本发明专利技术公开了一种基于Beta算法的多尺度SAR图像降噪方法，主要解决传统字典学习方法不适用SAR图像降噪的问题。其降噪过程为:对待降噪SAR图像进行像素分类，得到边缘图像A、纹理图像B和同质图像C；对这些图像分别进行重叠块提取和中心化操作，得到它们各自的训练样本集；初始化字典为DCT字典；用字典进行稀疏编码得稀疏系数矩阵；用稀疏系数矩阵更新字典的第k列；重复稀疏编码步骤和字典更新步骤共K次，得最终字典和最终稀疏系数矩阵，并将其相乘得降噪后的边缘图像A’、纹理图像B’和同质图像C’，进而得降噪后的SAR图像为：I’=A’+B’+C’。本发明专利技术具有在有效去除SAR图像中噪声的同时能保留图像的纹理和边缘信息的优点，可用于SAR图像目标识别。
【技术实现步骤摘要】
本专利技术属于图像处理领域，特别是一种涉及SAR图像降噪的方法，可应用于目标识别。
技术介绍
合成孔径雷达SAR是一种高分辨率雷达体制，可应用于军事，农业，导航，地理监视等诸多领域。它与其它遥感成像系统，光学成像系统相比有很多差异。在军事目标识别方面，SAR图像被广泛的应用在目标检测领域，而SAR图像降噪则是从图像处理到图像分析的重要步骤，是目标分类和识别的基础。本质上SAR图像反映的是目标的电磁散射特性和结构特性，但由于SAR发射的是相干电磁波，当它向地面发射电磁波时，其后向散射回来的总回波并不完全由地物目标的散射系数决定，而是随着这些散射系数有很大的随机起伏，这种起伏的存在使SAR图像中出现许多斑点，这些斑点与较小的地物目标掺杂在一起严重影响图像的质量，这些斑点称为相干斑噪声。SAR成像的特殊性使得针对该类图像的降噪方法有别于普通光学图像非光学成像方式导致SAR图像灰度级变化缓慢，因此光学图像常用的基于高斯白噪声假设的降噪方法对此类图像收效甚微。针对SAR图像的以上特点，经典降噪方法有基于多视处理技术的降噪方法。它在SAR图像成像阶段对同一个场景获得L个独立的测量，并将这些测量进行平均，该技术虽然简单，但却是以牺牲图像分辨率为代价。因此，出现了各种对成像后的SAR图像进行滤波的降噪算法。基于空域的降噪方法。主要包括Lee滤波、Frost滤波和Gamma-MAP滤波等,它们都假设真实场景是平稳的并使用乘性的相干斑模型，Lee滤波直接应用线性最小均方误差MMSE准则，得到一个一般的降噪表达式，通过计算这个表达式得到降噪结果；FroSt滤波也使用了丽SE准则，但其发现场景的自相关函数与像素之间的空间距离呈负指数关系，基于此构建了一个自相关函数，将图像与该自相关函数进行卷积获得最终滤波结果。由于这两种滤波器并未涉及相干斑或场景的具体统计特性，因此Lopes A.等人假设真实场景的统计特性符合Gamma分布，相干斑的统计特性符合高斯分布，结合最大后验概率MAP准则求得抑斑结果，这就是 Gamma-MAP 滤波器，参见 Lopes A, Nezry E, Touzi R, Laur H. Maximum aposteriori speckle filtering and first order texture models in SAR images[C].Geoscience and Remote Sensing Symposium, 1990 IGARSS ' 90 ' Remote SensingScience for the Nineties' , IOth Annual International. 1990. 2409-12.。上述的三种滤波方法虽然抑斑效果较好，但是它们都难以保持图像的细节特征，使图像边缘和线性目标模糊。原因在于它们都假设真实的SAR图像场景是平稳的，而这个假设在边缘和细节区域不成立。因此为了更好地满足“平稳”这个假设，科学家们做了以下改进一种是将SAR图像的真实场景分为均匀和非均匀的，分别采用不同抑斑方法。例如Lopes A.等人提出的增强系列滤波器。另一种是通过统计对图像像素进行分类。例如Lee J.S.