基于统计特性的SAR图像非局部均值去噪方法技术

本发明专利技术涉及一种基于统计特性的SAR图像非局部均值去噪方法，包括：获取SAR图像；利用概率分布函数对SAR图像进行拟合，得到概率值图像；对概率值图像进行分区域处理，得到背景区域和目标区域；将背景区域和目标区域映射至SAR图像，得到背景SAR图像和目标SAR图像；采用第一加权函数对背景SAR图像进行滤波处理，得到背景区域滤波图像；采用第二加权函数对目标SAR图像进行滤波处理，得到目标区域滤波图像；根据背景区域滤波图像和目标区域滤波图像，得到SAR去噪图像。本发明专利技术的方法在平滑噪声的同时可以更好地保持细节，而且在运行时间上也得到了一定的提升，运行效率更进一步加强。运行效率更进一步加强。运行效率更进一步加强。

【技术实现步骤摘要】
基于统计特性的SAR图像非局部均值去噪方法


[0001]本专利技术属于SAR图像处理领域，具体涉及一种基于统计特性的SAR图像非局部均值去噪方法。

技术介绍

[0002]合成孔径雷达(synthetic aperture radar，SAR)是利用雷达与目标的相对运动把尺寸较小的真实天线孔径用数据处理的方法合成较大的等效天线孔径的雷达。SAR发射的电磁波照射到目标的每一个表面单元，致使在一个分辨单元内的大量小散射单元散射波共同作用，形成SAR接收到的回波信号，通过对回波信号进行解调和后期处理得到目标的SAR图像。SAR图像的相干斑抑制一直是SAR图像处理领域的一个重要的问题。
[0003]目前SAR图像去噪主要有两大类，一类是在成像前或成像中进行信号的处理，但是这会严重牺牲图像的分辨率；另一类是成像后的相干斑抑制技术，目前主流的算法是空域滤波和变换域滤波。空域滤波方法容易将图像的细节和纹理平滑掉，虽然变换域的去噪方法可以有效的去除高频噪声，但是会出现伪吉布斯现象。
[0004]随着科技的发展，非局部滤波方法被提出，其在细节保持上要比传统的空域滤波方法更加优秀。目前常见的方法有NLM算法、PPB算法和BM3D算法等，但是上述方法均存在运算量大，运算时间较长、运行效率低的缺陷。

