公开/公告号CN112308800A
专利类型发明专利
公开/公告日2021-02-02
原文格式PDF
申请/专利权人 苏州兴钊防务研究院有限公司;
申请/专利号CN202011248825.7
申请日2020-11-10
分类号G06T5/00(20060101);
代理机构31225 上海科盛知识产权代理有限公司;
代理人赵继明
地址 215000 江苏省苏州市吴中区太湖东路9号澹台湖大厦(武珞科技园)16楼
入库时间 2023-06-19 09:58:59
技术领域
本发明涉及成孔径雷达图像去噪方法领域,尤其是涉及一种基于多视联合的合成孔径雷达图像去噪方法和装置。
背景技术
合成孔径雷达系统的成像是地物目标散射信号经由相干处理后获得的。在回波相干的过程中会引起相干斑噪声,弱化成像目标的结构细节,对成像质量产生较大的影响。为了抑制合成孔径雷达图像的噪声干扰,国内外学者提出了许多基于滤波的方法用来自适应地平滑图像,例如Lee滤波、Kuan滤波、Frost滤波等。近年来,一些基于扩散和基于非局部的方法进一步被提出,例如speckle-reducing anisotropic diffusion(SRAD)方法和SARblock-matching 3-D(SAR-BM3D)方法。SRAD和SAR-BM3D方法在传统基于滤波方法的基础上,提高了对图像均质区域的平滑程度,同时对目标的边缘纹理细节具有更好的保护作用,实现了噪声抑制性能的增强。然而,上述方法均属于单视图像去噪的范畴,即分别对每一幅图像进行去噪,没有考虑到图像与图像之间的相关性,因此去噪效果不理想。
发明内容
本发明的目的就是为了克服上述现有技术存在只对每一幅图像进行去噪,没有考虑到图像与图像之间的相关性,因此去噪效果不理想的缺陷而提供一种基于多视联合的合成孔径雷达图像去噪方法和装置。
本发明的目的可以通过以下技术方案来实现:
一种基于多视联合的合成孔径雷达图像去噪方法,包括以下步骤:
获取多幅合成孔径雷达图像,将每幅图像分别量化为输入向量,将各向量依次排列构成输入矩阵;
根据所述输入矩阵预设增广拉格朗日方程,该增广拉格朗日方程中的优化变量包括共性结构特征矩阵、噪声矩阵、辅助矩阵、第一拉格朗日算子和第二拉格朗日算子;
对所述增广拉格朗日方程中的各优化变量进行迭代求解,直至满足预设的最大迭代次数,获取最终的共性结构特征矩阵;
将所述最终的共性结构特征矩阵变换为多幅二维矩阵图像,得到去噪后的多幅合成孔径雷达图像。
进一步地,所述增广拉格朗日方程的计算表达式为:
式中,X为共性结构特征矩阵,S为辅助矩阵,E为噪声矩阵,L
进一步地,采用增广拉格朗日乘子法对所述增广拉格朗日方程中的各优化变量进行迭代求解。
进一步地,在每次迭代过程中,依次更新共性结构特征矩阵、噪声矩阵、辅助矩阵、第一拉格朗日算子和第二拉格朗日算子;
所述共性结构特征矩阵的更新表达式为:
式中,X
所述噪声矩阵的更新表达式为:
式中,E
所述辅助矩阵的更新表达式为:
式中,S
所述第一拉格朗日算子的更新表达式为:
式中,
所述第二拉格朗日算子的更新表达式为:
式中,
进一步地,将所述最终的共性结构特征矩阵变换为多幅二维矩阵图像具体为,将所述最终的共性结构特征矩阵的每一列向量依次变换为二维矩阵图像,从而获取多幅二维矩阵图像。
进一步地,所述增广拉格朗日方程根据预设的目标函数构建,该目标函数的表达式为:
式中,Y为输入矩阵。
本发明还提供一种基于多视联合的合成孔径雷达图像去噪装置,包括存储器和处理器,所述存储器存储有计算机程序,处理器调用所述计算机程序执行的方法包括以下步骤:
获取多幅合成孔径雷达图像,将每幅图像分别量化为输入向量,将各向量依次排列构成输入矩阵;
根据所述输入矩阵预设增广拉格朗日方程,该增广拉格朗日方程中的优化变量包括共性结构特征矩阵、噪声矩阵、辅助矩阵、第一拉格朗日算子和第二拉格朗日算子,所述辅助矩阵的初始值等于所述共性结构特征矩阵的初始值,所述共性结构特征矩阵和噪声矩阵组成所述输入矩阵;
对所述增广拉格朗日方程中的各优化变量进行迭代求解,直至满足预设的最大迭代次数,获取最终的共性结构特征矩阵;
将所述最终的共性结构特征矩阵变换为多幅二维矩阵图像,得到去噪后的多幅合成孔径雷达图像。
进一步地,所述增广拉格朗日方程的计算表达式为:
式中,X为共性结构特征矩阵,S为辅助矩阵,E为噪声矩阵,L
进一步地,采用增广拉格朗日乘子法对所述增广拉格朗日方程中的各优化变量进行迭代求解。
进一步地,在每次迭代过程中,依次更新共性结构特征矩阵、噪声矩阵、辅助矩阵、第一拉格朗日算子和第二拉格朗日算子;
所述共性结构特征矩阵的更新表达式为:
式中,X
所述噪声矩阵的更新表达式为:
式中,E
所述辅助矩阵的更新表达式为:
式中,S
所述第一拉格朗日算子的更新表达式为:
式中,
所述第二拉格朗日算子的更新表达式为:
式中,