的增强Lee滤波器，它通过对图像的像素值进行统计并划定一个概率区间，将区间之外的像素作为噪声，经过滤波处理得到干净的图像，参见Lee JS, Wen JH, Ainsworth TL, Chen KS, ChenAJ.1mproved sigma filter for speckle filtering of SAR imagery[J].Geoscience andRemote Sensing, IEEE Transactions on.2009，Vol.47 (I).202-13.。基于变换域的降噪方法。主要有小波变换、Bandelet变换、Curvelet变换和非下采样Contourlet变换等。这些变换域滤波方法相比于经典的空域滤波方法来说，图像的线性目标能得到较好的保持，但是由于噪声和图像边缘都是高频信号，因此抑斑后的图像在均匀区域和边缘附近常会出现伪吉布斯效应。随着“稀疏表示”热潮的席卷，变换域方法可以看成是将图像投影在一种或者几种基上，实现在用较少的系数表示图像的同时达到降噪的目的。但是由于这些基都有特定的方向，而一幅真实图像存在各种方向，因此变换域的稀疏表示方法不能很好地保持图像中的边缘信息。
技术实现思路
本专利技术的目的在于针对上述已有技术的不足，提出一种基于Beta算法的SAR图像多尺度降噪方法，在有效去除图像中的斑点噪声的同时保留图像的纹理和边缘信息，且在图像的均匀区域和边缘附近避免出现伪吉布斯效应。实现本专利技术目的的技术方案是:使用像素分类将一幅SAR图像分为三幅图像，分另IJ为边缘图像，纹理图像和同质图像。对这三幅图像分别使用Beta算法得到它们各自的稀疏表示系数和字典，将它们各自的稀疏表示系数和字典相乘得三幅降噪后图像，将这三幅降噪后图像相加即为原SAR图像的降噪结果图。其具体实现步骤如下:(I)对待降噪SAR图像I进行像素分类，得到边缘图像A、纹理图像B和同质图像C ；(2)对边缘图像A进行重叠块提取`和中心化操作，得到训练样本集# = 0,丨二，其中λ是长度为I^b1Xb1的列向量，Id1为重叠块提取窗的边长，M=(N-b1+l)2, N为边缘图像A的行数；(3)将字典D初始化为离散正弦变换DCT字典，字典D大小为ηXK，K=RXn, R为冗余度；(4)用字典D对训练样本集f进行稀疏编码得到大小为KXM的稀疏表示系数矩阵 %(5)用稀疏表示系数矩阵 更新字典D的第k列dt ；(6)重复步骤⑷和步骤(5)共K次，得到最终字A D和最终稀疏表示系数矩阵 将最终字典D和最终稀疏表示系数矩阵P相乘，得降噪后边缘图像A'；(7)对纹理图像B使用大小为b2Xb2的重叠块提取窗，I^b1，重复步骤⑵至步骤(6)得到降噪后纹理图像B'；(8)对同质图像C使用大小为b3Xb3的重叠块提取窗，I^b2Sb1，重复步骤⑵至步骤(6)得到降噪后同质图像C'；(9)将降噪后边缘图像A'、降噪后纹理图像B'和降噪后同质图像C'相加，得到降噪后的SAR图像Γ。本专利技术与现有的技术相比具有以下优点:1、本专利技术由于使用像素分类和多尺度方法，能够很好保留SAR图像边缘和纹理区域的细节信息，保证了图像信息的完整性；2、本专利技术使用Beta字典学习方法，很好地去除SAR图像中的噪声；3、本专利技术是在空域上对SAR图像进行处理，避免了在图像的均匀区域和边缘附近出现伪吉布斯效应；仿真结果表明，本专利技术方法较增强Lee滤波和Gamma-MAP滤波能更有效的进行SAR图像降噪。附图说明图1是本专利技术的流程图；图2是本专利技术在一幅4视强度SAR图像上的仿真结果图；图3是本专利技术在一幅6视强度SAR图像上的仿真结果图；图4是本专利技术在一幅2视幅度SAR图像上的仿真结果图。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:步骤一、对待降噪SAR图像I进行像素分类，得到边缘图像A、纹理图像B和同质图像C。(Ia)输入待降噪SAR图像I，根据公式I)计算该待降噪SAR图像I的局部方差图variance,并绘制局本文档来自技高网...
