基于剪切波域参数估计的合成孔径雷达SAR图像去噪方法与流程

本发明属于基于剪切波域参数估计的SAR图像去噪方法，涉及一种基于剪切波域参数估计的合成孔径雷达SAR图像去噪方法，可以应用于单视SAR图像，去除SAR图像的乘性相干斑噪声。

背景技术：

SAR(合成孔径雷达(Synthetic Aperture Radar，简称SAR))是一种高分辨成像雷达，属于主动式遥感系统，具有全天时、全天候、多极化、多视角、多俯角数据获取能力及对一些地物的穿透性能，和其它传感器相比，能呈现更多的细节，能精确地确定目标地域的大小，能更好地区分邻近目标的特性，然而SAR图像固有的相干斑噪声，严重降低了SAR图像的可解译程度，影响了后续目标检测、分类、识别和信息提取等应用。因此，对SAR图像相干斑抑制方法的研究就成为SAR图像处理技术中极为重要的一部分，其基本目标是在抑制图像均匀区域斑点噪声水平的前提下，保持图像边缘和纹理等细节信息。

由于SAR图像斑点噪声具有乘性特点，相对于加性噪声，斑点抑制更加困难。多尺度几何分析是近几年在国际上兴起的“第二次小波浪潮”，克服了小波不能稀疏表示高维特征的缺点，越来越受到重视。专注于SAR图像去噪的方法也不少，如基于曲波Curvelet的SAR图像去噪方法、基于轮廓波Contourlet的去噪方法等。然而，在随后的研究中，曲波和轮廓波已被证明不具备平移不变性，所以在图像去噪方法的应用受到了限制。剪切波变换由于其稳定性、方向敏感性、平移不变性、以及最优稀疏近似性、易于实现等优点在众多的多尺度几何分析工具中脱颖而出，在图像的边缘提取及去噪方面显示了巨大的潜力。但是，目前基于剪切波域SAR图像去噪的算法、将相干斑噪声经对数处理后用类似于高斯噪声去除的方法处理或者是将变换系数分为纹理、 边缘和平滑区三类进行处理的方法，大多没有考虑噪声的模型。

技术实现要素：

要解决的技术问题

为了避免现有技术的不足之处，本发明提出一种基于剪切波域参数估计的合成孔径雷达SAR图像去噪方法。

技术方案

一种基于剪切波域参数估计的合成孔径雷达SAR图像去噪方法，其特征在于步骤如下：

步骤1、剪切波Shearlet分解：对含乘性斑点噪声的SAR图像做剪切波分解，得到分解后的系数S，以L(S)表示低频近似系数，以Y(S)表示高频细节系数；

步骤2、参数估计：

利用低频近似系数L(S)估计噪声方差σ和瑞利分布的衰减参数α：

利用高频细节系数Y(S)估计每个系数的边缘标准差σ_s(s)、计算局部自适应阈值λ和对当前系数做软阈值处理；

每个系数的边缘标准差σ_s(s)：

其中：N(s)是以当前系数y(s)为中心的邻域窗口，M是窗口中系数个数；

计算局部自适应阈值λ：

对当前系数做软阈值处理：

其中：sign(y)为符号函数，

()₊是示性函数，

步骤3、剪切波逆变换重构：对处理后的低频近似系数L(S)和高频细节系数Y(S)做剪切波逆变换，得到去噪后的恢复图像。

所述步骤1对包含乘性斑点噪声的SAR图像进行剪切波变换，分解层数为4，窗口中系数个数为3×3。

有益效果

本发明提出的一种基于剪切波域参数估计的合成孔径雷达SAR图像去噪方法，在SAR图像的相干斑滤波处理中，用瑞利(Rayleigh)分布描述斑点噪声的统计特性。由于拉普拉斯分布模型的数学表达式简单，结合贝叶斯理论通常可得到估计的解析解，对于代表后向散射分量的剪切波系数，则采用拉普拉斯分布表示剪切波系数的概率密度函数。

