基于邻域方向性信息的SAR图像降斑方法技术

本发明专利技术公开了一种基于邻域方向性信息的ＳＡＲ图像降斑方法，主要解决现有ＳＡＲ图像降斑方法不能很好的抑制斑点噪声和丢失部分边缘和细节信息的缺点。其过程为：对原图像做非下采样Ｃｏｎｔｏｕｒｌｅｔ分解，对每个高频子带系数估计二进掩码；然后根据所对应的不同的掩码用修正对数高斯分布和混合指数分布获得条件似然比的表达式；再根据邻域方向性模型获得的非下采样Ｃｏｎｔｏｕｒｌｅｔ变换的方向信息求先验比；最后根据似然比和先验比获得缩减因子对每个高频子带系数进行缩减，将缩减变化以后的系数再经过重构得到降斑后的输出图像。本方法具有有效去除ＳＡＲ图像斑点噪声和边缘保持性好的优点，可用于对边缘信息丰富、细节丰富的ＳＡＲ图像，特别是含有机场、跑道、道路的ＳＡＲ图像降斑。

【技术实现步骤摘要】

本专利技术属于图像处理
，涉及图像噪声抑制，具体地说是一种基于非下 采样contourlet域的SAR图像降斑方法，可用于合成孔径雷达图像的斑点噪声的抑 制。
技术介绍
合成孔径雷达(SAR)是一种高分辨率成像雷达。它具有全天候、多极化、多视角、 多俯角数据获取能力及对一些地物的穿透能力，不仅广泛地被应用在军事上，在农 业、气象、地形地貌、灾情监控等民用上也有大量的应用。但由于SAR发射的是相 干波，这些相干波经过与地物的相干作用，特别是地物的后向散射作用，使目标回波 信号产生了衰减，这种衰减表现在图像上就是相干斑点噪声。因此如何抑制图像中的 相干斑噪声，提高图像的解读能力以及获得更多的信息成为一个重要的问题。SAR图像降斑的首要目标是在滤除斑点噪声的同时，尽可能的保持图像的细节 信息。斑点噪声是一种复杂的乘性噪声模型的信号。对于斑点噪声这种特殊的性质， 在过去的近二十年中，人们提出了很多经典的SAR降斑方法，如Lee滤波，增强Lee 滤波，Kuan滤波等等。这些方法是用一个已定义好的滤波器窗来估计局域斑点噪声 的方差，并进行滤波处理，其结果通常过分的平滑了边缘细节信息，这些方法均在 一定程度上收到了较好的效果。1995年，美国学者Donoho把小波理论引入到图像 去噪中，提出了小波软阈值方法。小波软阈值方法是一种非线性的算法，依然存在 破坏图像细节信息的问题，对图像的辐射特性保持也不好。后来美国学者Do and Vetterli提出了一种图像的多方向多尺度表示方法，称 作Contourlet变换。Contourlet变换利用金字塔滤波器获得多尺度分解，利用方向 滤波器组获得方向的合成。由于使用了几何信息，Contourlet变换在例如降噪和纹 理恢复中的图像分析应用中，得到了比离散小波变换更好的效果。Contourlet变换 经过下采样和上采样，并不是平移不变的，而平移不变性在图像分析应用例.如边缘 检测、轮廓提取和图像去噪中是至关重要的。最近美国学者Omha等人提出了非下采样分解机制的Corvtourlet变换，这种变换具有完全的平移不变性，在图像去噪的应用中已初步显示出其明显的优势与UWT相比，非下采样Contourlet变换能够提供更好的图像恢复结果，在细节结构的保持 方面更优于前者；同样，非下采样Contourlet变换的平移不变性也解决了基于 Contourlet变换的去噪处理中出现的块状效应问题。但是这种基于非下采样 Contourlet变换域降斑方法并没有充分考虑图像的几何特征以及SAR图像在非下采 样Contourlet变换域的统计特性和方向性特征，因而降斑后的SAR图像平滑区域的 斑点噪声滤除不充分，同时图像的细节和边缘信息部分丢失。
技术实现思路
本专利技术的目的在于克服上述己有技术的不足，提出一种基于邻域方向性信息的 SAR图像降斑方法，以充分滤除降斑后的SAR图像平滑区域的斑点噪声，完整的保 留图像的细节和边缘信息。实现本专利技术目的的技术思路是将修正的对数高斯分布和混合指数分布引入到縮 减因子的表示中，并利用方向性邻域模型结合非下采样Contourlet变换的高度冗余 性和多方向选择性对非下采样Contourlet变换分解高频系数进行自适应萎縮，得到 滤除斑点噪声、保留细节信息的SAR图像。其具体实现步骤包括如下(1) 对原始SAR图像y进行非下采样Contourlet分解，得到在尺度_/上位置/处 的分解系数",j;(2) 将第y + l层的分解系数作为该层的无斑系数，求解第/层的系数二值掩码、；(3) 找出第/层系数掩码为1和为0的系数，分别用修正对数高斯分布和混合指 数分布逼近，得到概率密度分布的条件似然比^;(4) 根据设定的方向性邻域模型计算分解系数的縮减因子先验比/7,，得到非 下采样Contourlet分解系数縮减因子& ;(5) 应用縮减因子对非下采样Contourlet分解的系数进行縮减；(6) 对縮减后的系数";j运行非下采样Contourlet重构，得到降斑后图像j)。 本专利技术与现有技术相比具有如下优点1)本专利技术由于采用改进对数高斯分布和混合指数分布对掩码为1和掩码为0 的非下采样Contourlet分解系数的直方图进行逼近，更加准确的捕捉了 SAR图像在 非下采样Contourlet变换域的统计特性，充分滤除了SAR图像平滑区域的斑点噪声。2) 本专利技术由于将方向性邻域模型引入缩减因子的计算中，充分考虑到了 SAR 图像本身的方向特性，保留了更加丰富的图像边缘和细节信息。3) 仿真结果表明，本专利技术方法较其它几种现有的经典的SAR图像降斑方法，在 平滑区域的平滑效果以及边缘保持能力方面都有显著的提高。附图说明图l是本专利技术的流程框图2是本专利技术使用的邻域方向性模型示意图3是本专利技术求得的SAR图像高频子带系数为1的掩码以及概率分布拟合示意图4是本专利技术与现有两种降斑方法应用于X波段幅度SAR图像的降斑仿真结果 对比图5是本专利技术与现有两种降斑方法应用于Ku波段强度SAR图像的降斑仿真结果 对比图6是对图4和图5的局部放大图。 具体实施例方式参照图1，本专利技术的具体实现步骤如下步骤l，输入SAR图像记为y，该SAR图像本身就是被斑点噪声污染的图像， 因此不需要像研究自然图像去噪一样，给原图加上一个随机噪声或者某种特性的噪 声，可直接对该图像进行降斑处理。步骤2，将图像j;经过非下采样Coritoiirlet分解，得到一个与原图像大小相同 的低频图像和J个尺度，每个尺度有D个高频图像，高频图像在尺度y上位置/处的 系数记为。(2. l)将输入图像经过非下采样金字塔分解，分别得到与原图大小相同的一个 低频图像和一个高频图像；(2. 2)将高频图像输入非下采样方向滤波器组，得到D个与原图像大小相等Z) 个方向的高频图像；(2. 3)将在步骤(2. 1)中输出的低频图像再重复以上步骤(2. 1)和(2. 2) / 次，最终得到非下采样Contourlet分解的一个低频图像和J个尺度，每个尺度有D 个与原图像大小相同的高频图像，该高频图像在尺度y上位置/处的系数记为w,"步骤3，估计尺度_/上位置/处的系数、二值掩码^"。通过比较当前尺度/上位置/处的分解系数"^和较粗尺度_/ + 1上位置/处的分解系数《的点积与当前尺度层的噪声方差的值，得到二值掩码；"i"j.io;， (1)其中，(T/为噪声标准差，其表达式为 -MW/a^nu-Me^fl^r^^l)/0.6745 ，、e {0,1}为系数",j的掩码S,，, = 1表明",，;.为重要系数，主要对应SAR图像中 的细节和有用信息；、=0表示"/;为不重要系数，主要对应SAR图像中的斑点噪 声信息。步骤4，根据系数二值掩码A,.计算概率密度分布的条件似然比。 概率密度分布的条件似然比^由掩码为1的系数概率分布函数/ (^ll)和掩码为0的系数概率分布函数i O)两部分组成。第一部分掩码为1的系数的概率分布函数p(m, |1)，采用改进对数高斯概率密度函数进行拟合xo^V2;r (2)其中，x为非下采样Contourlet分解的高频系数值，^为",，,的幅值，即 w,=|",」，p是In(m,)的均值，c^是本文档来自技高网...

