在于，包括如下步骤：(1)建立SAR图像的相干斑噪声模型，即将乘性噪声取对数转换成加性噪声；(2)利用非局部相似性对变换后的图像进行块匹配；(3)采用RSVD对非局部相似图像块组成的低秩矩阵进行分解，实现低秩矩阵逼近；(4)采用梯度直方图保存的方法对SAR图像进行纹理增强，实现SAR图像去噪；(5)将图像块复位，得到去噪后的SAR图像。2.根据权利要求1所述的基于RSVD与直方图保存的SAR图像快速去噪方法，其特征在于，所述步骤(1)具体包括：建立SAR图像乘性噪声模型，即Y(x,y)＝X(x,y)N(x,y)，其中，Y(x,y)为添加了斑点噪声的SAR图像，即最终的观测图像；X(x,y)为原始的SAR图像；N(x,y)为相干斑噪声；X(x,y)和N(x,y)是相互独立的随机过程，相干斑噪声N(x,y)服从均值为1，方差为1/L的Gamma分布，其概率密度函数为：其中，L为等效视数，e为自然底数；对Y(x,y)＝X(x,y)N(x,y)两边同时取对数，则将乘性噪声转化成常用的加性噪声：lg(Y(x,y))＝lg(X(x,y))+lg(N(x,y))。3.根据权利要求1所述的基于RSVD与直方图保存的SAR图像快速去噪方法，其特征在于，所述步骤(2)具体包括：(21)将原始图像分成大小相同的若干图像块，根据指定图像块，搜索其非局部相似图像块；(22)将非局部相似图像块整合到一个矩阵中，构成一个低秩矩阵。4.根据权利要求1所...

【专利技术属性】
技术研发人员：王彩云，赵焕玥，黄盼盼，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32