基于区域划分和主成分分析的SAR图像去噪方法技术

本发明专利技术公开一种基于区域划分和主成分分析的SAR图像去噪方法，具体步骤包括：输入噪声图像，首先通过对数变换以及偏执矫正将SAR图像的相干斑噪声转换为加性噪声；之后利用变差系数划分图像中每个图像子块的类别；接着根据图像子块类别通过块匹配方法为图像子块寻找合适的相似块组成样本矩阵；并求解样本矩阵的噪声方差，用于PCA域中的系数收缩；然后通过线性最小均方误差收缩PCA系数，最后增加迭代次数去除低频噪声。本发明专利技术与现有的技术相比，能在有效去除噪声的同时更好的保留图像的纹理信息，在模拟和真实的SAR图像上表现出优异的去噪效果。去噪效果。去噪效果。

【技术实现步骤摘要】
基于区域划分和主成分分析的SAR图像去噪方法


[0001]本专利技术涉及SAR图像去噪领域，特别是一种基于区域划分和主成分分析的SAR图像去噪方法。

技术介绍

[0002]合成孔径雷达(SAR)是一种主动发射电磁波的成像雷达。由于具有全天时、全天候成像、高空间分辨率和强穿透率等优点，被广泛应用到军事和民用领域。然而，由于其成像机理的限制，SAR图像中固有的随机分布的相干斑噪声会严重影响图像的质量，影响后期SAR图像的分析。因此，SAR图像的相干斑抑制为SAR图像处理的关键步骤，对于后续SAR图像特征提取、分割、识别等都有重要意义。
[0003]SAR图像去噪思路与自然图像去噪思路大致相同，传统的图像去噪方法可以分为三类：
[0004]一是基于空间域的方法。如Lee，Kuan，Frost，以及GammaMAP算法等。这些算法的共同点是利用图像局部小块的信息执行去噪，容易产生过平滑而丢失图像细节信息等问题。2005年，Buades等人提出针对自然图像加性噪声的非局部均值滤波算法(NL
‑
Means)。该方法通过衡量图像块的相似性来确定对应权重，利用加权求平均以达到去噪目的。2009年，基于概率块(PPB)算法用瑞利分布的统计相似度代替NL
‑
Means算法的欧氏距离，在SAR图像去噪中取得了不错的效果，但采用该方法的去噪图像过于平滑，细节损失较为严重。
[0005]二是基于变换域的方法。如小波变换，稀疏表示，主成分分析，剪切波变换等方法改善了滤波性能，可较好地保留场景信息。
[0006]三是空间域与变换域相结合的方法。通过结合非局部均值(NL
‑
Means)算法的块匹配方式以及变换域中执行收缩系数达到去噪目的，该方式在近几年的图像去噪领域取得了不错的发展，例如用于处理自然图像噪声的BM3D算法、处理SAR图像相干斑噪声的SAR
‑
BM3D算法以及FANS算法等等。2014年，LPG
‑
PCA算法首先用于处理自然图像的加性高斯噪声，通过结合块匹配和在PCA域中收缩系数以达到去噪目的，该算法比传统的小波变换的去噪效果要好很多。由于LPG
‑
PCA算法选择较大的搜索窗口以及较多的相似块，故程序运行时间较长。本专利技术基于LPG
‑
PCA算法通过添加区域划分以及局部图像块方差步骤并应用在处理SAR图像的相干斑噪声。实验表明，采用本专利技术方法在不模糊图像细节信息前提下具有更好的去噪效果。

