基于字典學習和ppb算法的sar圖像去斑方法
【專利摘要】本發(fā)明公開了一種基于字典學習和PPB算法的SAR圖像去斑方法，克服了現有技術中學習字典方法忽略圖像自相似性，對合成孔徑雷達SAR圖像進行對數變換造成均值漂移，去斑的合成孔徑雷達SAR圖像中部分紋理信息丟失的問題。本發(fā)明實現步驟為：(1)輸入圖像；(2)增強點目標；(3)去斑預處理；(4)更新稀疏編碼系數和字典；(5)優(yōu)化字典學習的目標函數；(6)輸出圖像。本發(fā)明具有對合成孔徑雷達SAR圖像去斑效果好，邊緣、紋理保持清晰，消除邊緣劃痕和塊效應，有效的抑制勻質區(qū)域噪聲，對強弱目標點能很好的保持的優(yōu)點，可應用于對合成孔徑雷達SAR圖像去斑處理。
【專利說明】基于字典學習和PPB算法的SAR圖像去斑方法
【技術領域】
[0001 ] 本發(fā)明屬于圖像處理【技術領域】，更進一步涉及合成孔徑雷達(SyntheticAperture Radar, SAR)圖像去斑【技術領域】的一種基于字典學習和概率性分塊濾波(Probabilistic Patch - Based,PPB)算法的SAR圖像去斑方法,本發(fā)明可用于對SAR圖像進行去斑處理。
【背景技術】
[0002]合成孔徑雷達(Synthetic Aperture Radar, SAR)具有全天時、全天候的成像特點，不受天氣條件和光照強度的影響。隨著SAR圖像處理技術逐漸成熟，被廣泛應用于軍事和民用的等領域。由于SAR圖像的成像機理，不可避免的會產生相干斑噪聲，極大地影響了SAR圖像的解譯與應用。SAR圖像去斑方法成為SAR成像處理與圖像分析的重要部分。
[0003]目前，常見的SAR圖像空域去斑方法有非局部均值濾波、字典學習方法、PPB算法等。非局部均值濾波算法是在加性噪聲的上推導出來的，在對SAR圖像進行處理前需對數化處理，使乘性相干斑噪聲轉化為加性噪聲，但處理效果仍不理想，邊緣和細節(jié)部分易出現模糊。字典學習方法是最近提出的一種新的圖像去噪方法，該方法通過在冗余字典上的稀疏近似來實現圖像去噪，字典學習中的誤差控制易造成圖像的部分紋理信息丟失，增加了后期變化檢測的誤檢率。PPB算法在最大似然估計的框架下得到加權平均值，通過迭代方法逐步修改先驗信息，得到最終的去斑結果，但是PPB算法對SAR圖像去斑時，會出現邊緣模糊和紋理細節(jié)丟失的現象。
[0004]西安電子科技大學擁有的專利技術“基于SAR圖像局部統(tǒng)計特性的K-SVD相干斑抑制方法”(專利申請?zhí)?201110318457.3，授權
【發(fā)明者】白靜, 焦李成, 范婷, 高藝菡, 王爽, 李陽陽, 馬文萍, 馬晶晶 申請人:西安電子科技大學