基于聯合稀疏表示與殘差融合的sar圖像噪聲抑制方法
【專利摘要】本發明公開了一種基于聯合稀疏表示和殘差融合的SAR圖像噪聲抑制方法，主要解決現有的SAR圖像去噪方法斑點噪聲抑制不充分，細節保持差的問題。其實現步驟是：(1)對圖像做塊匹配得到相似集合；(2)對圖像做局部方差估計(3)利用局部方差與WSOMP方法對相似集合進行聯合稀疏表示得到稀疏系數，并計算殘差集合；(4)對殘差集合進行殘差融合，并用小波軟閾值算法去噪得到融合殘差；(5)利用融合殘差與稀疏系數對字典進行更新；(6)利用更新后的字典對相似塊集合進行圖像重構，得到去噪塊集合；(7)將去噪塊集合返回圖像原位置，得到去噪圖像。本發明顯著提高了SAR圖像去斑效果，可用于SAR圖像目標識別與圖像增強。
【專利說明】基于聯合稀疏表示與殘差融合的SAR圖像噪聲抑制方法
【技術領域】
[0001] 本發明屬于圖像處理【技術領域】，特別涉及一種SAR圖像噪聲抑制方法，可用于含 有乘性噪聲的SAR圖像去噪、自適應字典學習。
【背景技術】
[0002] 數字圖像處理技術伴隨著科技的進步，特別是計算機技術的突飛猛進的發展而開 拓出新的一片天地，無論是在軍用還是民用都取得了非常大成果。如合成孔徑雷達圖像 SAR，遙感圖像，紅外圖像等。合成孔徑雷達SAR是一種具有高分辨率的遙感成像雷達，其工 作方式具有全天候、全天時、多極化、多波段的特點，它不僅可以較詳細準確地獲取地表信 息，還可以透過地表和植被收集地下信息，因此近年來得到了快速發展，在國防、環境、國民 經濟等方面具有突出的戰略意義。
[0003] SAR圖像去噪是SAR圖像應用的關鍵步驟，特殊的成像機理使SAR圖像呈現不同于 光學圖像的圖像特點，因而想要獲得好的去噪效果，就必須采用與這種特殊圖像相適應的 去噪方法。圖像去噪是不可缺少的步驟，只有去除掉噪聲的干擾，才能從圖像中獲取準確的 信息，避免錯誤的信息。因此在圖像處理中，去噪理論是最為基礎的。
[0004] SAR圖像中普遍存在的斑點噪聲是一種典型的乘性噪聲，對于乘性噪聲的研究相 對于常見的加性噪聲較少，常見的SAR圖像去噪算法有基于線性最小均方誤差的LEE、KUAN 等濾波器，基于最大后驗概率的GAMMP MAP濾波器及其增強版本等。還有很多算法通過對 數變換等方法將乘性轉換成加性噪聲，然后用去除加性噪聲的思想來對其進行去噪。這些 算法取得了一定的效果，但是在圖像細節方面保持的不好，如紋理，邊緣，點狀目標等。近年 來提出的效果較好的算法還有基于雙邊濾波器提出的非局部均值算法以及基于稀疏表示 理論提出的KSVD算法，它通過對圖像塊進行稀疏表示來達到去噪目的，它們在加性噪聲處 理上取得了很好的效果，但是面對較為強烈的乘性斑點噪聲仍然存在以下不足 ：
[0005] 1、對于圖像的細節部分保持較差，圖像的邊緣被模糊，亮點部分很難保持。
[0006] 2、圖像的平滑區域去噪不夠充分，影響圖像整體效果。
[0007] 3、很難區分斑點噪聲與實際目標，影響目標識別的效果。
【發明內容】
[0008] 本發明的目的在于針對上述現有技術的問題，提出一種基于聯合稀疏表示和殘差 融合的SAR圖像噪聲抑制方法，以提高去噪效果，保持圖像細節，進而提高目標的識別的準 確度。
[0009] 為實現上述目的，本發明包括如下步驟：
[0010] 1)對輸入SAR圖像C中的每一個點Ci，j，以其為中心點選取大小為8*8的鄰域，將 鄰域塊列化為向量記為x i;j，再以ci;j為中心得到一個尺度為19*19的正方形搜索窗Λ，在 搜索窗△內計算所有點的相似度，并選取相似度最高的32個塊與向量& 一起組成相似集 合Si;j，以相似集合Si;j內的所有相似數據xu， v為列向量組成矩陣Xi;j，其中u，v e Si;j，i，j 為圖像C中的行、列坐標；
[0011] 2)對輸入SAR圖像c中的每一個點Ci，j，以其為中心點選取大小為3*3的鄰域進 行局部方差估計σ i，j = mear^y^),根據局部方差σ i;j計算點Ci，j的權值β u，其中yi;j為 含噪圖像中以Cy為中心的3*3鄰域；
[0012] 3)根據計算得到的點Cu的權值β u與局部方差估計σ U，計算追蹤門限ε = β σ ^))2,其中 c 為常數；
