基于纹理增强与稀疏编码的SAR图像降斑方法技术

本发明专利技术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。本发明专利技术实现为：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。本发明专利技术既能较好地抑制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。

SAR image speckle reduction method based on texture enhancement and sparse coding

The invention discloses a SAR image texture enhancement and speckle reduction method based on sparse encoding, solve the speckle reduction of SAR image can more effectively preserve the point target, the image edge and texture details such as the problem. The invention is: input image gradient histogram estimation; noise variance of SAR image and clean image; extracting similar image blocks and set the corresponding dictionary; using sparse encoding combined with Gauss model to obtain the objective function of speckle reduction ratio; updating the parameters of objective function matrix; image reconstruction; image reconstruction using weighted average method; gradient the maximum histogram of the reconstructed image and the image to obtain the final clean image for the final output image despeckling constraint. The invention can effectively suppress speckle noise in SAR images, the uniform area is very smooth, but also effectively keep the important target, edge and texture details, can be applied to SAR image processing and analysis the image speckle reduction.

【技术实现步骤摘要】
基于纹理增强与稀疏编码的SAR图像降斑方法
本专利技术属于图像处理
，涉及SAR图像降斑技术，更进一步是一种基于纹理增强与稀疏编码的的SAR图像降斑方法。可应用于对SAR图像处理分析前对图像进行降斑处理。
技术介绍
图像去噪又称图像滤波，是图像复原的一种。图像去噪的目的是改善给定的含噪图像，解决实际图像由于某种噪声干扰引起图像质量下降的问题。与图像增强相比，图像去噪是一个客观过程，通过图像去噪，图像的质量会得到显著的提升，更好地表示原始图像所携带图像细节信息。图像去噪是一种非常重要的预处理手段，它为后续的数字图像处理工作奠定了良好的基础。Yu-MeiHuang等人在其发表的论文“MultiplicativeNoiseRemovalviaaLearnedDictionary,”(IEEETransactionsonImageProcessing2012)提出了一种基于学习的字典的乘性噪声去除方法。该方法从一个对数变换后的图像学习到一个字典，然后将它利用在一个稀疏表示的模型当中进行噪声去除。该方法得到了一个自适应的字典，并且有效地去除了噪声，但是利用对数变换后，不能很好地保持SAR图像的辐射特性，此外，去噪后的图像中可明显的看到一定程度的块效应。WeishengDong等人在其发表的论文“ImageRestorationviaSimultaneousSparseCoding:WhereStructuredSparsityMeetsGaussianScaleMixture,”(IntJComputVis(2015)114:217–232DOI10.1007/s11263-015-0808-y)提出一种通过高斯尺度混合模型进行联合稀疏编码的图像复原方法。该方法把每个稀疏系数模型化为一个带有正向缩放变量的高斯分布，并在这些正向缩放变量之上形成稀疏分布的先验。通过描述所有有着相似先验分布的相似块的稀疏系数可以有效地利用局部和非局部稀疏系数之间的依赖关系。虽然这个算法取得了不错的去噪效果，在去噪过程中，图像中的一些纹理细节却被过渡平滑掉。综上所述，近几年的图像去噪方法，包括SAR图像降斑方法主要是通过建立不同的稀疏模型，然后利用字典学习方法对图像进行处理。这类方法可以有效地去除图像中的噪声，但是会出现块效应或者过平滑的现象。
技术实现思路
本专利技术针对上述现有技术的不足，提出一种基于纹理增强与稀疏编码的SAR图像降斑方法。为实现上述目的，本专利技术的具体步骤如下：(1)输入一幅待降斑的SAR图像，称为原始图像；(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。本专利技术既能够较好地抑制SAR图像中的斑点噪声，使得均匀区域十分平滑，也有效保留了重要的点目标、边缘和纹理等细节信息。本专利技术与现有的技术相比具有以下优点：第一，本专利技术利用非对数加性模型将SAR图像的乘性噪声转化为加性噪声，然后对其进行方向波域的噪声方差的估计。相比现有技术中的对数变换方法，本专利技术能更有效地保持SAR图像的辐射特性，降斑效果也得到了加强。第二，由于本专利技术利用噪声图像来估计干净图像的梯度直方图，以该梯度直方图作为参考来约束最终的去噪图像，使去噪后的图像的梯度直方图尽量与参考梯度直方图接近，既使得本专利技术既使得图像中的均匀区域十分平滑，也保留了重要的点目标、边缘和纹理等细节信息。第三，由于本专利技术在估计图像的梯度直方图之前首先对图像进行了分类，这样可以估计出每类区域的梯度直方图，避免了在利用梯度直方图对图像进行约束时，在纹理信息较少的区域产生出错误的纹理。附图说明图1是本专利技术的流程图；图2为本专利技术与现有技术对SAR1图像降斑效果对比图；图3为本专利技术与现有技术对SAR2图像降斑效果对比图。具体实施方式下面结合附图对本专利技术做详细的描述。实施例1图像在获取、存储、传输等过程中都会受到不同噪声的污染，造成图像质量的下降。因此，在图像处理中，图像去噪是图像边缘检测、模式识别、图像分割、特征提取等工作的前提。合成孔径雷达技术是遥感技术的一项重大突破，全天时、全天候的成像能力让它从研发之初就备受瞩目，目前已经成为对地观测的主要手段。但如何对SAR图像进行高效准确的降斑仍是目前急需解决的问题。近几年的图像去噪方法，包括SAR图像降斑方法主要是通过建立不同的稀疏模型，然后利用字典学习方法更新字典与稀疏系数，完成对图像的去噪。这类方法可以有效地抑制SAR图像中的斑点噪声，但是会出现块效应或者过平滑的现象。针对此现状，本专利技术展开了研究与创新，提出一种基于纹理增强与稀疏编码的SAR图像降斑方法。参见图1，本专利技术对SAR图像的降斑过程包括有如下步骤：(1)输入一幅待降斑的SAR图像，称为原始图像；(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。非对数加性模型可以更有效地保持SAR图像的辐射特性。(2b)对加性噪声n的方差在方向波域进行估计。(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(kNN)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；相对于小波、DCT等传统字典，PCA字典包含更多的细节信息。(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；该方法将每个稀疏系数模型化为一个高斯分布，通过描述所有有着相似先验分布的相似块的稀疏系数，有效地利用局部和非局部稀疏系数之间的依赖关系，使得去噪的效果更好。(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本文档来自技高网...

【技术保护点】
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

【技术特征摘要】
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...

【专利技术属性】
技术研发人员：白静，孙衍超，李亚龙，焦李成，侯彪，王爽，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61