专利名称：一种基于mca的sar图像抑噪方法
技术领域：
本发明涉及一种基于MCA的SAR图像抑噪方法，涉及一种基于形态成分分析的SAR 图像抑噪方法。
背景技术：
由于采用相干微波进行照射的成像方式，合成孔径雷达(Synthetic Aperture Radar, SAR)图像不可避免地受到了斑点噪声的影响。斑点噪声的存在隐藏了图像的细节， 降低了图像的灰度分辨率，严重影响了 SAR图像的正确识别和解译。因此，抑制SAR图像的 相干斑噪声具有非常重要的意义。早期的SAR图像抑噪方法主要是基于空域和滤波的方法，但这些方法在较好抑制 相干斑噪声的同时损坏了原图的细节特征。因此，wavelet变换被用来克服这些缺点，但 最新研究表明，由于小波基各向同性的特点，它只能反映奇异“点”的位置和特性，而难以 表达更高维(如线)的特征。随着多尺度分析的发展，curvelet变换由于其高度各向异 性的特点，可用于图像边缘的高效表示，但将其用于抑噪的同时会产生划痕和伪Gibbs效 应。因此，有学者提出将wavelet和curvelet相结合进行抑噪，该方法与单独采用wavelet 和curvelet方法相比有一定的改进，但效果改善并不明显。文献“Redundant Multiscale Transforms and Their Application for Morphological Component Seperation, Advances in Imaging and Electron Physics, 2004,132 :287_348. ”公开了一种称为形态 成分分析(Morphological Component Analysis, MCA)的图像分解方法。MCA假定图像中 的每种形态成分都可由字典中对应的原子来稀疏表示，每个原子只能稀疏表示其中一种成 分，而对于其它形态成分则不能稀疏表示，因此只要所选原子间足够地互不相干，就可以得 出一个成功的分离。因此，对于含噪图像，该方法能将噪声保留在残余图像中，从而达到抑 噪的目的。该方法虽然已在自然图像的分离和抑噪中取得了成功，但还未被应用于SAR图 像的抑噪中。综上所述，现有的SAR图像抑噪方法不能同时取得较好的噪声抑制和边缘保持效^ ο
发明内容
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MCA的SAR图像抑噪方法，克 服现有技术方法不能同时取得较好的噪声抑制和边缘保持效果的不足。本发明的思想在于MCA是Starck等人最近新提出的一种基于稀疏分解和表示的 信号分离方法。该方法目前已在自然图像的分离和抑噪中取得了初步成功，然而现有这方 面的研究主要集中于含高斯白噪声的图像，对于其他类型噪声的图像并未开始研究。但乘 性噪声等也是引起图像退化的常见噪声，如SAR图像中存在的斑点噪声严重影响了图像的 解译。因此，在研究高斯白噪声的基础上，本发明将MCA方法应用于SAR图像中乘性噪声的抑制。由于图像中一般包含边缘/轮廓和纹理两种形态成分，根据curvelet良好的边缘/ 轮廓表示特性和局部离散余弦变换(Local Discrete Cosine Transform, LDCT)良好的局 部纹理表达能力，本发明在MCA的统一框架下，利用curvelet和LDCT的字典组合，从而达 到对SAR图像进行抑噪的目的。技术方案一种基于MCA的SAR图像抑噪方法，其特征在于步骤如下步骤1 将SAR图像的灰度值矩阵镜像扩展至边长为2的指数次方的方阵，所述的 镜像扩展为首先将原SAR图像复制到模板方阵的中央，然后将原SAR图像面向模板方阵的 四个边进行对称扩展；步骤2 对步骤1中扩展后方阵取对数得到对数图像；步骤3 选择curvelet和LDCT的字典组合，分别对对数图像进行curvelet和LDCT 变换，得到对应的两个变换系数矩阵；步骤4 对得到的两个变换系数矩阵分别进行硬阈值处理，得到两个硬阈值处理 系数矩阵；所述硬阈值处理中的阈值选取分别为curvelet中阈值选为λ*Ε>，其中1、表 示curvelet变换第j个尺度下第w个方向的系数矩阵的二范数，j ^ 2 ； λ为两个变换系 数矩阵中的最大幅值，LDCT中阈值选为λ ；步骤5 对两个硬阈值处理系数矩阵分别进行逆变换，且对curvelet逆变换后的 矩阵采用Haar小波软阈值方法进行全变差Total Variation, TV规则化，得到两个原子表 示的对应图像成分矩阵；步骤6 对两个原子表示的对应图像成分矩阵相加得到的和矩阵后进行指数变 换，得到指数变换图像；步骤7 对指数变换图像按照镜像扩展时原始图像在模板方阵中的位置和大小进 行裁剪，得到抑噪后的SAR图像。循环步骤3 步骤5N次，N为10-100 ；循环时步骤3中对对数图像矩阵与上一 次循环所得LDCT原子表示的图像成分矩阵之差进行curvelet变换，而对对数图像矩阵与 上一次循环所得curvelet原子表示的图像成分矩阵之差进行LDCT变换；步骤4中对λ按
照公式
进行更新，其中t表示当前循环次数，τ取3到5之间的常数，σ为
