一种ＳＡＲ图像自适应去噪和特征增强方法技术

本发明专利技术公开了一种ＳＡＲ图像自适应去噪和特征增强方法，主要为了克服现有方法抗噪性差以及对实验中参数不能自适应选取的不足。其步骤为：对原ＳＡＲ图像先进行对数运算再进行ＭＥ－ｃｕｒｖｅｌｅｔ变换；然后，采用改进的ＰＳＯ算法参照提出的评价准则对改进的增益函数中的参数进行自适应选择和优化；最后，采用改进的增益函数对ＭＥ－ｃｕｒｖｅｌｅｔ系数进行非线性变换，并进行ＭＥ－ｃｕｒｖｅｌｅｔ逆变换和指数变换，得到最终的去噪和特征增强后的ＳＡＲ图像。采用本发明专利技术方法能够在增强特征的同时去除噪声，并降低处理的复杂度，取得较好的ＳＡＲ图像去噪和特征增强效果。

【技术实现步骤摘要】

本专利技术涉及一种SAR图像自适应去噪和特征增强方法。
技术介绍
合成孔径雷达(Synthetic Aperture Radar, SAR)成像系统的相干性使得斑点噪 声成为SAR图像固有的缺陷，抑制SAR图像的相干斑噪声并增强感兴趣目标，有非常重要的 意义。现有的SAR图像增强方法主要有直方图均衡化、反锐化掩模等空域法，以及通过傅里 叶变换增强感兴趣频率成分的频域法。这些方法增强图像对比度的同时也会放大噪声，使 得SAR图像细节信息被噪声淹没。小波变换增强算法是近年来广泛流行的图像增强方法， 但最新研究表明，由于小波基各向同性的特点，它只能反映奇异“点”的位置和特性，而难以 表达更高维(如线)的特征° 文献"Gray and color imagecontrast enhancement by the curvelet transform, IEEE Trans, on Image Process. , 2003,12 (6) :706_717.，，公开了一 种基于curvelet变换的灰度和彩色图像增强方法。该方法利用curvelet变换的各向异性 特征有利于图像边缘的高效表示的特点，首先对输入自然图像进行curvelet变换，并对得 到的curvelet系数根据增益函数进行增强，最后，对增强的系数进行curvelet逆变换重构 出增强的图像。虽然该方法对含噪的自然图像得到了较好的增强效果，但是由于采用了增 益函数，其中有多个参数需要进行人工筛选而不能自适应选取，因此增加了实验的复杂度。综上所述，现有的图像增强方法易受噪声影响，且实验中参数不能自适应选取。
技术实现思路
要解决的技术问题为了克服现有方法抗噪性差以及对实验中参数不能自适应选取的不足，本专利技术提 出了一种SAR图像自适应去噪和特征增强方法，采用镜像curvelet (Mirror-Extendedcurv elet，ME-curvelet)变换结合改进的粒子群优化(Particle Swarm Optimization, PS0)算 法进行自适应去噪和特征增强。技术方案本专利技术的基本思想在于首先，采用改进的增益函数对ME-curvelet变换的系数 进行非线性拉伸，由于改进的增益函数将噪声抑制和特征增强融为一体，因此抗噪性好；然 后，利用改进的PSO算法进行全局搜索得到最优的去噪和特征增强图像，其中，利用提出的 评价准则对去噪和特征增强后的图像进行评价，并作为PSO算法的适应度函数，以自适应 地得到增益函数中的最优参数，因此无需对参数进行人工选择，降低了实验的复杂度。一种SAR图像自适应去噪和特征增强方法，其特征在于步骤如下步骤1 对输入的SAR图像灰度值矩阵进行对数运算，得到SAR图像灰度值矩阵的 对数矩阵；步骤2 对SAR图像灰度值矩阵的对数矩阵进行ΜΕ-curvelet正变换，得到不同分 解尺度下不同方向的ME-curvelet系数矩阵；4步骤3 利用改进的PSO算法对改进的增益函数中的各个待优化参数进行优化，得 到改进的增益函数中的各个待优化参数的最优值，并利用各个待优化参数取最优值的改进 的增益函数对步骤2得到的ME-curvelet系数矩阵分别进行非线性变换，得到非线性变换 