专利名称：：基于非下采样Contourlet域MRF模型的SAR图像降斑方法
技术领域：
：本发明属于图像处理领域，特别是一种涉及SAR图像降斑的方法，可应用于目标识别。
背景技术：
：合成孔径雷达SAR是一种高分辨率雷达体制，具有全天候、全天时、穿透能力强、可侧视成像等优点，具有广泛的应用。SAR可应用于农业，军事，导航，地理监视等诸多领域。它与其它遥感成像系统、光学成像系统是不同的。SAR成像过程中，由于相干照射而产生的衰落效应的影响，使图像内原本具有相同后向散射系数的勻质区域表现出颗粒状噪声，这种噪声称之为相干斑。相干斑的存在增加了图像解译的复杂性，大大降低了图像分割、目标分类以及其他信息提取的有效性。对相干斑的抑制技术，即降斑，大体分为成像前的多视平滑预处理和成像后的滤波处理两类。早期的SAR成像处理中，大多采用多视处理技术，但随着SAR图像应用的不断拓展，对其空间分辨率的要求不断提高，多视处理技术已不能满足要求。成像后的滤波技术又可分为空域滤波技术和频域滤波技术。基于空域滤波技术的降斑方法，从20世纪80年代开始，出现了许多以空域滤波技术为基础的高分辨率SAR图像降斑算法，并获得了广泛的研究和应用。空域滤波技术都是假定噪声模型，然后在图像上取一个滑动窗，以窗内所有像素作为滤波器的输入值，估计无相干斑噪声的图像，它是基于局部统计特性进行滤波处理的。空域滤波方法有EnhancedLee滤波，Kuan滤波，Frost滤波，以及GammaMap滤波等。这些空域的滤波方法，难以保持图像的细节特征，其滤波性能的好坏，很大程度上依赖于所选滤波窗口的大小。基于频域滤波技术的降斑方法，从20世纪90年代以后，是以频域处理技术为基础的小波方法给信号处理领域带来了崭新的思想，并被有效地用于SAR图像相干斑抑制中。小波变换具有时频局部化特性，为SAR图像的降斑提供了另一条思路。它可以从不同的分辨率空间来描述图像的局部特征，使得信号和噪声在小波变换域中表现出不同的特征，从而较易区分信号和噪声。基于小波变换的图像去噪方法中，以Donoho提出的硬阈值和软阈值去噪方法为起源，得到了广泛的应用。基于Donoho的阈值思想，逐渐又出现了类似的系数收缩方法，经典的收缩方法有VisuShrink，SureShrink,OracleShrink,BayesShrink等。但是，这些方法主要是针对加性噪声模型的。针对SAR图像中相干斑乘性噪声的算法，通常都是通过对数运算将其转换为加性噪声，然后利用上述的收缩方法对系数进行处理，再通过指数运算重构图像。上述方法都是在假设图像信息独立性的条件下进行的一系列处理，忽视了图像内部相关性，于是对于一致性较好的区域，噪声抑制效果仍然不够理想，目标的保持也不够清晰。为了进一步挖掘图像内部相关性，人们将马尔可夫随机场模型与小波变换相结合，建立了小波马尔可夫模型，并用于SAR图像抑斑。DusanGleich等人将MRF引入二进小波变换域，对小波域中的无噪图像用广义高斯马尔可夫随机场来建模，并用于图像降斑，参见Wavelet-BasedDespecklingofSARImagesUsingGauss-MarkovRandomFields.IEEETrans,onGeoscienceandRemoteSensing,2007,45(12):4127_4143。经过比较分析，小波变换的方法对边缘有着较好的保留效果，但是由于小波变换有限的方向性，它仅能捕获图像的水平、垂直及对角三个方向的信息，而对于其他方向却无能为力，这就导致处理后的图像中细节信息丢失严重，纹理信息和边缘信息不完整。
发明内容本发明的目的在于克服上述已有技术的不足，提出一种基于非下采样Contourlet域MRF模型的SAR图像降斑方法，利用非下采样Contourlet变换完备的方向性信息提高边缘分辨精度和区域一致性，保证降斑后图像纹理信息和边缘信息的完整性以及目标的清晰性，提高SAR图像降斑的质量。实现本发明目的的技术方案是使用高效的多尺度几何分析工具非下采样Contourlet变换，充分挖掘图像中的方向信息，构建出具有严密结构的非下采样Contourlet域MRF模型。其具体实现步骤包括如下(1)对待降斑SAR图像作对数运算，得到对数运算后的图像数据；(2)对图像数据进行非下采样Contourlet变换，得到变换系数Cjil，其中，j表示尺度，范围为1J，J为非下采样Contourlet变换的分解层数；1表示方向子带，范围为1L，L表示每个尺度中的方向数；Cjil=Ic1,...，ch，...，cH}，Ch表示Cjil里的第h个元素，1彡h彡H，H表示待降斑SAR图像像素点的总个数；(3)利用MonteCarlo方法，估计图像数据噪声在非下采样Contourlet域的标准差σj,i；(4)利用迭代条件模型ICM算法，根据变换系数Cu和标准差Oy对掩码Xu进行初始估计并迭代更新，得到掩码的最终估计(4a)估计MRF模型掩码Xj,i=Ix1,...，xh，...，xH}的初始值，其中，当Ch彡时，Xh=1;当<σ口时，Xh=_1，1彡h彡H;(4b)计算重要性度量Mjil=Im1,···，mh，···，mH}，其中，πι」=abs(Ch)，abs表示取绝对值，1彡h彡H；(4c)计算似然比Lhoodj,！={ξ1...,ξh，…，ξH}和先验比Priorj,x={μ1...,μh，...，μΗ}，以及似然比和先验比的乘积Rjil=Ir1,...，rh，...