噪声标准差，对对数图像按公式σ = MAD/0. 6745估计得到，其中MAD是对对数图像进行小 波变换后得到的HH1子带小波系数幅度的中值。有益效果本发明提出的基于MCA的SAR图像抑噪方法，有益效果是基于MCA根据图像形态 成分进行分离的思想，采用curvelet和LDCT的字典组合，充分利用了 curvelet对边缘/轮 廓的良好表示特性和LDCT对纹理的良好表达能力，尽可能好地描述了图像的有效信息，而 将噪声留在了残余图像中，从而达到在有效抑制噪声的同时较好地保持原图边缘的目的。
图1 是本发明基于形态成分分析的SAR图像抑噪方法的流程图
具体实施例方式现结合实施例、附图对本发明作进一步描述1)将输入的SAR图像灰度值矩阵镜像扩展至边长为2的指数次方的方阵，记为S。 如输入图像大小为300X300，则扩展后图像S大小为512X512，先将原图像复制到模板方 阵的中央，然后对其向四周(512-300)/2 = 106个像素分别进行对称扩展。2)对S取对数，使得SAR图像中乘性的相干斑噪声转变为近似的高斯加性噪声，得 到对数图像S'。3)选择curvelet和LDCT的字典组合，分别对S'进行curvelet和LDCT变换，得 到Ce (curvelet对应的变换系数矩阵)和CjLDCT对应的变换系数矩阵)。4)对分别进行硬阈值处理，得到Cc' (Cc硬阈值处理系数矩阵)和(V (Cl 硬阈值处理系数矩阵)；所述硬阈值处理中的阈值选取分别为=Curvelet中阈值选为 入*Ejw，其中Ejw表示curvelet变换第j个尺度下第w个方向的系数矩阵的二范数，j彡2 ； λ为两个变换系数矩阵中的最大幅值，LDCT中阈值选为λ。5)对Ce'和(V分别进行逆变换，且对curvelet逆变换后的矩阵采用Haar小波 软阈值方法进行全变差Total Variation，TV规则化，得到两个原子表示的对应图像成分矩 阵Sc和Sl。6)对进行指数变换，得到指数变换图像Sd。7)对Sd(512X512)按照镜像扩展时原始图像(300X300)在模板方阵中的位置进 行裁剪，得到抑噪后的SAR图像。本实施例中，为了达到更好的效果，将步骤3) 步骤5)循环10次。循环时步骤 3中对S' -S广1进行curvelet变换，而对S' -S广1进行LDCT变换，t表示当前循环次数；
步骤4中对λ按照公式
进行更新，其中t表示当前循环次数，τ取3到5
之间的常数，σ为噪声标准差，对对数图像按公式ο = MAD/0. 6745估计得到，其中MAD是 对对数图像进行小波变换后得到的HH1子带小波系数幅度的中值。
权利要求
一种基于MCA的SAR图像抑噪方法，其特征在于步骤如下步骤1将SAR图像的灰度值矩阵镜像扩展至边长为2的指数次方的方阵，所述的镜像扩展为首先将原SAR图像复制到模板方阵的中央，然后将原SAR图像面向模板方阵的四个边进行对称扩展；步骤2对步骤1中扩展后方阵取对数得到对数图像；步骤3选择curvelet和LDCT的字典组合，分别对对数图像进行curvelet和LDCT变换，得到对应的两个变换系数矩阵；步骤4对得到的两个变换系数矩阵分别进行硬阈值处理，得到两个硬阈值处理系数矩阵；所述硬阈值处理中的阈值选取分别为curvelet中阈值选为λ*Ejw，其中Ejw表示curvelet变换第j个尺度下第w个方向的系数矩阵的二范数，j≥2；λ为两个变换系数矩阵中的最大幅值，LDCT中阈值选为λ；步骤5对两个硬阈值处理系数矩阵分别进行逆变换，且对curvelet逆变换后的矩阵采用Haar小波软阈值方法进行全变差Total Variation，TV规则化，得到两个原子表示的对应图像成分矩阵；步骤6对两个原子表示的对应图像成分矩阵相加得到的和矩阵后进行指数变换，得到指数变换图像；步骤7对指数变换图像按照镜像扩展时原始图像在模板方阵中的位置和大小进行裁剪，得到抑噪后的SAR图像。
2.根据权利要求1所述的基于MCA的SAR图像抑噪方法，其特征在于循环步骤3 步 骤5N次，N为10-100 ；循环时步骤3中对对数图像矩阵与上一次循环所得LDCT原子表示 的图像成分矩阵之差进行curvelet变换，而对对数图像矩阵与上一次循环所得curvelet原子表示的图像成分矩阵之差进行LDCT变换；步骤4中对λ按照公式义二；^1/…^^进行更新，其中t表示当前循环次数，τ取3到5之间的常数，σ为噪声标准差，对对数图像 按公式σ = MAD/0. 6745估计得到，其中MAD是对对数图像进行小波变换后得到的HH1子 带小波系数幅度的中值。
全文摘要
本发明涉及一种基于MCA的SAR图像抑噪方法，技术特征在于将MCA方法应用于SAR图像中乘性噪声的抑制。由于图像中一般包含边缘/轮廓和纹理两种形态成分，根据curvelet良好的边缘/轮廓表示特性和局部离散余弦变换(Local DiscreteCosine Transform，LDCT)良好的局部纹理表达能力，本发明在MCA的统一框架下，利用curvelet和LDCT的字典组合，从而达到对SAR图像进行抑噪的目的。因此对于含噪图像，该方法能将图像的有效成分分离出来而将噪声保留在残余图像中，从而达到抑噪的目的。在仿真和真实SAR图像上的实验结果均表明，本发明与传统的基于wavelet和curvelet的方法相比能得到较好的抑噪效果。
文档编号G01S13/90GK101908206SQ201010216990
公开日2010年12月8日 申请日期2010年7月1日 优先权日2010年7月1日
发明者张艳宁, 李映, 龚红丽 申请人:西北工业大学