后的不同分解尺度下不同方向的ME-curvelet系数矩阵；步骤4 对步骤3得到的ME-curvelet系数矩阵进行ME-curvelet逆变换，得到 ME-curvelet逆变换结果矩阵；步骤5 对步骤4得到的ME-curvelet逆变换结果矩阵进行指数运算，得到最终去 噪和特征增强后的SAR图像灰度值矩阵；所述的改进的增益函数为 其中，χ为输入，y为输出；P和S为待优化的参数，分别满足P e (0,1], s e (0， 1] ;ι\、τ2、τ3的计算公式分别为: T1 =^σσχ j = 1 /2σσχ j > 1To SoT1 T3 = S4T2其中，j为分解尺度，σ为按σ = median (| Shh |)/0. 6745计算得到的SAR图像灰 度值矩阵的对数矩阵的噪声标准差，median ( ·)表示取中值，| · |表示取模，Sra是对SAR 图像灰度值矩阵的对数矩阵进行一尺度小波分解得到的对角方向高频子带小波系数矩阵； σχ为输入X的二范数；Sl、s2、s3、S4为待优化的参数，分别满足S1 e , S2 e , S3 e , s4 e (1,4]；所述的利用改进的PSO算法对改进的增益函数中的各个待优化参数进行优化的 具体步骤为步骤(1)设定搜索空间维数为待优化参数的个数，设定粒子种群大小，并取任 意位置和速度为粒子的位置和速度，产生一个初始粒子种群；所述的粒子种群大小取值为 ；η(Ι)Ι(ΜχΝ) 步骤⑵按份《/(/)=-_计算粒子的适应度值；所述的粒子的适应度值包InH(I)括粒子当前位置的适应度值、个体极值的适应度值和全局极值的适应度值；其中，I表示此次迭代去噪和特征增强后的SAR图像灰度值矩阵，M为I的行数，N 为ι的列数；H⑴为ι的熵；n⑴为ι中的边缘数目； π(·)表示取自然对数；所述的此次迭代去噪和特征增强后的SAR图像灰度值矩阵I包括对应于粒子当 前位置、个体极值和全局极值的此次迭代去噪和特征增强后的SAR图像灰度值矩阵，计算5过程为令改进的增益函数中各个待优化的参数取值为此次迭代时粒子的当前位置/个 体极值/全局极值，并利用改进的增益函数对步骤2得到的不同分解尺度下不同方向的 ME-curvelet系数矩阵进行非线性变换，再对非线性变换后的ME-curvelet系数矩阵进行 ME-curvelet逆变换并取指数，得到对应于粒子的当前位置/个体极值/全局极值的此次迭 代去噪和特征增强后的SAR图像灰度值矩阵I ；步骤(3)如果粒子当前位置的适应度值大于其个体极值的适应度值，则用粒子 当前的位置替换其个体极值；步骤(4)如果粒子当前位置的适应度值大于全局极值的适应度值，则用粒子当 前的位置替换全局极值；步骤(5)对全局极值的每个分量按p' gk = PgkX (1+Nk(0，l))进行随机扰动，如 果扰动后的全局极值的适应度值大于原全局极值的适应度值，则用扰动后的全局极值替换 原全局极值；否则，保持原全局极值不变；其中，Pgk表示原全局极值Pg的第k个分量，ρ' &表示扰动后的全局极值P' g的 第k个分量，Nk(0，1)表示对pgk进行随机扰动时产生的一个满足均值为0且方差为1的高 斯分布的随机数；k= 1，2，…，D，D为搜索空间维数；步骤(6)按Rt = t/MaxGen计算值Rt，并产生一个之间均勻分布的随机数 r，如果r > Rt,则在种群中随机选择一个除粒子自身和最佳粒子之外的一个粒子，并用随机 选择的这个粒子的个体极值替换全局极值，否则，保持全局极值不变；其中，t为当前迭代次数；MaxGen为最大迭代次数，取值范围为；步骤(7)按粒子速度更新公式V/+1 = W1 * V; + θχ * r/ * {P-Χ:) + θ2* r； * (P； - Χ)对粒子的速度进行更新；其中，V表示粒子的速度，X表示粒子的位置，Pi为第i个粒子的个体极值，Pg为全 局极值;w是惯性权重，取值范本文档来自技高网...