，rH}，其中_9]权利要求一种基于非下采样Contourlet域MRF模型的SAR图像降斑方法，包括如下步骤1)对待降斑SAR图像作对数运算，得到对数运算后的图像数据；2)对图像数据进行非下采样Contourlet变换，得到变换系数Cj，l，其中，j表示尺度，范围为1～J，J为非下采样Contourlet变换的分解层数；l表示方向子带，范围为1～L，L表示每个尺度中的方向数；Cj，l＝{c1，...，ch，...，cH}，ch表示Cj，l里的第h个元素，1≤h≤H，H表示待降斑SAR图像像素点的总个数；3)利用MonteCarlo方法，估计图像数据噪声在非下采样Contourlet域的标准差σj，l；4)利用迭代条件模型ICM算法，根据变换系数Cj，l和标准差σj，l对掩码Xj，l进行初始估计并迭代更新，得到掩码的最终估计4a)估计MRF模型掩码Xj，l＝{x1，...，xh，...，xH}的初始值，其中，当ch≥σj，l时，xh＝1；当ch＜σj，l时，xh＝1，1≤h≤H；4b)计算重要性度量Mj，l＝{m1，...，mh，...，mH}，其中，mh＝abs(ch)，abs表示取绝对值，1≤h≤H；4c)计算似然比Lhoodj，l＝{ξ1，...，ξh，...，ξH}和先验比Priorj，l＝{μ1，...，μh，...，μH}，以及似然比和先验比的乘积Rj，l＝{r1，...，rh，...，rH}，其中<mrow><msub><mi>ξ</mi><mi>h</mi></msub><mo>=</mo><mfrac><mrow><msub><mi>p</mi><mrow><msub><mi>M</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>|</mo><msub><mi>X</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub></mrow></msub><mrow><mo>(</mo><msub><mi>m</mi><mi>h</mi></msub><mo>|</mo><msub><mi>x</mi><mi>h</mi></msub><mo>=</mo><mn>1</mn><mo>)</mo></mrow></mrow><mrow><msub><mi>p</mi><mrow><msub><mi>M</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>|</mo><msub><mi>X</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub></mrow></msub><mrow><mo>(</mo><msub><mi>m</mi><mi>h</mi></msub><mo>|</mo><msub><mi>x</mi><mi>h</mi></msub><mo>=</mo><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></mfrac></mrow><mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mi>α</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>σ</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo><</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>δ</mi><mo>)</mo></mrow><mo>;</mo></mtd></mtr><mtr><mtd><mi>exp</mi><mrow><mo>(</mo><mi>α</mi><mo>·</mo><mrow><mo>(</mo><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>σ</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>/</mo><mi>δ</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>δ</mi><mo>)</mo></mrow><mo>≤</mo><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>σ</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>≤</mo><mrow><mo>(</mo><mn>1</mn><mo>+</mo><mi>δ</mi><mo>)</mo></mrow><mo>;</mo></mtd></mtr><mtr><mtd><mi>exp</mi><mrow><mo>(</mo><mi>α</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>σ</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>></mo><mrow><mo>(</mo><mn>1</mn><mo>+</mo><mi>δ</mi><mo>)</mo></mrow><mo>.