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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。