专利名称：基于sar图像局部统计特性的k-svd相干斑抑制方法
基于SAR图像局部统计特性的K-SVD相干斑抑制方法技术领域
本发明属于图像处理技术领域，具体来说是一种基于SAR图像局部统计特性的字典训练K-SVD相干斑抑制方法，可用于土地资源监测、自然灾害分析、城市发展规划等诸多领域的合成孔径雷达SAR图像分析。
背景技术：
相干斑噪声是SAR图像的固有特性，这些在SAR图像中随机散布的相干斑会与较小的地物目标掺杂在一起，严重影响图像的质量，对SAR图像的自动解译造成很大困难。因此，在SAR图像处理中，SAR图像相干斑抑制成为关键，也是后续SAR图像特征提取、分割、 识别等工作的基础。相干斑抑制技术的目标就是在满足辐射分辨率的同时如何保持必要的空间分辨力，所以在滤除斑点噪声的同时，要保护纹理、边缘等细节信息。故一个“好”的 SAR图像抑斑方法要做到以下四点(1)有效去除均勻场景中的斑点噪声；(2)保留图像中边缘和纹理特征；( 不产生伪吉布斯效应；(4)保持图像的雷达辐射特性。
在前期的SAR成像处理中，多采用多视处理技术抑制相干斑噪声，该技术虽然简单，但却是以牺牲图像分辨率为代价的。因此，以各种滤波技术为基础，对成像后的SAR图像进行相干斑噪声抑制已经成为高分辨率SAR图像处理的主流。目前成像后的滤波技术可以分为空域滤波技术和变换域滤波技术。其中空域滤波方法包括增强Lee滤波、Frost滤波和Gamma Map滤波等，这些方法通常难以保持图像的细节特征，会造成图像边缘和线性目标的模糊，滤波性能的好坏很大程度依赖于所选滤波窗口的大小。变换域方法主要有小波变换、平稳小波变换、Bandelet变换、Curvelet变换和非下采样Contourlet变换等。这些变换域滤波方法相比经典空域滤波方法来说，图像的边缘及线性目标的保持能力有了很大提高，但大都对变换域的系数做某种统计假设，这些假设是经验性的，无理论依据。而且噪声和图像边缘具有相似的频率特性，即都是高频信号，因此抑斑后的图像在均勻区域和边缘附近常会出现伪吉布斯效应。
目前，一种新兴的“字典学习法”在图像处理中得到了广泛的研究和应用，其核心是字典的训练过程，称为K-SVD算法。此算法首先是由Aharon、Elad等人提出的。研究表明K-SVD方法不仅有效的抑制了加性高斯白噪声，而且边缘和纹理等重要信息都得到了较好的保留，尤其是对纹理图像处理的结果更好。最重要的是此方法是一种主动学习过程， 具有很好的适应性。但是K-SVD算法是针对加性噪声设计的，而SAR图像的相干斑是乘性噪声，直接将K-SVD算法应用于SAR图像去斑会出现过平滑现象。为了克服这一缺点，很多学者都采用了对数变换的策略，即先对SAR图像进行对数变换，将乘性噪声模型转变为加性， 然后再用K-SVD算法对log图像进行去噪，最后进行逆变换即可得到抑斑后SAR图像。但是 “Statistical Properties of Logarithmically Transformed Speckle，，一文指出，SAR 图像经对数变换后，其噪声不是零均值的，这导致图像会出现抑斑前后均值相差较大，不能很好的保持原始SAR图像的辐射特性。此外，这也不满足K-SVD算法中噪声是零均值加性高斯噪声的要求。为此 Samuel Foucher 在“SAR Image Filtering via Learned Dictionariesand Sparse R印resentations”中，对K-SVD算法的目标函数进行了加权改进，改善了抑斑效果。但是此方法对视数较低的SAR图像来说，由于斑点噪声会影响字典的训练，所以最终的结果仍存在大量的斑点噪声，且边缘会模糊。发明内容
本发明的目的在于克服上述已有的SAR图像相干斑抑制技术的不足，提出了一种基于SAR图像局部统计特性的K-SVD相干斑抑制方法，以有效的抑制SAR图像的相干斑，较好的保持边缘、纹理细节信息和图像的辐射特性。
为实现上述目的，本发明的相干斑抑制方法，包括如下步骤
