基于变换域非局部和最小均方误差的SAR图像去噪方法技术

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...

【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：