法律状态公告日
法律状态信息
法律状态
2015-12-09
授权
授权
2014-01-15
实质审查的生效 IPC(主分类):G06T5/00 申请日:20130917
实质审查的生效
2013-12-18
公开
公开
技术领域
本发明属于图像处理技术领域,更进一步涉及SAR图像去噪领域的一种基 于同质区域分割的SAR图像去噪方法,本发明可用于SAR图像降班处理。
背景技术
合成孔径雷达SAR作为主动雷达,具有不受光照、天气条件影响的特点, 可以全天候、全天时对地观测,还可以透过地表和植被获取信息,在农业、林业、 地质与军事领域等得到广泛的应用。SAR图像中由于成像散射体散射回波的相 干作用造成的斑点噪声的存在不利于图像中场景的自动分析和SAR图像的理 解,使得图像解译工作变得困难,尤其是对SAR图像中强弱目标点和边缘的影 响非常明显。因此斑点噪声的抑制对SAR图像的后续处理如目标识别等是非常 重要的。
SAR图像相干斑抑制主要有空域滤波和频域滤波两种,常见的空域抑斑方 法如非局部均值滤波、基于稀疏表示的图像滤波去噪、迭代权重最大似然PPB (Probabilistic Patch-based Weight)算法等。非局部均值滤波算法是基于加性高 斯噪声的上推导出来的,在对SAR图像进行处理前需对数化处理,使乘性相干 斑噪声转化为加性噪声,以近似服从高斯分布且与目标信号相互独立,但处理效 果仍不理想,边缘和细节部分易出现模糊。基于稀疏表示的图像去噪方法,是最 近提出的一种空域图像去噪新方法,它采用图像在冗余字典上的稀疏近似来实现 去噪,KSVD字典学习中的误差控制易造成图像的部分纹理信息丢失,增加后期 变化检测的误检率。
频域滤波主要是利用多分辨分析的方法,常见的有基于小波变换的方法。小 波变换用于SAR图像去噪,主要是对变换后的系数取阈值或者计算无噪信号系 数后验概率,进而计算理想信号系数,然后逆变换得到去噪图像。它们能对SAR 图像斑点噪声有效滤除且纹理信息也得到一定的保留,但同质区域会出现划痕效 应,边缘和强反射点目标模糊。
凤宏晓等在文献“基于自适应窗和形状自适应小波变换的SAR图像相干斑 抑制.红外与毫米波学报28卷第3期2009”中提出的SAR图像抑制方法,该文 献是用通过局部多项式近似-置信区间交叉的方法构造每个像素点相对应的同质 区域,对每个同质区域利用快速形状自适应小波变换进行硬阈值收缩抑斑。该文 献虽然能去除图像重构中的“振铃”效应,但是对图像中的弱目标点还是无法保 持,边缘不能保持清晰。
西安电子科技大学拥有的专利技术“基于同质点计算的SAR图像去斑方法” (专利申请号:2009100209548,授权公告号:CN101482969B)中提出了一种基 于同质点计算的SAR图像去斑方法。该专利技术采用对SAR图像中点、线、边 缘和面目标的同质点之间进行去噪的方法。该方法虽然能最大限度的平滑斑点噪 声的同时保持SAR图像的边缘和纹理细节,但是仍然存在的不足是,同质点之 间加权平均不能对图像有很好的稀疏表示,同质区域没有得到较好的去噪效果, 弱目标点也很难保持。
发明内容
本发明的目的在于克服上述算法的不足,提出了基于同质区域分割的SAR 图像稀疏去噪方法,能有效地去除噪声,同时对强弱目标点以及边缘等细节信 息也能很好地保留。
实现本发明的技术思路是:首先,将SAR图像分割成大小不一的同质区域 块;其次,计算每个同质区域块的局部标准差;然后,根据同质区域块的大小选 择不同原子大小的字典;最后,对每块同质区域用各自的字典稀疏去噪,得到整 幅图像的去噪结果。
实现本发明目的的具体步骤如下:
(1)输入图像:
输入任选的一幅单极化幅度图的合成孔径雷达SAR图像。
(2)得到对数变换图像:
对读入的合成孔径雷达SAR图像中每个像素点的灰度值作对数变换,用每 个像素点灰度值对数变换后的值替代该像素点的灰度值,得到一幅对数变换图 像。
(3)确定中心像素点的同质区域:
3a)从对数变换图像的第一行起,逐行并按照每一行从左到右的顺序,找出 第一个像素点灰度值为非零的像素点,将该非零像素点作为中心像素点,保存该 中心像素点空间位置;
3b)以中心像素点为起点,将水平向右的方向的像素点组成一列,得到中心 像素点0度方向像素点的集合;
以中心像素点为起点,将水平向右和垂直向上的像素中与水平方向和垂直方 向间距相等的像素点组成一列,得到中心像素点45度方向像素点的集合;
以中心像素点为起点,将垂直向上的方向的像素点组成一列,得到中心像素 点90度方向像素点的集合;
以中心像素点为起点,将水平向左和垂直向上的像素中与水平方向和垂直方 向间距相等的像素点组成一列,得到中心像素点135度方向像素点的集合;
以中心像素点为起点,将水平向左的方向的像素点组成一列,得到中心像素 点180度方向像素点的集合;
以中心像素点为起点,将水平向左和垂直向下的像素中与水平方向和垂直方 向间距相等的像素点组成一列,得到中心像素点225度方向像素点的集合;
以中心像素点为起点,将垂直向下的方向的像素点组成一列,得到中心像素 点270度方向像素点的集合;
以中心像素点为起点,将水平向右和垂直向下的像素中与水平方向和垂直方 向间距相等的像素点组成一列,得到中心像素点315度方向像素点的集合;
3c)按照下式,得到中心像素点与该像素点的c方向像素点集合中的像素点 的权值:
其中,表示中心像素点的c方向上的像素点集合中第l个像素点与中心像 素点之间的权值,l表示中心像素点的c方向像素点集合中远离中心像素点的顺 序位置,l初始值设为1,c表示中心像素点的方向,c依次取0,45,90,135, 180,225,270,315度方向,exp(·)表示取指数运算的操作,h表示中心像素点 的c方向像素点集合中第l个像素点与中心像素点之间的欧式距离的平滑参数, X表示以中心像素点为中心的3×3大小的邻域矩阵,表示以中心像素点的c 方向像素点集合中第l个像素点为中心的3×3大小的方向邻域矩阵,表 示邻域矩阵X与方向邻域矩阵相减后所得差值矩阵中所有元素的和;
3d)判断两像素点之间的权值和设定的阈值T的大小关系,若权值小于 阈值T,则比较中心像素点和中心像素点的c方向像素点的集合中远离中心像素 点方向的下一个像素点的权值,将l的值加上1,返回步骤3c);若权值大于 等于阈值T,则将l的值赋给中心像素点的c方向的长度ac,并取下一个中心像 素点的方向c,返回步骤3c),直到得到中心像素点的8个方向长度 {ac|c=0,45,90,135,180,225,270,315};
3e)在输入的图像中,与中心像素点距离为长度ac的像素点作为中心像素点 的c方向的顶点,直线连接相邻的方向顶点,围绕成的区域即为该中心像素点的 同质区域;
3f)将对数变换图像中与同质区域位置相同像素点的灰度值更新为0。
(4)判断像素点灰度值是否都为0:
判断对数变换图像中的像素点灰度值是否都为0,若否,则执行步骤(3); 否则,得到所有K个同质区域和每个同质区域对应的8个方向长度,K表示对 数图像的同质区域的总个数,则执行步骤(5)。
(5)迭代权重最大似然PPB去噪:
对输入的合成孔径雷达SAR图像,用迭代权重最大似然PPB方法去噪,得 到PPB去噪后的图像。
(6)计算每个同质区域的标准差:
6a)找出输入图像和迭代权重最大似然PPB去噪后的图像中与对数图像的 同质区域空间位置相对应的区域,得到输入图像的同质区域和迭代权重最大似然 PPB去噪后图像的同质区域;
6b)对每个输入图像的同质区域,按照下式计算,得到输入图像的同质区域 的标准差:
