本发明专利技术公开了一种基于变换域非局部和最小均方误差的SAR图像去噪方法，主要解决现有技术对SAR图像去噪时产生边缘过平滑和点目标难以保持的问题。其实现步骤是：输入一幅SAR图像Y，并对其进行一层非下采样拉普拉斯分解，得到一幅低频图像YL和一幅高频图像YH；对YL利用PPB滤波器进行滤波，得到滤波后的图像对YH进行剪切波方向滤波器分解，得到各个方向的高频子带图像对利用高斯混合模型建模和MMSE估计进行去噪，得到去噪后的高频子带图对和进行逆剪切波变换，得到空域图像YZ；对YZ进行分类处理，得到最终去噪结果。本发明专利技术既能去除同质区域的噪声，也能很好地保持图像的边缘清晰，可用于对图像的预处理。
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及合成孔径雷达SAR图像的去噪，具体地说是一种基于变换域非局部和最小均方误差MMSE估计的SAR图像去噪方法，可用于图像的预处理阶段。
技术介绍
合成孔径雷达具有全天时、全天候成像、高空分辨率和强穿透能力等特点，因而SAR图像在军事和民用方面均获得了广泛的应用。然而，由于系统的有限分辨率和相干性，SAR成像过程中总是不可避免地要产生一种斑点噪声。斑点噪声的存在严重影响了 SAR图像的质量。SAR图像去噪需要对同质区域有效地抑制噪声，同时，还需要尽可能地保持边缘和点目标等重要信息不丢失，它是SAR图像处理和分析的关键步骤，也是保证后续图像处理如分割、目标识别等或图像解译等工作顺利完成的基础。目前的SAR图像去噪算法主要在空间域和频率域进行，传统的基于空域的滤波算法有Lee滤波、Kuan滤波、Frost滤波和Gamma-MAP滤波等,这些基于空域的滤波方法，虽然都有相对较好的降斑结果，但难以保持图像中的边缘和细节信息。其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SAR图像的边缘和细节区域是不成立的。非局部NL均值滤波方法在自然图像去噪中取得了很好的结果，近些年在图像降噪等领域取得了广泛的应用。由于其简单的思想和良好的性能，在近几年也被推广到SAR图像降斑中。2009 年 Zhong H.等在文献“Bayesian Nonlocal means filterfor SAR imagedespeckling. 2nd AsianPacific Conference on Synthetic ApertureRadar(APSAR), 20091096-1099”中提出了一种基于Bayesian框架下的非局部均值对SAR图像降斑的算法,取得了不错的效果，同年C. A. Deledalle等在文献“IterativeWeighted Maximum LikelihoodDenoising with Probabilistic Patch-Based Weights.1EEETransactions on Image Processing, 2009, Vol. 18, No. 12，Pages: 2661-2672”中提出了一种基于图像块的迭代非局部滤波器(Probabilistic Patch-Based PPB),它是非局部均值NL滤波器的一种扩展,该方法获得了非常好的降斑效果，被认为是目前性能最好的SAR图像降斑方法之一，但该方法仍会一定程度的模糊图像边缘。基于变换域的去噪方法一般在小波域和后小波域进行，由于小波变换具有良好的多分辨分析和局部时频表示能力，对图像可以实现较好的稀疏表示，因而被广泛用于SAR图像去噪领域中。1997 年 Chipman H. A.等在文献“Adaptive bayesian wave let shrinkage.Journal of the American Statistical Association, 1997，92 (440) : 1413-1421 ” 中根据高斯混合模型，提出了基于贝叶斯估计和高斯混合模型的小波域图像去噪算法，该方法在对自然图像去噪方法取得了较好的结果，但无法适用去SAR图像去噪中；2004年Dai等在文献“Bayesian Wavelet Shrinkage With Edge Detection for SAR Image Despeckling.1EEE Transactions on Geoscience and Remote Sensing, 2004，42 (8) : 1642-1648”中利用加性信号相关的噪声模型，成功将高斯混合模型引入到SAR图像去噪中，并使用边缘检测算子将SAR图像进行分类，利用分类信息指导UWT域小波系数进行去噪，该方法在边缘和点目标保持方面取得了不错的效果，但对于同质区域的噪声，则无法很好的去除。
技术实现思路
