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