其中,σk表示第k个输入图像的同质区域的标准差,Qk表示第k个输入图 像的同质区域内所包含的像素总个数,Ik表示输入图像的同质区域,j表示每个 同质区域内的像素序号,Ikj表示第k个输入图像的同质区域内的第j个像素的灰 度值,Jk表示迭代权重最大似然PPB去噪后图像的第k个同质区域中像素灰度 值的均值。
(7)计算面积:
7a)按照下式计算每个输入图像的同质区域的面积
其中,S表示输入图像的同质区域的面积,a0,a1,a2,a3,a4,a5,a6,a7分 别表示输入图像的每个同质区域的0,45,90,135,180,225,270,315度方向上的长 度;
7b)将过完备稀疏表示字典每一列作为一个原子,将η设定为过完备稀疏字 典中每个原子的长度;
7c)若每个输入图像同质区域的面积小于9,则将该区域内直接采用迭代权 重最大似然PPB的去噪结果,作为最终去噪结果;若每个输入图像同质区域的 面积大于等于9并且小于81之间,则η值取为9;若每个输入图像同质区域的 面积大于等于81并且小于576之间,则η值取为25;若每个输入图像同质区域 的面积大于等于576并且小于1521之间,则η值取为49;若每个输入图像同质 区域的面积大于等于1521,则η值取为64。
(8)对每个输入图像的同质区域进行稀疏字典KSVD去噪:
8a)由每个输入图像的同质区域得到的η值,对过完备稀疏表示字典初始化, 过完备稀疏表示字典表示为离散余弦变换DCT字典,过完备稀疏表示字典大小 为η×4η,η表示过完备稀疏表示字典中每个原子的长度;
8b)按照下式,得到每个输入图像的同质区域的图像块:
Iij=RijI
其中,Iij表示输入图像的同质区域的图像块,i,j表示图像块的行的标号 和列的标号,Rij表示图像抽取矩阵,I表示输入图像的同质区域;
8c)判断判断输入图像的同质区域的局部标准差是否小于等于5,若是,则 执行步骤8d)5次;否则,执行步骤8d)10次;
8d)采用稀疏表示的字典设计KSVD法,对每个输入图像的同质区域,分 别更新过完备稀疏表示字典和每个输入图像的同质区域块的图像块Iij的稀疏表 示系数;
8e)采用重构公式,分别估计每个输入图像的同质区域的去噪结果,得到所 有的输入图像的同质区域的去噪结果。
(9)图像合成:
将所有的去噪后的输入图像的同质区域按位置合成去噪后输入图像,得到输 入图像的去噪结果。
(10)输出结果:
输出读入合成孔径雷达SAR图像的去噪结果。
本发明与现有技术相比较,具有以下优点:
第一,本发明将图像分成不同的同质区域块,对每个同质区域块分别去噪, 使得字典能更稀疏表示图像,克服了现有技术字典去噪方法中对整幅图像对数变 换带来的均值漂移的问题,使得本发明具有能有效的抑制同质区域噪声的优点。
第二,本发明根据每个同质区域块的大小,自适应的选择不同大小的字典, 克服了现有技术稀疏字典去噪中,字典固定,对图像中的点目标无法保持的问题, 使得本发明具有对强弱目标点能很好的保持的优点。
第三,本发明将图像分割成不同的区域,每个区域都是用像素点之间的权 值计算确定,边缘区域也当作一种同质区域来去噪,克服了现有技术中边缘出现 划痕以及块效应的问题,使得本发明具有边缘保持清晰,消除边缘划痕以及块效 应的优点。
附图说明
图1是本发明的流程图;
图2是本发明的输入的图像;
图3是现有技术PPB方法对输入图像的去噪结果示意图;
图4是本发明对输入图像去噪的结果示意图。
具体实施方式
下面结合附图对本发明作进一步的描述。
参照附图1,本发明的具体步骤如下:
步骤1:输入图像。
输入任选的一幅单极化幅度图的合成孔径雷达SAR图像。
步骤2:得到对数变换图像。
