【技术实现步骤摘要】
本申请涉及遥感成像，特别涉及一种合成孔径雷达图像的质量优化方法及装置。
技术介绍
1、合成孔径雷达成像因其分辨率高、穿透性强、全天候工作等优点，被广泛应用于资源监测、地貌测绘等领域。作为一种干涉测量技术，合成孔径雷达的成像过程利用多个回波信号的相干叠加增强图像的横向分辨率，但回波信号的相位波动会带来与信号相关的噪声，即散斑噪声。合成孔径雷达图像的去噪工作一直是领域内的研究重点。
2、相关技术中，对于单张图像去噪问题，可以使用基于局部统计信息的滤波方法，也可以假设散斑噪声遵循gamma分布并求解相应map(maximum a posteriori，最大后验概率)方程的方法，还可以sar(synthetic aperture rader，合成孔径雷达)-bm3d(block-matching and 3d filtering，三维块匹配滤波)方法，以获得达到单张图像去噪的最佳性能；对于多时相图像，可以使用加权求和和空间去噪后进行滤波以实现去噪，也可以使用深度学习进行去噪，如sar-cnn(convolutional neural networks，卷积神经网络)、sar2sar、dualnoise2noise(dual noise-to-noise，双噪声到噪声)等。
3、然而，相关技术中，机载合成孔径雷达平台与运动物体之间的相对运动明显，仍存在明显的散焦噪声，导致运动物体本体能量出现严重的散焦和偏移，对运动物体识别造成困扰，而且相比星载合成孔径雷达图像，相对较低的平台高度导致同视野下相邻帧运动目标的偏移量更
技术实现思路
1、本申请提供一种合成孔径雷达图像的质量优化方法及装置，以解决相关技术中，机载合成孔径雷达成像中运动物体本体能量散焦严重，且难以通过多帧平均方式获得高质量低噪声图像等问题。
2、本申请第一方面实施例提供一种合成孔径雷达图像的质量优化方法，包括以下步骤：基于由散焦图像数据集构建的异常检测模型，从待优化合成孔径雷达图像中提取图像特征；根据图像特征确定存在散焦的图像，并计算所述存在散焦的图像对应的异常图；利用所述异常图得到散焦掩膜，以根据所述散焦掩膜对散焦覆盖的信息进行恢复。
3、可选地，在本申请的一个实施例中，还包括：构建独立同分布的噪声图像；基于所述噪声图像训练目标神经网络，得到训练好的目标神经网路；将待优化合成孔径雷达图像输入至所述训练好的目标神经网络中，以去除散斑噪声，得到去噪后的图像。
4、可选地，在本申请的一个实施例中，所述噪声图像的获取公式可以但不限于为：
5、il1*＝d(il1)+il2-d(il2)，
6、其中，(il1，il1*)为噪声图像对，il1，il2为两个相邻时间帧、相同视野下的对数图像。
7、可选地，在本申请的一个实施例中，所述根据所述散焦掩膜对散焦覆盖的信息进行恢复，包括：构建目标记忆库；确定所述目标记忆库中与所述待优化合成孔径雷达图像的特征最接近的图像块；基于所述最接近的图像块，填充掩膜对应位置的信息，以得到去散焦后的图像。
8、可选地，在本申请的一个实施例中，所述去散焦后的图像的获取公式可以但不限于为：
9、pab*＝pm⊙mab+pab⊙(1-mab)，
10、其中，pm为在记忆库中与异常图像pab的特征最接近的图像块，mab为散焦掩膜。
11、本申请第二方面实施例提供一种合成孔径雷达图像的质量优化装置，包括：提取模块，用于基于由散焦图像数据集构建的异常检测模型，从待优化合成孔径雷达图像中提取图像特征；计算模块，用于根据图像特征确定存在散焦的图像，并计算所述存在散焦的图像对应的异常图；去散焦模块，用于利用所述异常图得到散焦掩膜，以根据所述散焦掩膜对散焦覆盖的信息进行恢复。
12、可选地，在本申请的一个实施例中，还包括：构建模块，用于构建独立同分布的噪声图像；训练模块，用于基于所述噪声图像训练目标神经网络，得到训练好的目标神经网路；去噪模块，用于将待优化合成孔径雷达图像输入至所述训练好的目标神经网络中，以去除散斑噪声，得到去噪后的图像
13、可选地，在本申请的一个实施例中，所述噪声图像的获取公式可以但不限于为：
14、il1*＝d(il1)+il2-d(il2)，
15、其中，(il1，il1*)为噪声图像对，il1，il2为两个相邻时间帧、相同视野下的对数图像。
16、可选地，在本申请的一个实施例中，所述去散焦模块，包括：构建单元，用于构建目标记忆库；确定单元，用于确定目标记忆库中与所述待优化合成孔径雷达图像的特征最接近的图像块；生成单元，用于基于所述最接近的图像块，填充掩膜对应位置的信息，以得到去散焦后的图像。
17、可选地，在本申请的一个实施例中，所述去散焦后的图像的获取公式可以但不限于为：
18、pab*＝pm⊙mab+pab⊙(1-mab)，
19、其中，pm为在记忆库中与异常图像pab的特征最接近的图像块，mab为散焦掩膜。
20、本申请第三方面实施例提供一种电子设备，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如上述实施例所述的合成孔径雷达图像的质量优化方法。
21、本申请第四方面实施例提供一种计算机可读存储介质，所述计算机可读存储介质存储计算机程序，该程序被处理器执行时实现如上的合成孔径雷达图像的质量优化方法。
22、本申请第五方面实施例提供一种计算机程序产品，包括计算机程序，该程序被执行时实现如上的合成孔径雷达图像的质量优化方法。
23、本申请实施例可以基于由散焦图像数据集构建的异常检测模型，从待优化合成孔径雷达图像中提取图像特征，进而确定存在散焦的图像，并计算散焦掩膜，实现对散焦覆盖的信息进行恢复，从图像域角度出发，设计自动化机器标注算法并构建异常检测模型实现对散焦的判别与定位，可以自动筛选大部分散焦图像且不需要散焦信息的分割标签，不需要额外微调训练即可对散焦覆盖的信息进行恢复，极大降低数据标注的成本，具有更好的泛用性。由此，解决了相关技术中，机载合成孔径雷达成像中运动物体本体能量散焦严重，且难以通过多帧平均方式获得高质量低噪声图像等技术问题。
24、本申请附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
本文档来自技高网...【技术保护点】
1.一种合成孔径雷达图像的质量优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，所述噪声图像的获取公式为：
4.根据权利要求1所述的方法，其特征在于，所述根据所述散焦掩膜对散焦覆盖的信息进行恢复，包括：
5.根据权利要求4所述的方法，其特征在于，所述去散焦后的图像的获取公式为：
6.一种合成孔径雷达图像的质量优化装置，其特征在于，包括：
7.根据权利要求6所述的装置，其特征在于，还包括：
8.根据权利要求7所述的装置，其特征在于，所述噪声图像的获取公式为：
9.根据权利要求6所述的装置，其特征在于，所述去散焦模块，包括：
10.根据权利要求9所述的装置，其特征在于，所述去散焦后的图像的获取公式为：
【技术特征摘要】
1.一种合成孔径雷达图像的质量优化方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的方法，其特征在于，还包括：
3.根据权利要求2所述的方法，其特征在于，所述噪声图像的获取公式为：
4.根据权利要求1所述的方法，其特征在于，所述根据所述散焦掩膜对散焦覆盖的信息进行恢复，包括：
5.根据权利要求4所述的方法，其特征在于，所述去散焦后的图像的获...
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。