一种基于排序联合稀疏表示的SAR图像降斑方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN107301632A(43)申请公布日2017.10.27(21)申请号201710506964.7(22)申请日2017.06.28(71)申请人重庆大学地址400044重庆市沙坪坝区沙正街174号(72)发明人刘书君沈晓东曹建鑫张奎周喜川李正周(51)Int.Cl.G06T5/00(2006.01)权利要求书1页说明书5页附图3页(54)发明名称一种基于排序联合稀疏表示的SAR图像降斑方法(57)摘要本发明公开了一种基于排序联合稀疏表示的SAR图像降斑方法，属于数字图像处理技术领域。它首先对图像块进行相似度排序以获得图像块序列，然后利用图像块序列得到的结构组建立联合稀疏表示模型，再通过非局部加权平均估计该模型中所需的非局部稀疏系数与正则化参数，并利用分离伯格曼迭代算法对模型进行循环迭代求解，最后将估计出的稀疏系数重构出降斑后的SAR图像；本发明通过对图像块相似度进行排序，简化了整个过程中对相似图像块的比较，并对稀疏系数进行联合约束，使得到的图像保留在更多细节的同时有效的避免结构组稀疏表示所产生的伪影现象，使得降斑后图像的整体效果更接近真实图像，更易于目标识别，因此可用于SAR图像降斑。CN107301632ACN107301632A权利要求书1/1页1.一种基于排序联合稀疏表示的SAR图像降斑方法，其特征在于具体步骤如下：步骤一、图像块排序首先在SAR图像中按固定尺寸逐像素抽取图像块，在所有图像块中随机选取第i个图像块xi为初始目标图像块，并在以xi为中心的小范围内寻找与其最相似的图像块，若在小范围内搜索不到其最相似的图像块，则在整个图像内寻找，并将与xi最相似的图像块xj排在xi之后，然后以xj为目标图像块在剩余图像块中寻找与xj最相似的图像块，再将xj的相似图像块作为下一目标图像块继续寻找其最相似的图像块，以此得到排序后的图像块序列，其中相邻图像块之间相似度最高。步骤二、联合稀疏表示模型通过步骤一的图像块排序后，将目标图像块xi与排序图像块序列中邻近目标图像块xi的S-1个相似图像块构建成一个相似图像块集合即结构组为利用图像在变换域下的稀疏性，先对结构组内每个图像块进行小波变换，然后对小波变换后系数矩阵的行向量进行离散余弦变换，以获得结构组稀疏系数为了抑制伪影现象的同时保留更多的细节，使图像整体降斑效果更好，建立联合稀疏模型为：其中为估计出的代表真实图像的非局部稀疏系数，λ1和λ2为正则化参数，通过两个l1范数的约束项来实现对稀疏系数的联合约束，使估计出的结构组稀疏系数更接近于真实图像的结构组稀疏系数；步骤三、参数的估计及模型的求解为求解步骤二中的联合稀疏模型，需要对非局部稀疏系数以及正则化参数λ1和λ2进行估计，为估计非局部稀疏系数首先在步骤一获得的图像块序列中为结构组中的每个图像块寻找各自对应的相似图像块，并将这些相似图像块构成与结构组相似的结构组再对每个相似结构组稀疏表示得到对应的稀疏系数集合{γg,i,γh,i,γi,i,γj,i,γk,i}，并对各稀疏系数做加权平均以估计非局部稀疏系数而正则化参数λ1和λ2的大小则通过对稀疏系数和非局部稀疏系数的最大后验概率的贝叶斯估计来确定，在估计出所需参数非局部稀疏系数以及正则化参数λ1和λ2以后，再利用分离伯格曼迭代算法来对模型进行循环迭代求解，即可重构出最终的降斑图像。2CN107301632A说明书1/5页一种基于排序联合稀疏表示的SAR图像降斑方法技术领域[0001]本发明属于数字图像处理技术领域，它特别涉及基于图像块排序与联合稀疏表示的图像降斑方法，用于SAR图像降斑处理。背景技术[0002]合成孔径雷达(SAR)图像在军用和民用领域有着广泛的应用，而相干斑噪声严重影响了对图像中各类目标的识别，因此对相干斑噪声的有效抑制是SAR图像处理的重要前提与关键技术之一。SAR图像由于成像系统及地物目标的复杂性，使其本身具有大量丰富的细节信息，因此SAR降斑的主要目标是在尽量保留图像细节的情况下，去除相干斑噪声的影响，而由于其成像原理的不同，普通的光学图像的降斑方法并不能直接用于SAR图像降斑。[0003]传统的基于空域的SAR图像降斑方法对相干斑噪声的抑制能力有限且边缘信息损失严重，而基于变换域的降斑方法利用了真实图像信号在变换域中稀疏的特性，更加有效地实现了图像真实信息与噪声的分离，取得了较好的降斑效果。随后基于变换域的稀疏降斑与非局部相似相结合的降斑方法逐渐发展，并取得了较大提高，如SAR-BM3D方法将非局部相似图像块组成相似图像块集合，并利用线性最小均方误差方法来对其进行估计，并重构出最终的估计图像，取得了非常不错的效果，但该方法在保留细节的同时产生了大量伪影，抑斑后SAR图像的整体效