【技术保护点】
一种基于邻域方向性信息的ＳＡＲ图像降斑方法，包括如下步骤：　（１）对原始ＳＡＲ图像ｙ进行非下采样Ｃｏｎｔｏｕｒｌｅｔ分解，得到在尺度ｊ上位置ｌ处的分解系数ｎ↓［ｌ，ｊ］；　（２）将第ｊ＋１层的分解系数作为该层的无斑系数，求解第ｊ 层的系数二值掩码＊↓［ｌ，ｊ］；　（３）找出第ｊ层系数掩码为１和为０的系数，分别用修正对数高斯分布和混合指数分布逼近，得到概率密度分布的条件似然比ξ↓［ｌ］；　（４）根据设定的方向性邻域模型计算分解系数的缩减因子先验比η↓［ｌ］ ，得到非下采样Ｃｏｎｔｏｕｒｌｅｔ分解系数缩减因子ｑ↓［ｌ］；　（５）应用缩减因子对非下采样Ｃｏｎｔｏｕｒｌｅｔ分解的系数ｎ↓［ｌ，ｊ］进行缩减；　（６）对缩减后的系数ｎ↓［ｌ，ｊ］↑［ｎｅｗ］运行非下采样Ｃｏｎｔｏｕｒｌｅｔ重 构，得到降斑后图像＊。

【技术特征摘要】

【专利技术属性】
技术研发人员：王爽，焦李成，赵红，侯彪，钟桦，刘芳，田小林，朱虎明，刘卓，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87[中国|西安]