进一步地,将所述最终的共性结构特征矩阵变换为多幅二维矩阵图像具体为,将所述最终的共性结构特征矩阵的每一列向量依次变换为二维矩阵图像,从而获取多幅二维矩阵图像。
与现有技术相比,本发明具有以下优点:
本发明提出了一种基于多视联合的合成孔径雷达图像噪声抑制方法,采用该方法可以实现对多幅合成孔径雷达图像的联合去噪处理,克服了现有单视去噪技术忽视图像间相关信息的不足,并通过核范数和三维范数实现对多视图像中的共性结构特征实施低秩约束和连续性约束,进而完成了多视图像中共性结构特征空间和噪声子空间的分离,实现了对噪声的抑制作用。
附图说明
图1为本发明实施例中提供的合成孔径雷达图像去噪方法流程图;
图2为合成孔径雷达原始图像以及本发明实施后的图像噪声抑制结果对比图。
具体实施方式
下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施,给出了详细的实施方式和具体的操作过程,但本发明的保护范围不限于下述的实施例。
实施例1
本实施例提供一种基于多视联合的合成孔径雷达图像去噪方法,包括以下步骤:
1)获取多幅合成孔径雷达图像,将每幅图像分别量化为输入向量,将各向量依次排列构成输入矩阵;
即输入n幅合成孔径雷达图像
2)根据所述输入矩阵预设增广拉格朗日方程,该增广拉格朗日方程中的优化变量包括共性结构特征矩阵、噪声矩阵、辅助矩阵、第一拉格朗日算子和第二拉格朗日算子;
3)对所述增广拉格朗日方程中的各优化变量进行迭代求解,直至满足预设的最大迭代次数,获取最终的共性结构特征矩阵;
4)将所述最终的共性结构特征矩阵变换为多幅二维矩阵图像,得到去噪后的多幅合成孔径雷达图像。
步骤2)中所述增广拉格朗日方程的获取具体包括:
构建如下所示的目标函数将输入矩阵分解为共性结构特征矩阵
其中,||X||
将目标函数等价变换为公式(2):
其中,
进一步地,构建公式(2)的增广拉格朗日方程:
其中,L
步骤3)中采用Augmented Lagrange Multiplier(ALM,增广拉格朗日乘子法)对所述增广拉格朗日方程中的各优化变量进行迭代求解。
在每次迭代过程中,依次更新共性结构特征矩阵、噪声矩阵、辅助矩阵、第一拉格朗日算子和第二拉格朗日算子;
所述共性结构特征矩阵的更新表达式为:
式中,X
所述噪声矩阵的更新表达式为:
式中,E
所述辅助矩阵的更新表达式为:
式中,S
所述第一拉格朗日算子的更新表达式为:
式中,
所述第二拉格朗日算子的更新表达式为:
式中,
步骤4)中将所述最终的共性结构特征矩阵变换为多幅二维矩阵图像具体为,将所述最终的共性结构特征矩阵的每一列向量依次变换为二维矩阵图像,从而获取多幅二维矩阵图像。
本实施例还提供一种基于多视联合的合成孔径雷达图像去噪装置,包括存储器和处理器,所述存储器存储有计算机程序,处理器调用所述计算机程序执行上述一种基于多视联合的合成孔径雷达图像去噪方法的步骤。
下面对本实施例基于多视联合的合成孔径雷达图像去噪方法的具体实施步骤进行描述。
本实施例的各实施步骤均在MATLAB2017仿真平台上进行。
如图1所示,本实施例的各实施步骤包括:
S1:输入n幅合成孔径雷达图像
S2:构建式(1)中的目标函数,将输入矩阵分解为共性结构特征矩阵
S3:将目标函数等价变换为公式(2)并构建其增广拉格朗日方程,其中正则化参数的取值为μ=0.01。
S4:采用Augmented Lagrange Multiplier(ALM)方法对增广拉格朗日方程(3)中的各优化变量进行迭代求解,迭代总次数为100次,迭代初始值设置为。在每一迭代次数E
S41:根据上一次迭代求得的变量E
通过求解上述最优化方程更新获得X
S42:根据上一分步骤求得的变量X
通过求解上述最优化方程更新获得E
S43:根据上一分步骤求得的变量X
通过求解上述最优化方程更新获得S
S44:根据上一分步骤求得的变量X
S45:根据上一分步骤求得的变量X
S5:将上一步骤获得的共性结构特征矩阵
根据本发明获得的多视联合的合成孔径雷达图像去噪结果如图2所示。其中,图2第一行的四幅图像分别是公开数据集Moving and Stationary Target Acquisition andRecognition(MSTAR)中发布的四幅由相似方位角姿态空间拍摄获得的合成孔径雷达原始图像;图2第二行的四幅图像分别是实施本发明方法获得的去噪结果图像。由结果可知,利用本发明提供的方法能够对合成孔径雷达图像中的斑点噪声实现较为充分的抑制,同时对原始图像中的目标纹理边缘等细节实现了较为精准的保护。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
机译: 基于大量视觉特征变化的三维图像的视疲劳监测装置及方法,一种减少视疲劳度的装置及方法
机译: 一种具有对准装置的视光仪和视光仪的校准方法
机译: 一种具有对准装置的视光仪和视光仪的校准方法