【技术保护点】
一种基于Beta算法的多尺度SAR图像降噪方法，包括如下步骤：1)对待降噪SAR图像I进行像素分类，得到边缘图像A、纹理图像B和同质图像C；2)对边缘图像A进行重叠块提取和中心化操作，得到训练样本集其中是长度为n=b1×b1的列向量，b1为重叠块提取窗的边长，M=(N?b1+1)2，N为边缘图像A的行数；3)将字典D初始化为离散正弦变换DCT字典，字典D大小为n×K，K=R×n，R为冗余度；4)用字典D对训练样本集进行稀疏编码，得到大小为K×M的稀疏表示系数矩阵5)用稀疏表示系数矩阵更新字典D的第k列dk；6)重复步骤4)和步骤5)共K次，得到最终字典和最终稀疏表示系数矩阵将最终字典和最终稀疏表示系数矩阵相乘，得降噪后边缘图像A′；7)对纹理图像B使用大小为b2×b2的重叠块提取窗，b2>b1，重复步骤2)至步骤6)得到降噪后纹理图像B′；8)对同质图像C使用大小为b3×b3的重叠块提取窗，b3>b2>b1，重复步骤2)至步骤6)得到降噪后同质图像C′；9)将降噪后边缘图像A′、降噪后纹理图像B′和降噪后同质图像C′相加，得到降噪后的SAR图像I′。FDA00002779625500011.jpg,FDA00002779625500012.jpg,FDA00002779625500013.jpg,FDA00002779625500014.jpg,FDA00002779625500015.jpg,FDA00002779625500016.jpg,FDA00002779625500017.jpg,FDA00002779625500018.jpg,FDA00002779625500019.jpg...
【技术特征摘要】
1.一种基于Beta算法的多尺度SAR图像降噪方法，包括如下步骤: 1)对待降噪SAR图像I进行像素分类，得到边缘图像A、纹理图像B和同质图像C； 2)对边缘图像A进行重叠块提取和中心化操作，得到训练样本集#=丨兑丨二，其中免是长度为Ii=ID1Xb1的列向量,Id1为重叠块提取窗的边长,M= (N-1d^I)2A为边缘图像A的行数； 3)将字典D初始化为离散正弦变换DCT字典，字典D大小为ηXK，K=RXn,R为冗余度； 4)用字典D对训练样本集y进行稀疏编码，得到大小为KXM的稀疏表示系数矩阵J.5)用稀疏表示系数矩阵 更新字典D的第k列dk； 6)重复步骤4)和步骤5)共K次，得到最终字典力和最终稀疏表示系数矩阵将最终字典6和最终稀疏表示系数矩阵&相乘，得降噪后边缘图像A'； 7)对纹理图像B使用大小为b2Xb2的重叠块提取窗，b2>bi，重复步骤2)至步骤6)得到降噪后纹理图像B'； 8)对同质图像C使用大小为b3Xb3的重叠块提取窗，I3Pb2A1，重复步骤2)至步骤6)得到降噪后同质图像C'； 9)将降噪后边缘图像A'、降噪后纹理图像B'和降噪后同质图像C'相加...
【专利技术属性】
技术研发人员：侯彪，马晶晶，陈芊芊，焦李成，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：
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。