(1)对大小为的SAR图像I进行重叠块提取，并将其向量化，得到重叠块向量集合;
权利要求
1. 一种基于SAR图像局部统计特性的字典训练K-SVD相干斑抑制方法，包括如下步骤(1)对大小为的SAR图像I进行重叠块提取，并将其向量化，得到重叠块向量集合F = U^ii1，其中N是图像I中所有的像素个数，Yi是一个重叠块向量，M是重叠块向量的个数；少/j γ其中任意一个训练样本；Ve [>^^，M'是训练样本数目，且满足0< M' SM的正整数；(3)基于SAR图像局部统计特性，根据冗余稀疏表示图像噪声抑制理论，得到相干斑抑制目标函数f1;{\M'y,'j丨对训练字典D进行如下SAR_K-SVD字典训练，得到最终的训练字典D (4. 1)令i = l，k= 1，P= 1，其中i是训练样本y/的下标，k是字典D的第k列dk 的下标，P是迭代次数；(4.2)根据步骤(3)中的相干斑抑制目标函数，在保持训练字典D不变的情况下，得到适用于SAR图像的稀疏编码目标函数f2 ；(4.3)对训练样本集合Y'的第i个训练样本y/进行如下SAR正交匹配追踪SAR_0MP 稀疏编码，得到W的稀疏编码系数α i (4. 3a)令初始下标集合1° = 0，初始残差r° = yi ‘，初始稀疏表示系数< =0,初始误 r0差
2.根据权利要求1所述的基于SAR图像局部统计特性的K-SVD相干斑抑制方法，其中步骤C3)所述的根据冗余稀疏表示图像噪声抑制理论，得到相干斑抑制目标函数按如下步骤获得(3a)基于SAR图像局部统计特性，得到SAR图像的真实地物反射系数Xi的概率密度函数P (Xi)如下P(Xi) = C其中C是一个常数；(3b)基于SAR图像局部统计特性，得到稀疏表示系数α i的概率密度函数ρ(α》如下ρ ( α J = exp (- λ I I α i I I)其中λ是一个常数，exp (-λ I IaJ I)是指数函数；(3c)将斑点噪声Iii减去1后得到随机变量Iii-I,基于SAR图像局部统计特性，获得随机变量Iii-I的概率密度函数ρ (Iii-I)如下
3.根据权利要求1所述的基于SAR图像局部统计特性的K-SVD相干斑抑制方法，其中所述步骤(4. 2)中的稀疏编码目标函数f2表示如下
4.根据权利要求1所述的基于SAR图像局部统计特性的K-SVD相干斑抑制方法，其中步骤(5)所述的根据冗余稀疏表示图像噪声抑制理论，得到相干斑抑制后图像/，按如下步骤进行(5a)利用最终训练字典力对所有的重叠块向量集合^ = {yt G1进行SARJMP稀疏编码， 得到稀疏编码系数矩阵(5b)将步骤(5a)中得到的稀疏编码系数矩阵 '代入重叠块向量集合Y的估计式 γ = ，得到重叠块向量集合Y的估计f ；(5c)按照如下公式对重叠块向量集合Y的估计；f进行加权平均，获得SAR图像相干斑抑制后图像
全文摘要
本发明公开了一种基于SAR图像局部统计特性的K-SVD相干斑抑制方法，主要解决现有相干斑抑制方法中存在的边缘和纹理等细节信息被模糊的问题。其实现过程是输入一幅SAR图像，对SAR图像进行重叠块提取操作，得到重叠块向量集合；然后对重叠块向量集合进行随机抽样，得到训练样本集合；对训练样本进行SAR_KSVD字典训练，得到最终的训练字典；在最终的训练字典下对重叠块向量集合进行SAR_OMP稀疏编码，得到稀疏编码系数；根据冗余稀疏表示图像噪声抑制理论，利用最终的训练字典和稀疏编码系数，得到相干斑抑制后图像。本发明能够有效地抑制同质区域的斑点噪声，能很好的保持强反射点目标的亮度和边缘纹理清晰，可用于土地资源监测、自然灾害分析等诸多领域的SAR图像。
文档编号G06T5/00GK102509263SQ20111031845
公开日2012年6月20日 申请日期2011年10月19日 优先权日2011年10月19日
发明者侯彪, 公茂果, 刘芳, 孙慧芳, 张小华, 焦李成, 田小林 申请人:西安电子科技大学