剪切波变换是一种更适合于图像处理的多尺度几何分析(Multiscale Geometric Analysis，MGA)方法，具有稳定性、方向性、平移不变性以及易于实现诸多优点，其中，平移不变性使其更适合于图像去噪。合成孔径雷达(SAR)图像有很强的相干斑噪声，如何在保持边缘和纹理细节的基础上获得较好的相干斑抑制效果一直以来都是SAR图像处理的难点问题之一。基于剪切波对高维数据的最优线性逼近能力，将剪切波变换引入SAR图像去噪，对剪切波变换的系数结合SAR图像的目标特征进行处理。对SAR图像中的信号采用拉普拉斯模型、对相干斑噪声采用乘性噪声的瑞利模型，利用贝叶斯参数估计方法对变换系数采用类似于软阈值的方法处理后得到新的剪切波变换系数。重构后得到去斑图像。实验结果表明，基于剪切波参数估计的去噪方法对SAR图像中的相干斑噪声有明显的抑制，且较好地保持了图像中的边缘纹理信息。

附图说明

图1：本发明方法的基本流程图

图2：真实SAR图像去噪结果：

(a)SAR图像，(b)均值滤波，(c)中值滤波，(d)LEE滤波，(e)维纳滤波，(f)小波滤波，(g)曲波滤波，(h)本方法的去噪结果

具体实施方式

现结合实施例、附图对本发明作进一步描述：

用于实施的硬件环境是：Intel(R)core(TM)i5-3230M计算机、4GB内存，运行的软件环境是：Matlab7.0和Windows 8。用Matlab程序设计语言实现了本发明提出的方法。图像数据采用在自然图像上添加乘性噪声的方法来模拟SAR图像和一幅真实图像SAR图像。

本发明具体实施如下：

步骤1：剪切波(Shearlet)分解：对含乘性斑点噪声的SAR图像做剪切波分解，得到分解后的系数S，用L(S)表示低频近似系数，用Y(S)表示高频细节系数；

步骤2：参数估计

1)利用低频近似系数L(S)估计噪声方差σ和瑞利分布的衰减参数α；

2)高频细节系数处理：对高频细节系数Y(S)：

a)估计每个系数的边缘标准差σ_s(s)：

其中N(s)是以当前系数y(s)为中心的邻域窗口，M是窗口中系数个数。

b)计算局部自适应阈值λ：

c)对当前系数做软阈值处理：

sign(y)为符号函数，

()₊是示性函数，

步骤3：剪切波逆变换重构：对处理后的低频近似系数L(S)和高频细节系数Y(S)做剪切波逆变换，得到去噪后的恢复图像。

对于自然图像添加乘性噪声所得模拟SAR图像，将本发明所得的去噪结果与其他去噪方法所得的结果进行对比，客观评价结果分别如表1所示。

不同的客观评价指标有着不同的物理意义，采用均值、等效视数、边缘保持度、信噪比以及峰值信噪比来评价斑点噪声滤波算法的效果。

边缘保持度β(edge preservation measure)定义为：

其中ΔS、是S和通过3×3标准拉普拉斯算子的高通滤波结果。对于理想的边缘保持，β应该接近于1。

评价SAR图像相干斑噪声强度的常用指标为等效视数，从表1(lena模拟SAR图像)的各种去噪评价指标中可以看出，均值滤波和中值滤波的相干斑抑制效果明显 较差，去噪图中仍然保留了相当多的斑点噪声，等效视数数值较小，LEE滤波的效果稍好，但是去噪图像过于平滑；小波滤波明显使去噪结果图出现模糊，基于曲波变换的去噪方法抑制了大部分的斑点噪声，但是由于曲波变换是非平移不变的，所以去噪结果图中出现了明显的划痕。相比之下，本方法基于参数估计的去噪方法在目视效果上较佳。从真实SAR图像的去噪结果图来看，基本可以得出与模拟SAR去噪结果相同的结论，而曲波滤波方法虽然得到的等效视数数值最高，但滤波结果图像出现了很明显的划痕，相比之下，本方法由于参数估计较为正确，得到的边缘保持度和信噪比数值均为最优。

表1真实SAR图像去噪效果对比