本发明专利技术公开一种基于方向波域混合高斯模型的ＳＡＲ图像噪声抑制方法，涉及图像处理领域，主要克服现有去噪方法对ＳＡＲ图像造成的模糊失真和改进方向波的陪集分解添加零值过多的问题。其实现步骤为：（１）对ＳＡＲ图像进行卡通纹理模型分解；（２）纹理部分进行改进的方向波变换；（３）对陪集的高频子带系数进行混合高斯模型的拟合；（４）估计噪声方差；（５）利用贝叶斯最小均方误差估计无噪系数；（６）无噪系数进行改进的方向波逆变换，得到去噪后的纹理部分；（７）将卡通部分和去噪后的纹理部分相加，得到去噪后的ＳＡＲ图像。本发明专利技术具有改进了去噪后ＳＡＲ图像的清晰度、细节信息保持较好、均匀区域较平滑的优点，可用于滤除ＳＡＲ图像中的相干斑噪声。
【技术实现步骤摘要】
本专利技术属于图像处理领域，具体地涉及SAR图像噪声抑制方法，该方法可用于 滤除SAR图像中的相干斑噪声。
技术介绍
合成孔径雷达(Synthetic Aperture Radar,简称SAR)是一种能在各种天气条件 下获得类似光学图像的高分辨率图像的全天候、全天时雷达。它的相干成像机理不 可避免地会产生相干斑噪声，使其图像不能有效反映地物目标的散射特性。良好的 斑点抑制方法要能够在减少噪声的同时尽可能保持SAR图像中的细节信息，去噪后 的SAR图像在视觉效果和信息量方面都更有利于后续的计算机自动分析和理解。近年来，SAR图像相干斑噪声抑制技术飞速发展，可分为成像前多视平滑技术 和成像后滤波技术两大类，成像后处理技术中空域滤波和变换域方法得到了广泛地 研究。对于空域滤波方法，如Lee， Gamma-MAP等基于乘性斑点噪声模型的自适 应局部统计滤波方法得到了应用，这些滤波器算法的问题在于滤波窗口大小的选择。 均匀的区域需要较大的滤波器窗口来增强斑点抑制效果，但大的滤波器窗口同时会 降低图像的实际分辨率，造成图像中边缘和线状目标的模糊，很在均匀区域的平滑 和细节信息的保持之间兼顾。变换域方法如小波方法通过对其系数进行阈值分析处 理或者是建立系数统计模型实现对SAR图像噪声的抑制，虽然能较好保持边缘细 节，但平滑能力有限。为了更好地挖掘如何更有效地表示SAR图像，多尺度几何分 析是很好的思路，并且在这方面开展了许多富有成效的工作。孙强等人在文章统 计先验指导的非下采样Contouriet变换域SAR图像降斑中提出的降班方法取得了一 定得成果，在边缘保持和后向散射系数保持的性能上优于以上几种方法。Florian Luisier等人在文章SURE-LET Multichannel Image Denoising: Interscale Orthonormal Wavelet Thresholding中提出的去噪方法，在细节的保持上取得了较好的效果。但是 现有的这些方法在细节的保持和去噪程度上不能达到比较好的平衡，为了达到更好 的去噪效果的同时尽量地保持图像的细节，需要提出新的方法。2005年由Vladan Velisavljevic等人提出的Directionlet变换是一种新的多尺度几何分析方法，它采用整数格变换，可分离滤波和临界采样结构设计，计算复杂度小， 滤波器构造相对简单，能够提供SAR图像更好的稀疏表示，而且能够有效地捕捉 SAR图像中的各向异性特征。但是采用的陪集分解操作由于加入的零值太多，对分 解后得到的系数进行模型的拟合带来了困难。
技术实现思路
本专利技术的目的在于克服上述已有技术的不足，提供一种基于Directionlet域混合 高斯模型的SAR图像噪声抑制方法，使得图像去噪和图像细节的保持取得较好的平 衡，以及对Directionlet分解系数进行较好的模型拟合，提高对SAR图像的噪声抑 制的效果。实现本专利技术技术目的技术方案，包括如下步骤(1) 对SAR图像进行卡通纹理模型分解，选择最优的迭代次数，得到SAR图 像的卡通部分和纹理部分；(2) 保持SAR图像卡通部分不变，将纹理部分进行改进的Directionlet变换； (2a)选定SAR图像纹理部分的变换方向和队列方向，其斜率构成采样矩阵M八-a2 62人其中，沿向量《的方向称为纹理部分的变换方向，其斜率表示为5 沿向量^/2的方向称为纹理部分的队列方向，其斜率表示为^ = /fl2;(2b)对纹理部分进行MA采样，得到ldet(M八)l个陪集，再对得到的陪集分 别进行同样的二次陪集分解，得到2ldet(MA)l个子陪集，将零点去除；(2c)对每个子陪集沿变换和队列方向分别进行两次和一次的一维正交小波变 换，得到相应的高频和低频系数子带，在低频子带的变换和队列方向再分别进行两 次和一次一维正交小波变换，获得14个高频子带和i个低频子带系数为ffyc Z表示每个系数的坐标)；(3)对变换后得到的各陪集的高频子带系数进行混合高斯模型的拟合，并采用EM算法估计混合模型中的参数；(4) 估计各陪集的高频子带系数的噪声方差0"i。；(5) 利用Bayes最小均方误差估计法，计算各陪集的高频子带的无噪系数^V ;(6) 对无噪系数进行改进的Directionlet逆变换，得到去噪后的纹理部分；(7) 将去噪后的纹理部分与保持不变的卡通部分相加，得到去噪后的SAR图像。 