</mo></mtd></mtr></mtable></mfenced></mrow><mrow><msub><mi>μ</mi><mi>h</mi></msub><mo>=</mo><mfrac><mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>h</mi></msub><mo>=</mo><mn>1</mn><mo>|</mo><msub><mi>x</mi><mrow><mo>∂</mo><mi>h</mi></mrow></msub><mo>)</mo></mrow></mrow><mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>h</mi></msub><mo>=</mo><mo>-</mo><mn>1</mn><mo>|</mo><msub><mi>x</mi><mrow><mo>∂</mo><mi>h</mi></mrow></msub><mo>)</mo></mrow></mrow></mfrac><mo>=</mo><mi>exp</mi><mrow><mo>(</mo><mi>γ</mi><mo>·</mo><munder><mi>Σ</mi><mrow><mi>i</mi><mo>∈</mo><mo>∂</mo><mi>h</mi></mrow></munder><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow>rh＝ζh·μh其中，(mh|xh＝1)表示在Xj，l条件下，当xh＝1时出现Mj，l中的mh的概率，(mh|xh＝1)表示在Xj，l条件下，当xh＝1时出现Mj，l中的mh的概率lexp表示指数运算，α＝5，δ＝0.9，表示以h为中心的方形区域，i为该方形区域中的位置，表示在区域中掩码存在的条件下出现xh＝1的概率，表示在区域中掩码存在的条件下出现xh＝1的概率，γ为邻域影响因子，γ＝0.2；4d)对掩码Xj，l＝{x1，...，xh，...，xH}的初始值进行更新，如果似然比和先验比的乘积rh大于1，则把掩码的初始值中的xh更新为1，如果似然比和先验比的乘积rh小于等于1，则把掩码的初始值中的xh更新为1，1≤h≤H；4e)统计掩码的更新数目，判断掩码更新的终止条件，如果掩码的更新数目大于H/2，则认为不满足收敛条件，转至步骤4c)；如果掩码的更新数目小于等于H/2，则认为满足收敛条件，其对xh的更新值为最终估计，转至步骤5)，H表示待降斑SAR图像像素点的总个数；5)利用掩码的最终估计，对变换系数Cj，l＝{c1，...，ch，...，cH}进行收缩，得到估计系数Yj，l＝{y1，...，yh，...yH}，其中yh表示Yi，l里的第h个元素，和是根据掩码的最终估计计算得到的，计算公式与步骤4c)的公式相同，1≤h≤H，H表示待降斑SAR图像像素点的总个数；6)对估计系数Yj，l作指数运算，并对指数运算后的结果系数进行非下采样Contourlet逆变换，得到降斑图像。FSA00000249529400022.tif,FSA00000249529400023.tif,FSA00000249529400024.tif,FSA00000249529400025.tif,FSA00000249529400026.tif,FSA00000249529400027.tif,FSA00000249529400028.tif,FSA00000249529400029.tif,FSA000002495294000210.tif,FSA000002495294000211.tif2.根据权利要求1所述的图像降斑方法，其中步骤3)按如下步骤进行3a)对图像数据进行正交小波变换，用Donoho的鲁棒中值估计方法估计出图像数据的噪声标准差σ；3b)产生一幅大小与待降斑SAR图像相同，均值为0，标准差为σ的高斯白噪声图像；3c)对高斯白噪声图像进行非下采样Contourlet变换，得到噪声变换系数Nm；计算噪声变换系数N」,！在非下采样Contourlet域的标准差=OjJ=median(abs(Nj,fmedian(Nj,x)))/0.6745，其中median表示取中值。全文摘要本发明公开了一种基于非下采样Contourlet域MRF模型的SAR图像降斑方法，主要解决传统多尺度几何分析应用于SAR图像降斑易产生匀质区域不够光滑，细节信息不够完整，点目标不够清晰的问题。其降斑过程为对待降斑SAR图像作对数运算，得到图像数据；对图像数据进行非下采样Contourlet变换，得到变换系数Cj，l；估计图像数据噪声在非下采样Contourlet域的标准差σj，l；根据Cj，l和σj，l对掩码Xj，l进行初始估计并迭代更新，得到Xj，l的最终估计；利用Xj，l的最终估计，对Cj，l进行收缩，得到估计系数Yj，l；对Yj，l作指数运算，并对其进行非下采样Contourlet逆变换，得到最终的降斑图像。本发明具有降斑结果同质区域光滑，纹理信息和边缘信息的完整性保持较好，以及点目标清晰可见，可用于SAR图像目标识别。文档编号G01S13/90GK101950413SQ20101026750公开日2011年1月19日申请日期2010年8月30日优先权日2010年8月30日发明者侯彪,张向荣,焦李成,王倩,王爽,马文萍申请人:西安电子科技大学