【技术保护点】
一种ＳＡＲ图像自适应去噪和特征增强方法，其特征在于步骤如下：步骤１：对输入的ＳＡＲ图像灰度值矩阵进行对数运算，得到ＳＡＲ图像灰度值矩阵的对数矩阵；步骤２：对ＳＡＲ图像灰度值矩阵的对数矩阵进行ＭＥ－ｃｕｒｖｅｌｅｔ正变换，得到不同分解尺度下不同方向的ＭＥ－ｃｕｒｖｅｌｅｔ系数矩阵；步骤３：利用改进的ＰＳＯ算法对改进的增益函数中的各个待优化参数进行优化，得到改进的增益函数中的各个待优化参数的最优值，并利用各个待优化参数取最优值的改进的增益函数对步骤２得到的ＭＥ－ｃｕｒｖｅｌｅｔ系得到的不同分解尺度下不同方向的ＭＥ－ｃｕｒｖｅｌｅｔ系数矩阵进行非线性变换，再对非线性变换后的ＭＥ－ｃｕｒｖｅｌｅｔ系数矩阵进行ＭＥ－ｃｕｒｖｅｌｅｔ逆变换并取指数，得到对应于粒子的当前位置／个体极值／全局极值的此次迭代去噪和特征增强后的ＳＡＲ图像灰度值矩阵Ｉ；步骤（３）：如果粒子当前位置的适应度值大于其个体极值的适应度值，则用粒子当前的位置替换其个体极值；步骤（４）：如果粒子当前位置的适应度值大于全局极值的适应度值，则用粒子当前的位置替换全局极值；步骤（５）：对全局极值的每个分量按ｐ′↓［ｇｋ］＝ｐ↓［ｇｋ］×（１＋Ｎ↓［ｋ］（０，１））进行随机扰动，如果扰动后的全局极值的适应度值大于原全局极值的适应度值，则用扰动后的全局极值替换原全局极值；否则，保持原全局极值不变；其中，ｐ↓［ｇｋ］表示原全局极值Ｐ↓［ｇ］的第ｋ个分量，ｐ′↓［ｇｋ］表示扰动后的全局极值Ｐ′↓［ｇ］的第ｋ个分量，Ｎ↓［ｋ］（０，１）表示对ｐ↓［ｇｋ］进行随机扰动时产生的一个满足均值为０且方差为１的高斯分布的随机数；ｋ＝１，２，…，Ｄ，Ｄ为搜索空间维数；步骤（６）：按Ｒ↓［ｔ］＝ｔ／ＭａｘＧｅｎ计算值Ｒ↓［ｔ］，并产生一个［０，１］之间均匀分布的随机数ｒ，如果ｒ＞Ｒ↓［ｔ］，则在种群中随机选择一个除粒子自身和最佳粒子之外的一个粒子，并用随机选择的这个粒子的个体极值替换全局极值，否则，保持全局极值不变；其中，ｔ为当前迭代次数；ＭａｘＧｅｎ为最大迭代次数，取值范围为［１０，１００］；步骤（７）：按粒子速度更新公式Ｖ↓［ｉ］↑［ｔ＋１］＝ｗ↑［ｔ］＊Ｖ↓［ｉ］↑［ｔ］＋θ↓［１］＊ｒ↓［１］↑［ｔ］＊（Ｐ↓［ｉ］↑［ｔ］－Ｘ↓［ｉ］↑［ｔ］）＋θ↓［２］＊ｒ↓［２］↑［ｔ］＊（Ｐ↓［ｇ］↑［ｔ］－Ｘ↓［ｉ］↑［ｔ］）对粒子的速度进行更新；其中，Ｖ表示粒子的速度，Ｘ表示粒子的位置...

【技术特征摘要】

【专利技术属性】
技术研发人员：李映，龚红丽，张艳宁，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：87[中国|西安]