一种基于非本地分类稀疏表示的SAR图像降噪方法.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CN104637037A(43)申请公布日2015.05.20(21)申请号201510110333.4(22)申请日2015.03.13(71)申请人重庆大学地址400044重庆市沙坪坝区沙正街174号重庆大学A区主教学楼1019(72)发明人刘书君吴国庆张新征杨婷徐礼培(51)Int.Cl.G06T5/00(2006.01)权利要求书1页说明书5页附图2页(54)发明名称一种基于非本地分类稀疏表示的SAR图像降噪方法(57)摘要本发明公开了一种基于非本地分类稀疏表示的SAR图像降噪方法。属于数字图像处理技术领域。它是一种基于分类系数估计与稀疏表示相结合的SAR图像降噪方法。首先按照图像的同质区和异质区进行分类，而后分别采用非本地均值方法和3D变换域硬阈值收缩方法实现对同质区和异质区的降噪，并由降噪结果获得非本地系数。为进一步提高降噪性能，利用所估计出的非本地系数对稀疏表示模型中的系数进行约束，以更好的逼近真实图像的系数。最后,利用最终估计的系数重构出降噪后的图像。本发明对图像的同质区和异质区采用不同方法进行处理，不仅可有效的实现同质区抑斑，同时能保留异质区中存在的细节，可用于SAR图像降噪。CN104637037ACN104637037A权利要求书1/1页1.一种基于非本地分类稀疏表示的SAR图像降噪方法，其特征在于具体步骤如下：步骤一、图像内容的分类SAR图像中不同区域内噪声分布不同，并且不同区域间图像本身的特性也有所不同，为实现对不同图像内容采用不同方法降噪，将图像块的方差与预设的阈值进行比较，当方差大于阈值时视为异质区，小于阈值时视为同质区；步骤二、分类估计非本地系数结合分类后SAR图像中同质区和异质区的特点，选择不同的方法对其进行降噪处理；首先以图像的每个像素点为中心，依次抽取图像块，若图像块属于异质区，则根据异质区图像块包含奇异结构和细节边缘而难以在像素点附近范围内找到真正相似图像块的特点，选择较小的块尺寸并在较大的邻域范围内搜索与该目标块相似的图像块，并在得到相似图像块后使用3D变换域硬阈值收缩方法实现对目标图像块的降噪；对于同质区目标块，由于同质区内的像素点所包含的真实信号服从相同的分布，因此设置较大的块尺寸和较小的搜索范围以寻找相似块，并利用加权平均的方法实现对同质区目标块的降噪；然后利用主成分分析法训练出自适应学习字典，最后将降噪后的图像块在对应的自适应学习字典上投影得到图像块的非本地稀疏系数；步骤三、结合非本地系数与稀疏表示的SAR图像降噪为进一步提高图像降噪的性能，利用步骤二得到的非本地系数调节稀疏解使其更接近于真实解，即将非本地系数代入式(1)求解：式(1)其中y表示含噪图像，D为字典，N为图像所包含的像素点个数，ki为分类后像素所属类型的标记，αi为本地稀疏系数，γi和ηi为非本地稀疏系数，λ1，λ2和λ3为权重调节参数；式(1)右端前两项为图像的本地稀疏表示，后两项为使本地稀疏系数αi更接近于真实解的约束项；由于图像内容仅分为同质区和异质区，ki仅为1或0，因此针对每个图像块，求解式(1)时均会从最后两项中选择出一项对进行αi约束，此时的优化问题转化为二范数求解问题；在确定了参数λ1，λ2和λ3后，先将目标图像块在字典上投影得到本地稀疏系数αi，然后利用非本地系数γi或ηi调节αi，得到最终稀疏解并将重构得到降噪后图像；将重构后的降噪图像与原含噪图像非凸组合后继续执行步骤二和步骤三，当前后两次降噪结果的平均绝对偏差MAD小于设定的阈值时停止循环，得到最终降噪图像。2CN104637037A说明书1/5页一种基于非本地分类稀疏表示的SAR图像降噪方法技术领域[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非本地相似性与稀疏表示相结合的降噪方法，用于SAR图像降噪处理。背景技术[0002]合成孔径雷达SAR被广泛的应用于多个领域，并在国民经济发展与国防安全保卫等领域中发挥着重要的作用。但SAR图像的相干成像机理使其成像后的图像中存在严重的相干斑噪声，对SAR图像的后处理，如图像分割、边缘检测和特征提取等带来了一定影响，不利于SAR图像的解译。因此，对相干斑噪声的有效抑制便成为SAR图像处理的一个重要环节。[0003]信号的稀疏表示能有效提取信号的本质特征，基于稀疏表示的图像降噪因其良好的降噪效果而得到国内外学者广泛关注。其中一些方法通过将稀疏表示与其他降噪方法相结合来提高降噪的性能，如将稀疏降噪与均值滤波，全微分相结合等。尤其是将稀疏降噪与非本地冗余特性相结合的降噪方法取得了较好的结果，如BM3D及其改进方法在降噪的整体效果方面达到了领先水平。发明内容[0004]本发明的目在于针对现有SAR图像降噪中存在的不足，