一種基於剪切波係數處理的sar圖像降噪方法
2023-06-09 01:17:31
一種基於剪切波係數處理的sar圖像降噪方法
【專利摘要】本發明公開了一種基於剪切波係數處理的SAR圖像降噪方法。屬於數字圖像處理【技術領域】。它是利用圖像剪切波變換後係數具有的稀疏特性,首先建立基於圖像剪切波係數的稀疏表示模型,而後通過分段正交匹配追蹤StOMP算法實現統計均值意義上稀疏表示係數的無偏估計,並將稀疏表示後的剪切波係數重構為降噪後圖像;為彌補稀疏表示中丟失部分係數對圖像細節的損失,並利用這部分係數對應的剪切波函數具有提取圖像邊緣細節的能力,針對圖像在丟失係數對應的剪切波函數空間中投影重構的結果,結合基於能量泛函的總變分TV方法進一步迭代去噪,最終得到細節豐富的去噪圖像,既抑制了SAR圖像斑點噪聲又保持了圖像的細節紋理,可用於SAR圖像降噪。
【專利說明】一種基於剪切波係數處理的SAR圖像降噪方法
【技術領域】
[0001] 本發明屬於數字圖像處理【技術領域】,它特別涉及SAR圖像降噪方法,用於對SAR圖 像進行降噪處理。
【背景技術】
[0002] 合成孔徑雷達在成像中具有全天時,全天候的探測與偵察跟蹤能力,能有效的識 別偽裝和穿透掩蓋物,因此SAR圖像被廣泛應用於航空攝影測量與遙感、衛星海洋觀測、航 天偵察、圖像匹配製導、深空探測等方面。但由SAR相干成像機理給圖像帶來的斑點噪聲, 對目標識別及圖像壓縮等後期處理帶來不利影響。能否有效的濾除斑點噪聲已成為圖像後 續解譯的重要前提。
[0003] 由於SAR圖像擁有豐富的紋理和邊緣,因此在有效濾除斑點噪聲的同時充分保留 圖像的紋理和邊緣,是SAR圖像降噪處理的重點。近年來,由於稀疏表示在自然圖像降噪中 具有的良好性能,正逐漸成為圖像降噪的有效方法之一。但此類方法在稀疏表示的同時,難 以避免的存在圖像細節損失的問題。為提高圖像細節保持能力,已有方法大多局限於對稀 疏降噪後的圖像進行處理,但由於稀疏表示中損失的信息無法恢復,其改善程度有限,不能 明顯的修復降噪圖像損失的邊緣細節。
【發明內容】
[0004] 本發明為克服現有SAR圖像降噪方法存在圖像邊緣細節信息損失的不足,以獲得 細節清晰的降噪SAR圖像,提供了一種基於剪切波係數處理的SAR圖像降噪方法。該方法 充分考慮到剪切波係數的特性,首先建立剪切波係數稀疏表示降噪模型,然後使用 TV方法 對圖像進一步修復,不僅可以很好的抑制SAR圖像的斑點噪聲,而且解決了降斑圖像的細 節紋理保持問題,因此該方法可以有效的實現SAR圖像降噪。包括以下步驟:
[0005] 步驟一、圖像噪聲模型轉換
[0006] 使用非對數加性噪聲模型,將輸入SAR圖像中均值為1的乘性噪聲轉化為均值為 〇的加性噪聲。
[0007]步驟二、剪切波域稀疏降噪
[0005] 首先對噪聲圖像進行剪切波變換得到圖像的剪切波係數w。為實現係數的稀疏表 示,用測量矩陣φ對係數W進行變換,即y = Φπ。進一步假設y在測量矩陣Φ下的稀疏 逼近表示為z。得到如下最優化稀疏表示模型:
[0009]垂)=|j-式(1) _〇]當式⑴取最小值時對應的最優解Z即為原係數w的稀疏表示?|?,且稀疏表示設 的均值均為乾淨圖像剪切波係數均值的無偏估計。使用StOMP算法求解式(D,首先將y投 影到測量矩陣Φ的每個原子上,然後將大於閾值的投影值對應原子放入索引集L,通過索 引集中原子對y進行逼近後得到殘差Riy。為採用更多的原子進一步逼近 y,可對殘差Riy 採用相同的方式進一步分解。若第m次迭代的殘差為Rny,則Rm+1y可表示為:
[0011] Rmy = Φ ?+Rn+1y 式⑵
[0012] 其中ΦΜ表示第m次迭代時,從測量矩陣①中選出的原子,將這些所選原子併入 Id得到更新的1"。如果滿足終止條件I |Rmyl Ι2L則迭代結束,否則繼續迭代。 當迭代結束時可以通過式(3)得到最優解z
[0013]
【權利要求】
1. 一種基於剪切波係數處理的SAR圖像降噪方法,其特徵在於具體步驟如下: 步驟一、SAR圖像噪聲模型轉換 在完全發展的相干斑假設之下,SAR圖像中的相干斑均是採用乘性隨機噪聲來建模,為 適應在加性噪聲基礎上建立的降噪模型,將乘性噪聲轉化為加性噪聲; 步驟二、剪切波域稀疏降噪 首先對含噪SAR圖像進行剪切波變換,得到剪切波係數w ;將w的稀疏問題轉化為求 論番_丨柯|4最小值的優化問題,其中Φ為滿足一致不確定原理的隨機矩陣,y等 於Φ與w相乘,z為y在字典φ下的稀疏逼近表示;等式右端第一項對z進行保真,確保z 與w相差不會太大,第二項為正則化項保證z的稀疏性,正則化參數y在數據保真項和正 則項之間進行均衡;然後使用分段正交匹配追蹤算法求解最優化問題,它是以貪婪迭代的 方式從Φ中選擇與y最匹配的原子稀疏逼近y,這樣既能使z稀疏又保證了保真項的值較 小;g(z)取最小值時對應的z即為原係數w的稀疏表示》且參的均值為乾淨圖像剪切波 係數均值的無偏估計;將i及稀疏表示後丟棄的小係數進行剪切波反變換可得到降噪後圖 像Us及殘差圖像ud,並將稀疏表示中丟棄的小係數對應的剪切波空間記為Μ ; 步驟三、TV降噪與細節修復 由稀疏表示的原理可知,丟失部分的剪切波係數均為趨於零的係數,並且這部分 係數重構的圖像中包含了大量噪聲及圖像的邊緣細節信息;根據剪切波特性,當剪 切波尺度a趨近於〇時剪切波係數的衰減速度可用於區分圖像中的邊緣與噪聲,結 合基於能量泛函的變分模型採用TV可進一步實現在降噪的同時修復圖像紋理細節: = 辦,其中U。為原始的含噪圖像,||||為標準 Q U 歐式範數,Φ e C2(R)為一種正則化函數,λ為正則參數;等式右端第一項為正則項,保 證解U具有一定的正則性及特定區域中的非連續性,第二項是保真項,以保留原圖像特 性;Ps (u)表不圖像u在屬於Μ空間的到切波基底上投影重構的結果;當_;?_=;0時F(u) 取到極小值,對應的U即為降噪修復後的圖像,由F(u)可得義的離散形式為= uk+At[ η (Ps(uk))-λ (uk-u。)],其中 η ⑷= ν·((φ'(|ν"|)/||ν?||)ν^ us+ △ t [ η (ud)]作為迭代初始值,當前後兩次迭代間的平均絕對偏差MAD小於某一門限ε 時結束迭代,獲得最終的降噪圖像。
【文檔編號】G06T5/00GK104217406SQ201410490100
【公開日】2014年12月17日 申請日期:2014年9月23日 優先權日:2014年9月23日
【發明者】劉書君, 吳國慶, 張新徵, 徐禮培 申請人:重慶大學