一种基于稀疏表示和盲估计联合的SAR图像降噪方法.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115249216A(43)申请公布日2022.10.28(21)申请号202111406443.7(22)申请日2021.11.24(71)申请人云南师范大学地址650000云南省昆明市五华区一二一大街298号(72)发明人辛志慧孙雨王志旭宣嘉裕麻伟(74)专利代理机构西安嘉思特知识产权代理事务所(普通合伙)61230专利代理师王海栋(51)Int.Cl.G06T5/00(2006.01)权利要求书1页说明书8页附图3页(54)发明名称一种基于稀疏表示和盲估计联合的SAR图像降噪方法(57)摘要本发明涉及一种基于稀疏表示和盲估计联合的SAR图像降噪方法，包括：S1：选取字典并初始化字典参数；S2：获取待降噪SAR图像，并使用盲估计算法估计得到待降噪SAR图像的图像噪声；S3：根据图像噪声，利用OMP算法计算稀疏编码，对字典进行迭代更新，得到更新的字典和稀疏编码；S4：利用更新的字典和稀疏编码对待降噪SAR图像进行稀疏分解并重构，得到去噪图像。本发明的方法能够很好的去除SAR图像中的噪声，并保留图像的细节。CN115249216ACN115249216A权利要求书1/1页1.一种基于稀疏表示和盲估计联合的SAR图像降噪方法，其特征在于，包括：S1：选取字典并初始化字典参数；S2：获取待降噪SAR图像，并使用盲估计算法估计得到所述待降噪SAR图像的图像噪声；S3：根据所述图像噪声，利用OMP算法计算稀疏编码，对所述字典进行迭代更新，得到更新的字典和稀疏编码；S4：利用所述更新的字典和稀疏编码对所述待降噪SAR图像进行稀疏分解并重构，得到去噪图像。2.根据权利要求1所述的基于稀疏表示和盲估计联合的SAR图像降噪方法，其特征在于，在步骤S1中，所述字典为DCT字典、训练字典或自适应字典。3.根据权利要求1所述的基于稀疏表示和盲估计联合的SAR图像降噪方法，其特征在于，在步骤S2中，按照下式估计得到所述待降噪SAR图像的图像噪声：其中，表示图像噪声水平，γmin表示矩阵最小特征值，Σy表示受污染斑块y的协方差矩阵。4.根据权利要求1所述的基于稀疏表示和盲估计联合的SAR图像降噪方法，其特征在于，所述S3包括：S31：对所述待降噪SAR图像进行分块处理，将其分解成若干8*8的矩阵块，并依次按照列和行的方式，将每一个8*8的矩阵块转换为64*1的列向量，生成新的矩阵Blocks；S32：对所述矩阵Blocks中的每一列的每一个元素按照以下方式进行更新：Blocks[i][j]＝Blocks[i][j]‑mean(Blocks[:,j])，其中，Blocks[i][j]表示矩阵Blocks中的第i行，第j列元素，mean(Blocks[:,j])表示元素(i,j)所在列的平均值；S33：利用OMP算法，求解该矩阵Blocks在字典下的稀疏编码；S34：根据所述稀疏编码，按照以下方式更新矩阵Blocks中的每一列的每一个元素：Blocks[i][j]＝Blocks[i][j]×Coefs+mean(Blocks[:,j])，其中，Blocks[:,j]表示第j列，mean(Blocks[:,j]表示第j列的平均值，Coefs表示稀疏编码；S35：重复第S32‑S34，直至达到预设迭代停止条件，得到更新的字典和稀疏编码，所述迭代停止条件为达到预设的迭代次数，或者残差值小于所述图像噪声。5.根据权利要求4所述的基于稀疏表示和盲估计联合的SAR图像降噪方法，其特征在于，所述S4包括：S41：利用所述更新的字典和稀疏编码对每一个所述矩阵块进行重构；S42：对重构后的矩阵块进行加权叠加，得到所述去噪图像。2CN115249216A说明书1/8页一种基于稀疏表示和盲估计联合的SAR图像降噪方法技术领域[0001]本发明属于SAR图像处理领域，具体涉及一种基于稀疏表示和盲估计联合的SAR图像降噪方法。背景技术[0002]SAR成像具有全天时、全地域、全天候的运作能力，成像效果不受天气、地域和气候的影响，而且SAR成像与距离无关，其分辨率不会随着距离增大而下降。SAR成像在军事领域和农业、林业、海洋研究、地质勘测等民用领域应用广泛。[0003]但是，在获取SAR图像的信息时，避无可避的都会出现各种外因或内因的干扰，致使图像夹杂着许多噪声，使获取的信息不完整甚至是错误的。所谓噪声，通俗意义上说就是没用的信息，在图像处理过程中，必须有效的抑制噪声，提高图像质量和视觉效果，这样不仅能够提高对图像的正确判断，也对图像的后续处理有着许多重要的意义。[0004]目前，针对图像去噪的方法有很多，例如，传统去噪方法，如小波阈值方法和基于全变差(TV)范数最小去噪法等，以及频域去噪方法，如傅里叶变换法、小波变换法