本专利技术与现有技术相比具有如下优点1、 本专利技术采用了卡通纹理模型对SAR图像进行分解，因此能够在有效地去除 噪声的同时也很好地保持了图像细节等特征。大量的试验证实，在SAR图像去噪处 理中，若直接将SAR图像进行去噪的处理，很难兼顾均匀区域的平滑和细节信息的 保持，因此需要行之有效的预处理工作来尽可能的达到两者之间较好的平衡。在SAR图像去噪中使用卡通纹理模型的优点在于将卡通和纹理两部分分开 后，首先SAR图像的一些细节信息可以保留在卡通部分，而不会像其它一些去噪方 法被过于损失；其次对剩余纹理部分的噪声也可以有针对性的去除；在仿真实验中 也发现，本专利技术提出首先对SAR图像进行卡通纹理模型的分解，在此基础上进行去 噪处理得到的SAR图像细节保留更多，图像也更加清晰，同时也有效地提高了一些 衡量去噪效果的指标。2、 本专利技术改进的Direcctionlet变换方案对后续的模型拟合更有利。 未改进的Direcctionlet变换在进行陪集分解时添加的零值的数目太多，如果直接将第一次分解得到的陪集进行后续的小波变换以及模型拟合，则会导致图像曲线 在零点处峰值过尖，无法进行拟合。为了排除这种干扰，必须将零点去除，本专利技术 采用了二次陪集分解，即在得到的一次分解陪集的基础上再进行一次陪集分解，然 后找出二次陪集分解以后对应于原图像中的像素，并提取出来，避免了过多的零值 干扰，这样就可以较好地进行模型拟合。仿真实验结果表明本专利技术应用于几幅SAR图像的去噪，能够得到更高的衡量 去噪效果的指标和更好的视觉效果。 附图说明图1是本专利技术的主要操作过程示意图2是用本专利技术与已有方法对测试图像x波段等效视数是2的幅度SAR图像 256X256的去噪效果对比图；图3是用本专利技术与已有方法对测试图像ku波段等效视数是4的强度SAR图像 256X256的去噪效果对比图。 具体实施例方式参照图l，本专利技术的具体实现步骤如下步骤l:对SAR图像进行卡通纹理模型分解，选择最优的迭代次数，得到SAR 图像的卡通部分和纹理部分，该卡通纹理模型的数学表达式为/(x,力^w(x，力+ vO,力其中we5FC 2)，由分片光滑的区域及清晰的边缘构成，被视为SAR图像 的卡通部分，v就是剩余的纹理和噪声，称之为纹理部分。当veG， G是一个定义的Banach空间时，得到模型i^{f(w)= J]v"| + /L|v||"，/ = w + v} 其中EO)表示w的能量，通过在保证we5^;i 2)，其能量泛函最小化时达到对图像/的卡通纹理分解。经过多次试验证明， 一般最优的迭代次数为50~60次。 步骤2:保持SAR图像卡通部分不变，将纹理部分进行改进的Directionlet变换； 选定SAR图像纹理部分的变换方向和队列方向，其斜本文档来自技高网...
【技术保护点】
一种基于方向波域混合高斯模型的ＳＡＲ图像噪声抑制方法，包括如下步骤： （１）对ＳＡＲ图像进行卡通纹理模型分解，选择最优的迭代次数，得到ＳＡＲ图像的卡通部分和纹理部分； （２）保持ＳＡＲ图像卡通部分不变，将纹理部分进行如下改进的Ｄｉｒｅｃ ｔｉｏｎｌｅｔ变换； （２ａ）选定ＳＡＲ图像纹理部分的变换方向和队列方向，其斜率构成采样矩阵Ｍ↓［Λ］： ＊＊＊ 其中，沿向量ｄ↓［１］的方向称为纹理部分的变换方向，其斜率表示为ｒ↓［１］＝ｂ↓［１］／ａ↓［１］，沿向量ｄ↓［２］的方 向称为纹理部分的队列方向，其斜率表示为ｒ↓［２］＝ｂ↓［２］／ａ↓［２］； （２ｂ）对纹理部分进行Ｍ↓［Λ］采样，得到｜ｄｅｔ（Ｍ↓［Λ］）｜个陪集，再对得到的陪集分别进行同样的二次陪集分解，得到２｜ｄｅｔ（Ｍ↓［Λ］）｜个子陪集，将零点 去除； （２ｃ）对每个子陪集沿变换和队列方向分别进行两次和一次的一维正交小波变换，得到相应的高频和低频系数子带，在低频子带的变换和队列方向再分别进行两次和一次一维正交小波变换，获得１４个高频子带和１个低频子带系数为Ｗ↓［Ｙ］（ｉ，ｊ），（ ｉ，ｊ＊Ｚ表示每个系数的坐标）； （３）对变换后得到的各陪集的高频子带系数进行混合高斯模型的拟合，并采用ＥＭ算法估计混合模型中的参数； （４）估计各陪集的高频子带系数的噪声方差σ↓［Ｗ↓［Ｂ］］↑［２］； （５）利用Ｂａｙｅｓ最小均方 误差估计法，计算各陪集的高频子带的无噪系数＊↓［Ｙ］； （６）对无噪系数进行改进的Ｄｉｒｅｃｔｉｏｎｌｅｔ逆变换，得到去噪后的纹理部分； （７）将去噪后的纹理部分与保持不变的卡通部分相加，得到去噪后的ＳＡＲ图像。...
【技术特征摘要】
【专利技术属性】
技术研发人员：侯彪，焦李成，关辉，王爽，张向荣，马文萍，
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]
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。