对读入的一幅合成孔径雷达SAR图像的每个像素点的灰度值作对数变换, 将每个像素点灰度值对数变换后的值替代该像素点的灰度值,得到一幅对数变换 图像。
步骤3:确定中心像素点的同质区域。
3a)从对数变换图像的第一行起,逐行并按照每一行从左到右的顺序,找出 第一个像素点灰度值为非零的像素点,将该非零像素点作为中心像素点,保存该 中心像素点空间位置。
3b)以中心像素点为起点,将水平向右的方向的像素点组成一列,得到中心 像素点0度方向像素点的集合。
以中心像素点为起点,将水平向右和垂直向上方向的中间方向上的像素点组 成一列,得到中心像素点45度方向像素点的集合。
以中心像素点为起点,将垂直向上的方向的像素点组成一列,得到中心像素 点90度方向像素点的集合。
以中心像素点为起点,将水平向左和垂直向上方向的中间方向上的像素点组 成一列,得到中心像素点135度方向像素点的集合。
以中心像素点为起点,将水平向左的方向的像素点组成一列,得到中心像素 点180度方向像素点的集合。
以中心像素点为起点,将水平向左和垂直向下方向的中间方向上的像素点组 成一列,得到中心像素点225度方向像素点的集合。
以中心像素点为起点,将垂直向下的方向的像素点组成一列,得到中心像素 点270度方向像素点的集合。
以中心像素点为起点,将水平向右和垂直向下方向的中间方向上的像素点组 成一列,得到中心像素点315度方向像素点的集合。
3c)按照下式,得到中心像素点与该像素点c度方向像素点集合中的像素点 的权值:
其中,表示中心像素点的c方向上的像素点集合中第l个像素点与中心像 素点之间的权值,l表示中心像素点的c方向像素点集合中远离中心像素点的顺 序位置,l初始值设为1,c表示中心像素点的方向,c依次取 0,45,90,135,180,225,270,315度方向,exp(·)表示取指数运算的操作,h表 示中心像素点的c方向像素点集合中第l个像素点与中心像素点之间的欧式距离 的平滑参数,X表示以中心像素点为中心的3×3大小的邻域矩阵,表示以中 心像素点的c方向像素点集合中第l个像素点为中心的3×3大小的方向邻域矩 阵,表示邻域矩阵X与方向邻域矩阵相减后所得差值矩阵中所有元 素的和。
3d)判断两像素点之间的权值和设定的阈值T的大小关系,若权值小于 阈值T,则比较中心像素点和中心像素点的c方向像素点的集合中远离中心像素 点方向的下一个像素点的权值,将l的值加上1,返回步骤3c);若权值大于 等于阈值T,则将l的值赋给中心像素点的c方向的长度ac,并取下一个中心像 素点的方向c,返回步骤3c),直到得到中心像素点的8个方向长度 {ac|c=0,45,90,135,180,225,270,315},设定的阈值T取值范围为:0.5~0.7, 本发明取值0.55。
3e)在输入的图像中,与中心像素点距离为长度ac的像素点作为中心像素点 c方向顶点,直线连接相邻的方向顶点,围绕成的区域即为该中心像素点的同质 区域。
3f)将对数变换图像中与同质区域位置相同像素点的灰度值设置为0。
步骤4:得到所有的同质区域。
判断对数变换图像中的像素点灰度值是否都为0,若否,则执行步骤(3); 否则,得到所有K个同质区域和每个同质区域对应的8个方向长度,K表示对 数图像的同质区域的总个数,则执行步骤(5)。
步骤5:PPB去噪。
对输入的合成孔径雷达SAR图像,用迭代权重最大似然PPB方法去噪,得 到PPB去噪后的图像。
第一步,对输入SAR图像的每个像素点,确定该像素点邻域21×21大小的 窗口。
第二步,按照下式,得到窗口内其他像素点和该像素点的权值:
其中,w(s,t)表示待估计的像素点s和该像素点邻域21×21大小的窗口内像 素点t的权值,exp(·)表示取指数操作,h表示平滑参数,控制指数的衰减程度, p表示像素点s或者像素点t的7×7大小的邻域内的像素点的序号,rp=As,pAt,p, As,p表示待估计的像素点s的7×7大小的邻域内的第p个像素点的灰度值,At,p表 示像素点t的7×7大小的邻域内的第p个像素点的灰度值。
第三步,按照下式,得到该像素点的最终估计值;
其中,F表示像素点s的估计值,w(s,t)表示待估计的像素点s和该像素点 邻域21×21大小的窗口内其他像素点t的权值,t表示待估计的像素点s的21×21 大小邻域窗口内像素点,Ws表示待估计的像素点s的邻域21×21大小的窗口,At表示像素点t的灰度值。
第四步,计算每个像素点的估计值,得到迭代权重最大似然PPB方法对输 入图像的去噪结果。
步骤6:计算每个同质区域的标准差。
找出输入图像和迭代权重最大似然PPB去噪后的图像中与对数图像的同质 区域空间位置相对应的区域,得到输入图像的同质区域和迭代权重最大似然PPB 去噪后图像的同质区域。
对每个输入图像的同质区域,按照下式计算,得到输入图像的同质区域的标 准差:
其中,σk表示第k个输入图像的同质区域的标准差,Qk表示第k个输入图 像的同质区域内所包含的像素总个数,Ik表示输入图像的同质区域,j表示每个 同质区域内的像素序号,Ikj表示第k个输入图像的同质区域内的第j个像素的灰 度值,Jk表示迭代权重最大似然PPB去噪后图像的第k个同质区域中像素灰度 值的均值。
步骤7:计算面积。
按照下式计算每个输入图像的同质区域的面积:
其中,S表示输入图像的同质区域的面积,a0,a1,a2,a3,a4,a5,a6,a7分 别表示输入图像的每个同质区域的0,45,90,135,180,225,270,315度方向上的长 度。
将过完备稀疏表示字典每一列作为一个原子,将η设定为过完备稀疏字典中 每个原子的长度。
若每个输入图像同质区域的面积小于9,则将该区域内直接采用迭代权重最 大似然PPB的去噪结果,作为最终去噪结果;若每个输入图像同质区域的面积 大于等于9并且小于81之间,则η值取为9;若每个输入图像同质区域的面积 大于等于81并且小于576之间,则η值取为25;若每个输入图像同质区域的面 积大于等于576并且小于1521之间,则η值取为49;若每个输入图像同质区域 的面积大于等于1521,则η值取为64。
步骤8:对每个同质区域进行稀疏字典KSVD去噪。
8a)由每个输入图像的同质区域得到的η值,对过完备稀疏表示字典初始化, 过完备稀疏表示字典表示为离散余弦变换DCT字典,过完备稀疏表示字典大小 为η×4η,η表示过完备稀疏表示字典中每个原子的长度。
8b)按照下式,得到每个输入图像的同质区域的图像块:
Iij=RijI
其中,Iij表示输入图像的同质区域的图像块,i,j表示图像块的行的标号 和列的标号,Rij表示图像抽取矩阵,I表示输入图像的同质区域。
8c判断判断输入图像的同质区域的局部标准差是否小于等于5,若是,则执 行步骤8d)5次;否则,执行步骤8d)10次。
8d)采用稀疏表示的字典设计KSVD法,对每个输入图像的同质区域,分 别更新过完备稀疏表示字典和每个输入图像的同质区域块的图像块Iij的稀疏表 示系数。
第一步,按照如下公式,计算合成图像的图像块Iij的稀疏表示系数:
其中,aij表示合成图像的图像块Iij的稀疏表示系数,i,j表示两时相图像 合成图像的图像块的行的标号和列的标号,argmin表示使目标函数取最小值的 变量值操作,||·||0表示取其中非零元素个数的操作,D表示稀疏表示字典,σ表 示两时相图像的不变区域的噪声标准差,s.t.表示公式的约束条件。
第二步,按下式计算合成图像的图像块的残差:
其中,表示合成图像的图像块的残差,i,j表示两时相图像合成图像的 图像块的行的标号和列的标号,字典的每一列称为原子,h表示一个原子在字典 所有原子中的位置,h=1,2,?,ω,ω表示字典D中原子的数目,Iij表示合成图 像的图像块,dt为字典D的第t个原子,aij(t)为稀疏系数中的第t个元素。
第三步,按照下式,得到合成图像的图像块的残差组成的集合:
其中,E表示合成图像的图像块的残差组成的集合,表示合成图像的图 像块的残差,h表示一个原子在字典所有原子中的位置,∈表示逻辑表达中的“包 含于”的符号,z表示用到原子dh的合成图像的图像块的坐标位置的集合,i,j 分别表示属于坐标位置的集合z中的行的标号和列的标号。
第四步,对所述的残差组成的集合E按照如下公式进行奇异值分解:
E=UΔVT
其中,U表示左奇异矩阵,Δ表示奇异值矩阵,VT表示右奇异矩阵的转置。
第五步,用左奇异矩阵U中的第一列替代原子dh,dh表示字典D的第h个 原子,用右奇异矩阵的转置VT的第一行乘以Δ(h,h)以替代aij(h)进行更新。
采用重构公式,分别估计同质区域的去噪结果,得到所有的同质区域的去噪 结果:
其中,J表示同质区域块的去噪结果,λ表示拉格朗日乘子,λ=30/σ,σ 表示同质区域块的噪声标准差,X表示与同质区域块大小相同的单位矩阵,i, j表示图像块的行的标号和列的标号,Rij表示图像抽取矩阵,表示Rij的转 置,[·]-1表示矩阵的逆操作,I表示同质区域块,D表示更新后的过完备稀疏表 示字典,aij表示更新后的稀疏表示系数。
步骤9:图像合成。
将所有的去噪后的输入图像的同质区域按位置合成去噪后输入图像,得到输 入图像的去噪结果。
步骤10:输出结果。
输出读入合成孔径雷达SAR图像的去噪结果。
下面结合仿真对本发明效果做进一步的说明:
1、仿真实验条件说明和设置:
本发明的仿真实验所使用的输入图像如图2(a)和图2(b)所示,大小都 为256×256,格式为BMP的单极化幅度图的SAR图像。实验中,本发明和对 比方法都是在MATLAB2009a软件中编程实现。
2、仿真结果分析:
本发明用到一个对比方法:Deledalle等在文献“Iterative weighted maximum likelihood denoising with probabilistic patch-based weights.IEEE Transactions on Image Processing,2009,18(12):2661-2672.”中提出的SAR图像去噪方法,简称 PPB。目前SAR图像去噪效果较好的PPB算法,再次验证本发明能对同质区域 有很好的去噪效果的同时,能对强弱目标点,边缘等信息由很好的保持。
图3是用PPB方法对图2进行去噪得到的去噪的结果,图3(a)表示PPB 方法对图2(a)的去噪结果,图3(b)表示PPB方法对图2(b)的去噪结果, PPB滤波方法在边缘上有划痕,并且边缘不够清晰。
图4是用本发明方法对图2进行去噪得到的去噪的结果,图4(a)表示本 发明方法对图2(a)的去噪结果,图4(b)表示本发明方法对图2(b)的去噪 结果,边缘部分没有划痕,边缘比较清晰,对强目标点和边缘保持也比较好。
从整幅图的等效示数来比较,对图2(a),本发明方法与PPB分别为5.7704 和5.3628。对图2(b)本发明的方法与PPB分别为3.7424和3.7345。本发明的 方法去噪效果要好于PPB的方法。
以上实验表明本发明相对于已有的方法能有效的抑制同质区域噪声,并且对 强弱目标点能很好的保持,去噪后的图像边缘保持清晰,消除了边缘上的划痕。
机译: 基于ZnO的p-n同质连接结构以及基于ZnO的p-n同质连接结构的制造方法
机译: 基于ZnO的p-n同质连接结构以及基于ZnO的p-n同质连接结构的制造方法
机译: 基于噪声图像分布约束的贝叶斯图像去噪方法