本专利技术的目的在于针对SAR图像去噪中点目标难以保持和边缘容易模糊的问题，提出了一种基于变换域非局部和最小均方误差估计的SAR图像去噪方法，以在有效抑制同质区域噪声的同时，保持图像边缘和点目标清晰，提高去噪效果。本专利技术的技术方案是:对含噪SAR图像进行非下采样剪切波分解，对分解得到的低频图像和高频图像分别进行PPB非局部均值滤波器去噪和MMSE估计，然后逆变换至空域得到初步去噪结果，对初步去噪结果进行分类处理，得到最终去噪结果。其实现步骤包括如下:(I)输入一幅SAR图像Y，对SAR图像进行一层非下采样拉普拉斯分解，得到一幅低频图像Yl和一幅闻频图像Yh ；(2)对分解得到的低频图像Yl，利用PPB滤波器进行滤波处理，得到滤波后的图像I’(3)对分解得到的高频图像Yh进行非下采样剪切波方向滤波器分解，得到各个方向的高频子带图Pi I k = 1,2,...,K), K为分解方向数，取值为Γ18 ；(4)对各个方向的高频子带图把μ = I, V.,A:}，利用高斯混合模型进行建模,并利用MMSE估计进行去噪，得到去噪后的高频子带图#:(5)对低频图像&和高频图像^进行逆剪切波变换,得到空域图像Yz;(6)对空域图像Yz进行LCV分类处理，得到最终去噪结果Ζ。本专利技术与现有技术相比具有如下优点:1.本专利技术利用非下采样剪切波变换，可以有效的避免因变换工具缺乏平移不变性导致的去噪图像中产生的抖动失真。2.本专利技术对图像低频和高频分别利用PPB滤波器和MMSE估计去噪，有效的抑制了图像在同质区域的噪声，并很好的保持了图像边缘和点目标的清晰。仿真实验结果表明，本专利技术的各项客观评价指标均优于当前最好的PPB方法，在主观视觉效果方面，不但在同质区域能够很好的抑制噪声，也能保持图像边缘清晰，整体上去噪性能优越。附图说明图1是本专利技术的流程框图；图2是本专利技术仿真实验 使用的真实SAR图像Field ;图3是对图2标记的三个区域图像；图4是用本专利技术方法与现有方法的去噪结果比较图。具体实施例方式参照图1，对本专利技术的实现步骤如下:步骤I，输入一幅SAR图像Y，对SAR图像进行一层非下采样拉普拉斯分解，得到一幅低频图像Yl和一幅闻频图像YH。这里采用非下采样拉普拉斯塔型分解，是为了保持图像的冗余性质，并使分解后的图像仍具有移不变性。步骤2，对分解得到的低频图像Yl，利用PPB滤波器进行滤波处理，得到PPB的估计图像1.,具体步骤如下:2a)对低频图像\的上下边界先进行M+m的行镜像扩展，再对行扩展后的图像左右边界进行M+m的列镜像扩展，得到边界扩展后的图像$，其中，M为搜索窗半径，m为搜索窗中所取的相似图像块的半径，M的取值范围为7 21，本实例中M取值为10，m的取值范围为Γ7，本实例中m取值为3 ；2b)在边界扩展后的图像 ε中，取像素坐标范围对应在低频图像坐标范围内的任意像素点s，以该像素点为中心取一个大小为(2Μ+1) X (2Μ+1)像素的搜索窗Qs和一个大小为(2m+l) X (2m+l)像素的图像块Bs，在搜索窗Qs中取任意一个不同于s的像素点t为中心、大小为(2m+l) X (2m+1)像素的图像块Bt,计算图像块Bs和图像块Bt之间的相似性权值 w (s本文档来自技高网...
【技术保护点】
一种基于变换域非局部和最小均方误差的SAR图像去噪方法，包括如下步骤：（1）输入一幅SAR图像Y，对SAR图像进行一层非下采样拉普拉斯分解，得到一幅低频图像YL和一幅高频图像YH；（2）对分解得到的低频图像YL，利用PPB滤波器进行滤波处理，得到滤波后的图像（3）对分解得到的高频图像YH进行非下采样剪切波方向滤波器分解，得到各个方向的高频子带图K为分解方向数，取值为4~18；（4）对各个方向的高频子带图利用高斯混合模型进行建模，并利用MMSE估计进行去噪，得到去噪后的高频子带图（5）对低频图像和高频图像进行逆剪切波变换，得到空域图像YZ；（6）对空域图像YZ进行LCV分类处理，得到最终去噪结果Z。FDA00002779628200011.jpg,FDA00002779628200012.jpg,FDA00002779628200013.jpg,FDA00002779628200014.jpg,FDA00002779628200015.jpg,FDA00002779628200016.jpg
【技术特征摘要】
1.一种基于变换域非局部和最小均方误差的SAR图像去噪方法，包括如下步骤: (1)输入一幅SAR图像Y，对SAR图像进行一层非下采样拉普拉斯分解，得到一幅低频图像Yl和一幅闻频图像Yh ； (2)对分解得到的低频图像利用PPB滤波器进行滤波处理，得到滤波后的图像1 : (3)对分解得到的高频图像Yh进行非下采样剪切波方向滤波器分解，得到各个方向的高频子带图PS I k = 1,2,...,K} K为分解方向数，取值为Γ18 ； (4)对各个方向的高频子带图丨Uμ =1，2，...，[}，利用高斯混合模型进行建模,并利用MMSE估计进行去噪，得到去噪后的高频子带图； (5)对低频图像I和高频图像进行逆剪切波变换，得到空域图像Yz； (6)对空域图像Yz进行LCV分类处理，得到最终去噪结果Z。2.根据权利要求1所述的基于变换域非局部和最小均方误差的SAR图像去噪方法，其中步骤2所述的对分解得到的低频图像利用PPB滤波器进行滤波处理，按如下步骤进行: 2a)对低频图像\上下边界先进行M+m的行镜像扩展，再对行扩展后的图像左右边界进行M+m的列镜像扩展，得到边界扩展后的图像 ρ其中，M为搜索窗半径，m为搜索窗中所取的相似图像块的半径，M的取值范围为7 21，m的取值范围为Γ7 ； 2b)在边界扩展后的图像 ι.中，取`像素坐标范围对应在低频图像坐标...
【专利技术属性】
技术研发人员：王桂婷，焦李成，郭一民，马文萍，马晶晶，钟桦，
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。