基于核回歸的sar圖像相干斑抑制的制作方法
【專利摘要】本發(fā)明公開了一種基于核回歸的SAR圖像相干斑抑制方法，主要是解決現(xiàn)有的核回歸去噪方法不能應(yīng)用于噪聲模型為乘性的SAR圖像中。其實(shí)現(xiàn)過程是：對(duì)SAR圖像選取鄰域窗；用索貝爾sobel算子計(jì)算圖像塊的水平梯度與垂直梯度；依據(jù)得到的梯度求得局部自適應(yīng)協(xié)方差矩陣，計(jì)算平滑矩陣；通過權(quán)影響估計(jì)該像素點(diǎn)的理想值得到基本的去噪結(jié)果；在基本的濾波結(jié)果上重復(fù)該過程，得到滿意的濾波效果。本發(fā)明在抑制相干斑的同時(shí)保持點(diǎn)目標(biāo)和邊緣紋理細(xì)節(jié)信息，提高了SAR圖像的相干斑抑制效果，可用于SAR圖像目標(biāo)識(shí)別和地物分類。
【專利說明】基于核回歸的SAR圖像相干斑抑制
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于遙感圖像數(shù)據(jù)處理【技術(shù)領(lǐng)域】，具體地說是一種圖像相干斑抑制方法，該方法可用于SAR圖像的相干斑抑制。
【背景技術(shù)】
[0002]合成孔徑雷達(dá)SAR是一種高分辨率成像雷達(dá)。SAR不受氣候、晝夜的影響，具備全天時(shí)、全天候的特點(diǎn)，在對(duì)地觀測(cè)系統(tǒng)中，裝備高分辨率的合成孔徑雷達(dá)的航空系統(tǒng)機(jī)動(dòng)性好、響應(yīng)速度快，在災(zāi)害應(yīng)急處理方面優(yōu)勢(shì)顯著。作為衛(wèi)星數(shù)據(jù)的有效補(bǔ)充，雷達(dá)在地形測(cè)繪、災(zāi)害監(jiān)測(cè)評(píng)估、環(huán)境與國土資源監(jiān)測(cè)等領(lǐng)域具有廣泛的應(yīng)用價(jià)值。特別是在災(zāi)害應(yīng)急處理方面，雷達(dá)系統(tǒng)能及時(shí)為災(zāi)害應(yīng)急處理提供信息豐富、清晰準(zhǔn)確的圖像，對(duì)及時(shí)開展救援、進(jìn)行受災(zāi)評(píng)估、減輕災(zāi)害損失具有重要意義。但由于SAR系統(tǒng)采用的是相干微波源進(jìn)行成像，回波的振幅在相干疊加時(shí)會(huì)相互疊加或抵消，得到的總回波強(qiáng)度與子回波平均強(qiáng)度之間會(huì)存在一定的偏差，在SAR圖像中這種隨機(jī)偏差以強(qiáng)噪聲的形式呈現(xiàn)，這種噪聲通常被稱為相干斑。因?yàn)樵淼娜毕菪裕琒AR圖像中相干斑影響了后續(xù)的圖像解譯，因此如何抑制SAR圖像中的相干斑，提高圖像的解讀能力以及獲得更多的信息成為一個(gè)重要的問題。SAR圖像相干斑抑制的目標(biāo)是在去除圖像中的相干斑及盡可能的保持圖像的細(xì)節(jié)信息。
[0003]SAR圖像的相干斑是一種復(fù)雜的乘性噪聲模型，對(duì)于斑點(diǎn)噪聲這種特殊的性質(zhì)，在過去的近二十年中，人們提出了很多經(jīng)典的SAR圖像相干斑抑制方法。如Lee濾波，增強(qiáng)Lee濾波，Kuan濾波等。這些方法是用一個(gè)已定義好的濾波器窗來估計(jì)局域相干斑的方差，并進(jìn)行濾波處理，其結(jié)果通常過分的平滑了圖像的邊緣細(xì)節(jié)信息，在一定程度上取得了較好的效果，但存在模糊了邊緣和點(diǎn)目標(biāo)的缺陷。除了在空域進(jìn)行圖像相干斑抑制外，1995年，美國學(xué)者Donoho把小波理論引入到圖像去噪中，提出了小波軟閾值方法。小波軟閾值法開創(chuàng)了變換域進(jìn)行圖像去噪的先河，之后涌現(xiàn)了許多變換域去噪的優(yōu)秀成果，包括多尺度變換的圖像去噪方法。小波軟閾值方法是一種非線性的算法，依然存在破壞圖像細(xì)節(jié)信息的問題，對(duì)圖像的輻射特性保持也不好。
