预览加载中,请您耐心等待几秒...
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10

亲,该文档总共13页,到这已经超出免费预览范围,如果喜欢就直接下载吧~

如果您无法下载资料,请参考说明:

1、部分资料下载需要金币,请确保您的账户上有足够的金币

2、已购买过的文档,再次下载不重复扣费

3、资料包下载后请先用软件解压,在使用对应软件打开

(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CN104537624A(43)申请公布日2015.04.22(21)申请号201510002988.X(22)申请日2015.01.05(71)申请人西安电子科技大学地址710071陕西省西安市太白南路2号(72)发明人白静焦李成张钊韩雪云王爽马晶晶马文萍侯彪(74)专利代理机构陕西电子工业专利中心61205代理人田文英王品华(51)Int.Cl.G06T5/00(2006.01)权利要求书3页说明书6页附图3页(54)发明名称基于SSIM校正聚类稀疏表示的SAR图像降斑方法(57)摘要本发明公开了一种基于SSIM校正聚类的稀疏表示SAR图像降斑方法,主要解决现有技术中不能保留更多的点目标和纹理细节的问题。其实现步骤为:(1)输入图像;(2)估计输入SAR图像中噪声的方差;(3)对输入图像进行分类;(4)对分类后图像进行初始化字典;(5)更新分类后图像的稀疏表示矩阵和字典;(6)利用更新后的稀疏表示矩阵和字典重构图像,得到降斑后的SAR图像。本发明不仅能够提高SAR图像中斑点噪声的抑制效果,而且能很好保留图像中点目标和纹理细节信息,可用于SAR图像分割和目标识别的预处理。CN104537624ACN104537624A权利要求书1/3页1.一种基于SSIM校正聚类稀疏表示的SAR图像降斑方法,包括如下步骤:(1)输入任选的一幅合成孔径雷达SAR图像;(2)估计输入SAR图像中噪声的方差:(2a)对SAR图像进行方向波变换,得到低频子带系数矩阵和高频子带系数矩阵;(2b)按照下式,采用基于方向波域的斑点噪声估计方法,估计SAR图像中噪声的方差:其中,σ表示SAR图像中噪声的标准差,C表示噪声的归一化标准差,Ψ表示控制参数,μy表示SAR图像的均值,y表示SAR图像矩阵,表示SAR图像的高频子带系数矩阵的方差,Dy表示SAR图像的高频子带系数矩阵;(3)图像块分类:(3a)采用KSVD算法,对SAR图像进行预滤波,得到滤波后的SAR图像y′;(3b)以滤波后的SAR图像y′中任意像素为中心,抽取大小为8×8的图像块,得到滤波后的SAR图像y′像素图像块集合B1,以SAR图像的低频子带系数矩阵中任意系数为中心,抽取大小为8×8的图像块,得到SAR图像低频子带图像块集合B2,合并SAR图像像素图像块集合B1和SAR图像低频子带图像块集合B2,得到总图像块集合B;(3c)计算总图像块集合B中每个图像块的方差,根据得到的图像块的方差大小,将总图像块集合B分为光滑图像块集合E和非光滑图像块集合F;(4)初始化字典:(4a)采用基于SSIM校对的K均值聚类算法,对非光滑图像块集合F中的所有图像块进行聚类,得到N类相似图像块集合Sk,1≤k≤N,N为K均值聚类所得到的类别总数;(4b)采用主成分分析方法,求解相似图像块集合Sk对应的64个特征向量,将这64个特征向量按列排列,得到Sk对应的字典Dk,1≤k≤N;(4c)将字典Dk作为相似图像块集合Sk的初始字典,将大小为64×256的离散余弦变换DCT字典Dl作为光滑图像块集合E的初始字典;(5)根据基于结构聚类的稀疏表示方法和字典更新方法,对相似图像块集合Sk和光滑图像块集合E进行稀疏表示矩阵更新和字典更新,得到最终的稀疏表示矩阵和最终的字典(6)根据上述得到的总图像块集合B、最终的稀疏表示矩阵和最终的字典利用下式得到降斑后的SAR图像x:其中,λ表示拉格朗日因子,I表示与SAR图像大小一样的单位矩阵,R表示总图像块集合B中任意图像块矩阵,RT表示图像块矩阵R的转置。2.根据权利要求1所述基于SSIM校正聚类的稀疏表示SAR图像降斑方法,其特征在于,步骤(3a)所述的采用KSVD算法,对SAR图像进行预滤波,按如下步骤进行:(3a1)以SAR图像y中任意像素为中心,抽取大小为8×8的图像块,得到的SAR图像像2CN104537624A权利要求书2/3页素图像块集合M,初始化字典D为大小是64×256的离散余弦变换DCT字典;(3a2)按照下式,更新稀疏表示矩阵:其中,a′表示更新后的稀疏表示矩阵,a表示稀疏表示矩阵,μ表示控制参数,表示取二范数的平方操作,表示取零范数操作;(3a3)按照下式,更新字典,得到更新后的字典D′:其中,||·||1表示取一范数操作;(3a4)重复执行步骤(3a2)和(3a3)共10次,得到KSVD算法的目标稀疏表示矩阵a″和目标字典D″;(3a5)按照下式重构得到KSVD算法滤波后的SAR图像y′:其中,RM表示SAR图像像素图像块集合M中任意图像块矩阵,表示图像块矩阵RM的转置。3.根据权利要求1所述基于SSIM校正聚类的稀疏表示SAR图像降斑方法,其特征在于,步骤(3c)所述的根据得到的