[0013] 4)根據追蹤門限ε，選擇K-SVD算法中使用的DCT字典作為初始字典D，通過 WS0MP算法求解如下不等式得到相似塊集合Xu的稀疏向量集合Au :
[0014]
【權利要求】
1. 一種基于聯合稀疏表示和殘差融合的SAR圖像噪聲抑制方法，包括如下步驟： 1) 對輸入SAR圖像c中的每一個點Ci，p以其為中心點選取大小為8*8的鄰域，將鄰域 塊列化為向量記為x i;j，再以ci;j為中心得到一個尺度為19*19的正方形搜索窗Λ，在搜索 窗Λ內計算所有點的相似度，并選取相似度最高的32個塊與向量Xu -起組成相似集合 Si;j，以相似集合Si;j內的所有相似數據xu;v為列向量組成矩陣X i;j，其中u，v e Si;j，i，j為 圖像c中的行、列坐標； 2) 對輸入SAR圖像c中的每一個點Ci，j，以其為中心點選取大小為3*3的鄰域進行局 部方差估計σ i，j = meanbi j)，根據局部方差σ i;j計算點Ci j的權值β u，其中j為含噪 圖像中以ci;j為中心的3*3鄰域； 3) 根據計算得到的點Cu的權值與局部方差估計計算追蹤門限ε = β σ ^))2,其中 c 為常數； 4) 根據追蹤門限ε，選擇K-SVD算法中使用的DCT字典作為初始字典D，通過WSOMP算 法求解如下不等式得到相似塊集合Xu的稀疏向量集合:
其中
表示求內積，IIII丨表示求取2范數； 5) 根據得到的稀疏向量集合Au，對相似塊集合Su計算殘差集合Ey = Su_DAu，對 Et」進行殘差融合得到融合殘差色,7:
其中eu v e 為殘差集合Eg中的向量，t為殘差集合Eg的行平均估計值，
為 加權融合后的殘差向量，λ為控制系數，^^^表示求取1范數。 6) 根據得到的融合殘差，對其進行小波軟閾值變換得到小波系數
其中Α..?,表示求內積，DwWy是殘差的小波變換算子，λ是控制參數， 表示求取1范數 7) 對小波系數進行小波反變換得到殘差去噪結果
其中./表示向量點除，
表示小波反變換； 8) 根據得到的殘差去噪結果
進行字典更新，得到更新后的字典D' ； 9) 利用更新后的字典D'對圖像塊集合Si:j進行重構得到去噪塊集合將其返回SAR 圖像中原位置（i，j)，得到去噪后的圖像。
2. 根據權利要求1所述的基于聯合稀疏表示和殘差融合的SAR圖像噪聲抑制方法，其 特征在于步驟（1)所述的在搜索窗△內計算所有點的相似度，通過如下公式計算：
其中h為控制系數：
Λ中不同于的Xu另一圖像塊列向量，exp表示 取指數，log表示取對數，w(Xi，j-yu，v)表示Xu與yu， v的相似度。
3. 根據權利要求1所述的基于聯合稀疏表示和殘差融合的SAR圖像噪聲抑制方法，其 特征在于步驟（2)所述的根據局部方差〇 u計算點Cij的權值β u，通過如下公式計算：
其中，〇 u為圖像中點Ci」的方差估計值，min表示取最小值。
4. 根據權利要求1所述的基于聯合稀疏表示和殘差融合的SAR圖像噪聲抑制方法，其 特征在于步驟（8)所述的根據得到的殘差去噪結果進行字典更新，得到更新后的字典 D'，按如下步驟進行： 8a)對于稀疏向量集合Ai;j中所有的稀疏向量e 4.;以及字典D中的字典原子士，通 過如下公式選取對應的系數，不為零的塊v :
其中H7)為稀疏向量先#中與字典原子屯位置相同的稀疏向量；
據所有得到的塊c〇u v的位置（u，v)，選取步驟7)中相同位置（u，v)的殘差 8c)將所選的殘_
乍為矩陣的列構成殘差矩陣Ei，通過如下式子得到更新后的字 典原子4和稀疏系數f :
其中
表示求取F范數
表示求取2范數，α 1為稀疏向量的轉 置結果； 8d)重復步驟4)?7)共15次，得到更新后的字典D'。
5. 根據權利要求1所述的基于聯合稀疏表示和殘差融合的SAR圖像噪聲抑制方法，其 特征在于步驟（9)所述的利用更新后的字典D'對圖像塊集合Su進行重構，按如下公式進 行：
其中Au為稀疏系數，為去噪塊集合。
【文檔編號】G06T5/00GK104156918SQ201410377528
【公開日】2014年11月19日 申請日期:2014年8月1日 優先權日:2014年8月1日
【發明者】鐘樺, 焦李成, 馬可, 田小林, 王爽, 侯彪, 熊濤, 馬文萍, 劉紅英 申請人:西安電子科技大學