[0004]核回歸方法本質(zhì)上是一種空域局部平均的去噪方法，不同的是它依賴于被處理數(shù)據(jù)本身來指定這個(gè)模型的結(jié)構(gòu)，這個(gè)模型是基于泰勒局部展開，采用的是非參數(shù)化方法，模型建立在圖像的數(shù)據(jù)特征上。核回歸分析應(yīng)用于圖像去噪最早是由H.Takeda和S.Farsiu等人于2005年提出，隨后又得到了進(jìn)一步的發(fā)展。其濾波效果與目前非常優(yōu)秀的非局部均值方法NLM和三維塊匹配的聯(lián)合濾波BM3D方法相差無幾，但是以上核回歸算法目前只應(yīng)用于噪聲模型為加性的自然圖像中，不能用到噪聲模型為乘性的SAR圖像中。

【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的在于提出了一種基于核回歸的SAR圖像相干斑抑制方法，將性能優(yōu)異的核回歸去噪方法擴(kuò)展到噪聲模型為乘性的SAR圖像中，實(shí)現(xiàn)對(duì)SAR圖像充分濾波的同時(shí)保持點(diǎn)目標(biāo)和邊緣細(xì)節(jié)信息。[0006]為實(shí)現(xiàn)上述目的，本發(fā)明技術(shù)方案包括如下步驟:
[0007](I)讀入一幅SAR圖像，并進(jìn)行邊界鏡像對(duì)稱擴(kuò)展，擴(kuò)展半徑為N，取圖像中的一個(gè)像素點(diǎn)X，以該像素點(diǎn)為中心取(2XN+1)大小的鄰域窗W;
[0008](2)用索貝爾(Sobel)算子計(jì)算鄰域窗內(nèi)w每一個(gè)像素點(diǎn)的水平梯度與垂直梯度；
[0009](3)根據(jù)得到的水平梯度與垂直梯度計(jì)算以像素點(diǎn)X為中心的鄰域窗w自適應(yīng)協(xié)方差矩陣C ；
[0010](4)依據(jù)步驟⑷得到的局部自適應(yīng)協(xié)方差矩陣C，計(jì)算以像素點(diǎn)X為中心的鄰域窗w平滑矩陣H;
[0011](5)依據(jù)計(jì)算得到的平滑矩陣H，利用權(quán)重影響，求得該像素點(diǎn)步驟I中的像素點(diǎn)X的相干斑抑制結(jié)果；
[0012](6)對(duì)SAR圖像每一個(gè)像素點(diǎn)按步驟⑴一(5)進(jìn)行處理，得到每一個(gè)像素點(diǎn)的相干斑抑制結(jié)果，從而得到所述SAR圖像的相干斑抑制結(jié)果。
[0013](7)將步驟6得到的結(jié)果，按照步驟⑴一步驟(6)進(jìn)行迭代處理，得到最終的所述SAR圖像的相干斑抑制結(jié)果。
[0014]本發(fā)明與現(xiàn)有技術(shù)相比具有以下優(yōu)點(diǎn):
[0015]1、本發(fā)明是基于SAR圖像的乘性噪聲模型而提出的，更加符合SAR圖像的相干斑抑制，對(duì)同質(zhì)區(qū)域的濾波更加平滑；
[0016]2、本發(fā)明充分利用了圖像的結(jié)構(gòu)信息，克服了增強(qiáng)Lee的濾波等方法無法表示圖像大量豐富的局部結(jié)構(gòu)；
[0017]3、本發(fā)明用索貝爾Sobel算子計(jì)算圖像的初始水平梯度與垂直梯度，減少計(jì)算量，能夠快速有效的處理大幅面的SAR圖像；
【專利附圖】

【附圖說明】
[0018]圖1是本發(fā)明的流程圖；
[0019]圖2是本發(fā)明仿真使用的barbara自然圖像模擬的SAR圖像；
[0020]圖3是本發(fā)明仿真使用的光學(xué)圖像模擬的SAR圖像；
[0021]圖4是本發(fā)明仿真使用的真實(shí)的幅度SAR圖像；
[0022]圖5是本發(fā)明仿真使用的真實(shí)的強(qiáng)度SAR圖像；
[0023]圖6是用現(xiàn)有方法及本發(fā)明對(duì)barbara自然圖像模擬的SAR圖像濾波后的結(jié)果圖；
[0024]圖7是用現(xiàn)有方法及本發(fā)明對(duì)光學(xué)圖像模擬的SAR圖像濾波后的結(jié)果圖；
[0025]圖8是用現(xiàn)有方法及本發(fā)明對(duì)真實(shí)的幅度SAR圖像濾波后的結(jié)果圖；