技术实现思路

[0007]为了克服现有技术的不足，本专利技术提供一种基于区域划分和主成分分析的SAR图像去噪方法，区域划分结合局部噪声方差可以更好的保留去噪图像的纹理信息。
[0008]为实现上述目的，本专利技术提供了如下方案，包括以下步骤：
[0009]S1、通过对数变换将SAR图像的乘性噪声转换为加性噪声，通过偏执矫正将变换后的噪声标准化；
[0010]S2、通过变差系数(CV)阈值将图像子块分为纹理区或同质区两种类别，根据SAR图像相干斑噪声的特性，选取合适的相似块度量，在搜索区域内匹配固定数量的相似块；
[0011]S3、求解每个相似块矩阵所对应的局部噪声方差，相似块矩阵通过矩阵SVD分解变换到PCA域得到各自分量所对应的PCA系数；
[0012]S4、通过局部线性最小均方误差(LLMMSE)收缩PCA系数，变换回空间域；
[0013]S5、迭代次数加一，返回S2步，直到达到最大迭代次数，输出去噪后的SAR图像。
[0014]优选的，S1中所述的通过对数变换将SAR图像的乘性噪声转换为加性噪声，利用偏置矫正使转换后的噪声的均值等于零。
[0015]优选的，S2中所述的图像子块分为纹理区与同质区两种类别。同质区域具有区域平滑特征，异质区域的纹理特征较为明显。本方法采用变差系数(CV)直方图来估计SAR图像子块区域划分因子，并利用区域因子将SAR图像划分为纹理区和同质区。根据图像子块的类别，选取不同的参数。同质区域选取较小的搜索窗口以及较多数量的相似块；异质区域选取较大的搜索窗口以及较少的相似块。
[0016]优选的，S3中所述的求解局部噪声方差。去噪过程中由于每个图像子块的去噪水平存在不同，在本方法中，利用相似块以及原噪声图对应位置图像子块求解局部噪声方差。通过矩阵的SVD分解，得到特征向量矩阵U，将相似块矩阵变换到PCA域中。
[0017]优选的，S4中所述的通过局部线性最小均方误差(LLMMSE)收缩PCA系数。收缩PCA系数时，所用到的噪声方差为S3步所求的局部噪声方差。干净图像信息系数在PCA域中分布较为集中，噪声信息系数均匀分布在整个PCA域中，收缩系数可以剔除在PCA域中噪声信息系数以达到去噪目的。
[0018]优选的，S5所述的图像子块全部更新到去噪图中，重叠像素取平均。每一次收缩系数可以有效去除高频噪声，低频噪声还有残留，需要增加迭代次数，去除剩余的低频噪声。
[0019]本专利技术的有益效果：
[0020]1、本专利技术提出了一种基于区域划分和主成分分析的SAR图像去噪方法，从而使去噪图像的同质区域更为平滑，纹理区域的细节信息保留的更加完整。
[0021]2、局部噪声方差的使用，使每个图像子块的去噪更为接近干净无噪图像块，去噪图的峰值信噪比以及结构相似度有着不错的提升。
[0022]3、通过增加迭代次数有效去除了图像中的低频噪声。对于真实的SAR图像，有效提升了等效视数。
附图说明
[0023]为了更清晰的说明本专利技术实施方式或现有技术中的技术方案，下面附图简单的介绍。
[0024]图1为本专利技术方法流程示意图；
[0025]图2为本专利技术中House图像区域划分后的效果图；
[0026]图3为本专利技术实施例中模拟SAR图像不同算法的去噪效果图，其中(a)、(b)、(c)分别为模拟SAR图像、SAR
‑
BM3D算法去噪效果图以及FANS算法去噪效果图，(d)为本专利技术的去噪效果图；
[0027]图4为本专利技术实施例中真实SAR图像不同算法的去噪效果图，其中(a)、(b)、(c)分
别为真实SAR图像、SAR
‑
BM3D算法去噪效果图以及FANS算法去噪效果图，(d)为本专利技术的去噪效果图。
具体实施方式
[0028]下面将结合本专利技术实施例中的附图、对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0029]为使本专利技术的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本专利技术作进一步详细的说明。
[0030]本专利技术提出的基于区域划分和分组PCA的SAR图像去噪方法，如附图1所示。具体实现过程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于区域划分和主成分分析的SAR图像去噪方法，其特征在于，包括以下步骤：S1、SAR图像噪声为乘性噪声，通过对数变换将乘性噪声转化为加性噪声，并通过偏置矫正使变换后的加性噪声均值等于零；S2、将图像划分为若干图像块，并通过变差系数(CV)划分图像块为同质区域与异质区域两种类别，根据图像子块自相似特性，在其对应搜索窗口内匹配固定数量的相似块组成样本矩阵；S3、求解样本矩阵对应噪声的方差，样本矩阵的自协方差矩阵通过矩阵SVD分解变换到PCA域得到其对应的PCA系数；S4、通过线性最小均方误差(LLMMSE)收缩PCA系数，并变换回空间域，复位图像子块；S5、迭代次数加一，返回S2步骤，直到达到最大迭代次数，输出去噪后的SAR图像。2.对于权利要求书1所述的基于区域划分和主成分分析的SAR图像去噪方法，其特征在于，S1中所述的噪声预处理方式为：SAR图像的乘性噪声模型可以表示为Y＝X
·
N，其中，Y表示含噪SAR图像，X与N分别表示干净图像以及相干斑噪声；经过多视处理后的SAR图像，其乘性噪声N通常服从均值为1，方差为1/L的Gamma分布，即斑点噪声的概率密度函数如式(1)：其中，L表示图像的等效视数，Γ(
·
)表示伽马函数，通过对数变换log(Y)＝log(X)+log(N)将乘性噪声转换为加性噪声，对数变换后的加性噪声log(N)的均值不等于0，需要执行偏执矫正对加性噪声log(N)标准化处理，公式(2)为加性噪声log(N)均值，为方便表达，通过使用表示加性噪声log(N)，公式(3)为最终的噪声预处理公式：表示加性噪声log(N)，公式(3)为最终的噪声预处理公式：本方法中，为方便表示，使用y＝x+n表示转换后的加性噪声模型。3.对于权利要求书1所述的基于区域划分和主成分分析的SAR图像去噪方法，其特征在于，S2中所述的图像子块划分类别方式为通过变差系数(CV)划分图像子块类别；采用变差系数直方图来估计含噪图像子块的区域划分因子，并且利用区域因子将噪声图像划分为纹理区和同质区；变差系数表达式为：其中，i表示图像的第i个图像子块，σ
i
与μ
i
分别表示第i个图像子块的标准差和均值，阈值τ的表达式如公式(5)所示：τ＝γ
·<...

【专利技术属性】
技术研发人员：王少娜，张正华，王迪，
申请(专利权)人：天津工业大学，
类型：发明
国别省市：