基于纹理增强与稀疏编码的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CN107085839A(43)申请公布日2017.08.22(21)申请号201710446073.7(22)申请日2017.06.14(71)申请人西安电子科技大学地址710071陕西省西安市雁塔区太白南路2号(72)发明人白静孙衍超李亚龙焦李成侯彪王爽(74)专利代理机构陕西电子工业专利中心61205代理人程晓霞王品华(51)Int.Cl.G06T5/00(2006.01)G06T5/40(2006.01)权利要求书2页说明书10页附图3页(54)发明名称基于纹理增强与稀疏编码的SAR图像降斑方法(57)摘要本发明公开了一种基于纹理增强与稀疏编码的SAR图像降斑方法，解决了对SAR图像降斑时不能更有效保留图像中的点目标、边缘和纹理等细节信息的问题。本发明实现为：输入图像；估计SAR图像的噪声方差及干净图像的梯度直方图；提取相似图像块集合并求相应字典；用稀疏编码结合高斯比例模型得到降斑的目标函数；更新目标函数的参数；重构图像块矩阵；用权值平均法重构图像；重构图像与干净图像的梯度直方图最大限度的接近为约束获取最终图像；输出最终降斑图像。本发明既能较好地抑制SAR图像中的斑点噪声，使均匀区域十分平滑，也有效保留了重要点目标、边缘和纹理等细节信息，可应用于对SAR图像处理分析前对图像进行降斑处理。CN107085839ACN107085839A权利要求书1/2页1.一种基于纹理增强与稀疏编码的SAR图像降斑方法，其特征在于，包括有如下步骤：(1)输入一幅待降斑的SAR图像；(2)估计该SAR图像的噪声方差：(2a)利用非对数加性模型，将SAR图像y中的乘性噪声转化为加性噪声n：(2b)对加性噪声n的方差进行估计：(3)估计干净图像x的梯度直方图，并作为参考梯度直方图；(3a)利用k-means算法将原始图像分为K个区域；(3b)估计干净图像x中第k类区域的梯度直方图hr,k，共K个：(4)提取当前的输入图像的图像块集合并求出相应的字典：(4a)利用k近邻算法对当前的输入图像进行分类，为每一个图像块找到相似的图像块，每一类为相似图像块的集合，共分为m类；(4b)对得到的每类相似图像块集合求出对应的PCA字典；(5)根据稀疏编码理论并结合高斯比例模型，得到SAR图像降斑的目标函数f；(6)求出目标函数f中的各个参数；(7)利用目标函数f中的各个参数求出图像块矩阵：(8)采用权值平均法对图像块矩阵进行计算，得到重构后的图像；(9)估计重构后的图像的梯度直方图，将重构后的图像的梯度直方图与干净图像的参考梯度直方图进行比较，以最大限度的接近作为约束条件来获取纹理增强的图像：(10)迭代结束，输出最终的图像，完成对原始图像的降斑处理。2.根据权利要求1所述基于纹理增强与稀疏编码的SAR图像降斑方法，其特征在于，步骤(2b)所述的对加性噪声n的方差进行估计，按照如下步骤进行：其中，就是Dn的方差。Dy为对SAR图像进行方向波变换后得到的原始图像系数，Dn为对SAR图像进行方向波变换后得到的噪声系数，μy＝E[y]，是原始SAR图像的期望，CF是噪声的归一化标准差，Ψj定义为：其中，h为高通滤波器，g为低通滤波器，分解尺度为j。3.根据权利要求1所述基于纹理增强与稀疏编码的的SAR图像降斑方法，其特征在于，步骤(3b)所述的估计干净图像x中第k类区域的梯度直方图hr,k，按照如下步骤进行：其中，hr,k为干净图像x中第k类区域的梯度直方图的估计值，hy,k为原始SAR图像y中第k类区域的梯度直方图，c是一个常数，R(hx,k)是中第k类区域的梯度直方图hx,k的先验正则项，并假设梯度图中的像素是独立同分布的，为求梯度操作；hε,k为ε中第k类区域的直方图，ε＝▽n，ε～N(0,σ2)，σ2就是噪声的方差，表示卷积2CN107085839A权利要求书2/2页算子。4.根据权利要求1所述基于纹理增强与稀疏编码的的SAR图像降斑方法，其特征在于，步骤(9)所述的估计重构后的图像的梯度直方图，将重构后的图像的梯度直方图与干净图像的参考梯度直方图进行比较，以最大限度的接近作为约束条件来获取纹理增强的图像，按照如下步骤进行：9.1估计重构后的图像的梯度直方图；9.2利用梯度下降法，按照下式，得到纹理增强的图像：其中，t为迭代次数，t＝0时，为第t次迭代得到的纹理增强的图像；δ为松弛常量，τ为正常量，k是不同区域的类别数Ωk，共K类，利用直方图均衡得到单调递增的函数T，使得利用下式使得的直方图逼近干净图像x的梯度直方图hr,k，即：其中，(i,j)是Ωk中的像素点。通过上式实现干净图像的参考梯度直方图对重构后的图像的梯度直方图的约束。3CN107085839A说明书1/10页基于纹理增