[0026]圖9是用現(xiàn)有方法及本發(fā)明對(duì)真實(shí)的強(qiáng)度SAR圖像濾波后的結(jié)果圖。
[0027]具體實(shí)施步驟
[0028]參照?qǐng)D1，本發(fā)明的具體實(shí)現(xiàn)步驟如下:
[0029]步驟1，過二幅SAR圖像，進(jìn)行邊界鏡像對(duì)稱擴(kuò)展，擴(kuò)展半徑為N，取圖像中的一個(gè)像素點(diǎn)X，以該像素點(diǎn)為中心取(2XN+1)大小的鄰域窗W。
[0030]鄰域窗太小會(huì)出現(xiàn)過平滑現(xiàn)象，太大會(huì)導(dǎo)致降斑效果不明顯。優(yōu)選地，N=3。[0031]步驟2，用索貝爾(Sobel)算子計(jì)算鄰域窗內(nèi)每一個(gè)像素點(diǎn)的水平梯度與垂直梯度；
[0032]具體過程如下:
[0033]2a)設(shè)置水平梯度算子模板與垂直梯度算子模板分別用來檢測(cè)圖像的垂直邊緣及水平邊緣，模板內(nèi)的數(shù)字為模板系數(shù)，水平梯度算子模板的方向與垂直邊緣的方向相垂直，垂直梯度算子模板的方向與水平邊緣的方向相垂直。
【權(quán)利要求】
1.基于核回歸的SAR圖像相干斑抑制方法，包括如下步驟: 步驟1，對(duì)一幅SAR圖像，進(jìn)行邊界鏡像對(duì)稱擴(kuò)展，擴(kuò)展半徑為N，取圖像中的一個(gè)像素點(diǎn)X，以該像素點(diǎn)為中心取(2XN+1)大小的鄰域窗w ; 步驟2，用索貝爾(Sobel)算子計(jì)算鄰域窗內(nèi)每一個(gè)像素點(diǎn)的水平梯度與垂直梯度；步驟3，根據(jù)步驟2得到的水平梯度與垂直梯度計(jì)算以像素點(diǎn)X為中心的鄰域窗w的自適應(yīng)協(xié)方差矩陣C ； 步驟4，依據(jù)步驟3得到的局部自適應(yīng)協(xié)方差矩陣C，計(jì)算以像素點(diǎn)X為中心的鄰域窗w平滑矩陣H ； 步驟5，依據(jù)步驟4得到的平滑矩陣H，求得步驟I中的像素點(diǎn)X的相干斑抑制結(jié)果；步驟6，對(duì)步驟I中所述的SAR圖像每一個(gè)像素點(diǎn)按步驟1-5進(jìn)行處理，得到每一個(gè)像素點(diǎn)的相干斑抑制結(jié)果，從而得到所述SAR圖像的相干斑抑制結(jié)果； 步驟7，將步驟6得到的結(jié)果，按照步驟1-步驟6進(jìn)行迭代處理，得到最終的所述SAR圖像的相干斑抑制結(jié)果。
2.如權(quán)利要求1所述的SAR圖像相干斑抑制方法，其中，N=3。
3.如權(quán)利要求1所述的SAR圖像相干斑抑制方法，其中，用索貝爾(Sobel)算子計(jì)算鄰域窗內(nèi)每一個(gè)像素點(diǎn)的水平梯度與垂直梯度具體包括: 2a)設(shè)置水平梯度算子模板與垂直梯度算子模板分別用來檢測(cè)圖像的垂直邊緣及水平邊緣，模板內(nèi)的數(shù)字為模板系數(shù)，水平梯度算子模板的方向與垂直邊緣的方向相垂直，垂直梯度算子模板的方向與水平邊緣的方向相垂直；
4.如權(quán)利要求1所述的SAR圖像相干斑抑制方法，其中，
5.如權(quán)利要求1所述的SAR圖像相干斑抑制方法，其中，
6.如權(quán)利要求1所述的SAR圖像相干斑抑制方法，其中，步驟5求得的像素點(diǎn)X的相干斑抑制結(jié)果為
7.如權(quán)利要求1所述的SAR圖像相干斑抑制方法，其中，對(duì)于給定的強(qiáng)度格式的SAR圖像，該SAR圖像的相干斑方差為
8.如權(quán)利要求1所述的SAR圖像相干斑抑制方法，其中，迭代次數(shù)為[8，10]次。
9.如權(quán)利要求1所述的SAR圖像相干斑抑制方法，其中，h= 4.3。
【文檔編號(hào)】G06T5/00GK103871031SQ201410081817
【公開日】2014年6月18日 申請(qǐng)日期:2014年3月7日 優(yōu)先權(quán)日:2014年3月7日
【發(fā)明者】王爽, 焦李成, 于佳平, 霍麗娜, 侯彪, 馬文萍, 馬晶晶 申請(qǐng)人:西安電子科技大學(xué)