技术实现思路

[0005]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统计特性的SAR图像非局部均值去噪方法。本专利技术要解决的技术问题通过以下技术方案实现：
[0006]本专利技术提供了一种基于统计特性的SAR图像非局部均值去噪方法，包括：
[0007]获取SAR图像；
[0008]利用概率分布函数对所述SAR图像进行拟合，得到概率值图像；
[0009]对所述概率值图像进行分区域处理，得到背景区域和目标区域；
[0010]将所述背景区域和所述目标区域映射至所述SAR图像，得到背景SAR图像和目标SAR图像；
[0011]采用第一加权函数对所述背景SAR图像进行滤波处理，得到背景区域滤波图像；
[0012]采用第二加权函数对所述目标SAR图像进行滤波处理，得到目标区域滤波图像；
[0013]根据所述背景区域滤波图像和所述目标区域滤波图像，得到SAR去噪图像。
[0014]在本专利技术的一个实施例中，利用概率分布函数对所述SAR图像进行拟合，得到概率值图像，包括：
[0015]利用对数正态分布函数对所述SAR图像进行拟合，利用像素值对应的概率值代替所述SAR图像中的像素值，得到概率值图像。
[0016]在本专利技术的一个实施例中，对所述概率值图像进行分区域处理，得到背景区域和目标区域，包括：
[0017]构建变差系数，并根据所述变差系数构建阈值函数；
[0018]根据所述阈值函数，计算得到所述概率值图像中每个像素点对应的阈值；
[0019]按照预设的窗口大小，以所述概率值图像中每个像素点为中心形成其对应的窗口区域，并计算所述窗口区域的像素均值；
[0020]将所述窗口区域的像素均值与该像素点对应的阈值进行比较，根据比较结果判断所述像素点是否属于背景像素点，并根据判断结果将所述概率值图像分为所述背景区域和所述目标区域。
[0021]在本专利技术的一个实施例中，所述变差系数为：
[0022][0023]所述阈值函数为：
[0024][0025]其中，i表示像素点，C
i
表示像素点的变差系数，δ
i
表示窗口区域的像素方差，μ
i
表示窗口区域的像素均值，α表示常系数。
[0026]在本专利技术的一个实施例中，所述第一加权函数为：
[0027][0028][0029]其中，Z1(i)表示第一归一化系数，h1表示第一滤波参数，N
i
表示以像素i为中心的第一固定相似窗，N
j
表示以像素j为中心的第一滑动相似窗，W(N
i
)表示在概率值图像的背景区域中第一固定相似窗的概率值矩阵，W(N
j
)表示在概率值图像的背景区域中第一滑动相似窗的概率值矩阵，D1(i,j)表示在概率值图像的背景区域中第一固定相似窗N
i
和第一滑动相似窗N
j
之间的相似度，T表示转置。
[0030]在本专利技术的一个实施例中，所述第二加权函数为：
[0031][0032][0033][0034]其中，Z2(i)表示第二归一化系数，h2表示第二滤波参数，N'
i
表示以像素i为中心的第二固定相似窗，N'
j
表示以像素j为中心的第二滑动相似窗，W(N'
i
)表示在概率值图像的目标区域中第二固定相似窗的概率值矩阵，W(N'
j
)表示在概率值图像的目标区域中第二滑动相似窗的概率值矩阵，表示标准差为的高斯加权2范数，D1'(i,j)表示在概率值图像的目标区域中第二固定相似窗N'
i
和第二滑动相似窗N'
j
之间的相似度，D2(i,j)表示在目标
SAR图像中第二固定相似窗N'
i
和第二滑动相似窗N'
j
之间的欧式距离，v(N'
i
)表示在目标SAR图像中第二固定相似窗的灰度向量值，v(N'
j
)表示在目标SAR图像中第二滑动相似窗的灰度向量值。
[0035]在本专利技术的一个实施例中，采用第一加权函数对所述背景SAR图像进行滤波处理，得到背景区域滤波图像；包括：
[0036]步骤1：根据预设的第一搜索窗尺寸在所述概率值图像的背景区域内形成以像素i为中心的第一搜索区域；
[0037]步骤2：在所述第一搜索区域，根据预设的第一相似窗尺寸，选取以像素i为中心的第一固定相似窗N
i
和以像素j为中心的第一滑动相似窗N
j
，并计算得到在概率值图像的背景区域中第一固定相似窗N
i
和第一滑动相似窗N
j
之间的相似度D1(i,j)；
[0038]步骤3：根据所述相似度D1(i,j)以及第一滤波参数h1，计算得到第一归一化系数Z1(i)；
[0039]步骤4：根据所述第一归一化系数Z1(i)和所述第一加权函数，计算得到所述第一搜索区域内每个像素的第一加权系数，根据所述第一加权系数，计算得到所述背景SAR图像中第一搜索区域内每个像素的像素滤波值；
[0040]步骤5：重复步骤1
‑
4，对所述概率值图像的背景区域进行搜索以完成对所述背景SAR图像的滤波处理，得到所述背景区域滤波图像。
[0041]在本专利技术的一个实施例中，采用第二加权函数对所述目标SAR图像进行滤波处理，得到目标区域滤波图像，包括：
[0042]步骤1：根据预设的第二搜索窗尺寸分别在所述概率值图像的目标区域内以及所述目标SAR本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于统计特性的SAR图像非局部均值去噪方法，其特征在于，包括：获取SAR图像；利用概率分布函数对所述SAR图像进行拟合，得到概率值图像；对所述概率值图像进行分区域处理，得到背景区域和目标区域；将所述背景区域和所述目标区域映射至所述SAR图像，得到背景SAR图像和目标SAR图像；采用第一加权函数对所述背景SAR图像进行滤波处理，得到背景区域滤波图像；采用第二加权函数对所述目标SAR图像进行滤波处理，得到目标区域滤波图像；根据所述背景区域滤波图像和所述目标区域滤波图像，得到SAR去噪图像。2.根据权利要求1所述的基于统计特性的SAR图像非局部均值去噪方法，其特征在于，利用概率分布函数对所述SAR图像进行拟合，得到概率值图像，包括：利用对数正态分布函数对所述SAR图像进行拟合，利用像素值对应的概率值代替所述SAR图像中的像素值，得到概率值图像。3.根据权利要求1所述的基于统计特性的SAR图像非局部均值去噪方法，其特征在于，对所述概率值图像进行分区域处理，得到背景区域和目标区域，包括：构建变差系数，并根据所述变差系数构建阈值函数；根据所述阈值函数，计算得到所述概率值图像中每个像素点对应的阈值；按照预设的窗口大小，以所述概率值图像中每个像素点为中心形成其对应的窗口区域，并计算所述窗口区域的像素均值；将所述窗口区域的像素均值与该像素点对应的阈值进行比较，根据比较结果判断所述像素点是否属于背景像素点，并根据判断结果将所述概率值图像分为所述背景区域和所述目标区域。4.根据权利要求3所述的基于统计特性的SAR图像非局部均值去噪方法，其特征在于，所述变差系数为：所述阈值函数为：其中，i表示像素点，C
i
表示像素点的变差系数，δ
i
表示窗口区域的像素方差，μ
i
表示窗口区域的像素均值，α表示常系数。5.根据权利要求1所述的基于统计特性的SAR图像非局部均值去噪方法，其特征在于，所述第一加权函数为：所述第一加权函数为：其中，Z1(i)表示第一归一化系数，h1表示第一滤波参数，N
i
表示以像素i为中心的第一
固定相似窗，N
j
表示以像素j为中心的第一滑动相似窗，W(N
i
)表示在概率值图像的背景区域中第一固定相似窗的概率值矩阵，W(N
j
)表示在概率值图像的背景区域中第一滑动相似窗的概率值矩阵，D1(i,j)表示在概率值图像的背景区域中第一固定相似窗N
i
和第一滑动相似窗N
j
之间的相似度，T表示转置。6.根据权利要求1所述的基于统计特性的SAR图像非局部均值去噪方法，其特征在于，所述第二加权函数为：所述第二加权函数为：所述第二加权函数为：其中，Z2(i)表示第二归一化系数，h2表示第二滤波参数，N'
i
表示以像素i为中心的第二固定相似窗，N'
j
表示以像素j为中心的第二滑动相似窗，W(N'
i
)表示在概率值图像的目标区域中第二固定相似窗的概率值矩阵，W(N'
j
)表示在概率值图像的目标区域中第二滑动相似窗的概率值矩阵，表示标准差为的高斯加权2范数，D1'(i,j)表示在概率值图像的目标区域中第二固定相似窗N'
i

【专利技术属性】
技术研发人员：辛志慧，麻伟，孙雨，王志旭，宣嘉裕，
申请(专利权)人：云南师范大学，
类型：发明
国别省市：