基于nsct域局部高斯模型的sar图像降斑方法

专利名称：基于nsct域局部高斯模型的sar图像降斑方法
技术领域：
本发明属于图像处理技术领域，更进一步涉及一种基于非下采样Contourlet域 (NSCT)局部高斯模型的合成孔径雷达(SAR)图像降斑方法。本发明可用于合成孔径雷达图像的相干斑抑制。
背景技术：
SAR图像抑斑的关键在于有效去除均勻场景中的斑点噪声的同时，尽可能保留图像中边缘和纹理特征，以及保持图像的雷达辐射特性。随着多分辨分析理论的发展，频域滤波被广泛应用于SAR图像抑斑，常见的有基于平稳小波(SWT)、非下采样轮廓波(NSCT)的方法。西安电子科技大学在其专利申请“基于SWT域改进粒子滤波的SAR图像降班方法”(专利申请号:201110060825. 9，公开号:CN102129672A)中提出了一种基于SWT域改进粒子滤波的SAR图像降斑方法。该方法将待降斑的空域图像变换到平稳小波域，并提取不同变换尺度水平、垂直和对角方向下的SWT域图像，对其应用改进粒子滤波降斑方法进行降斑处理，然后将得到的降斑后小波域图像进行逆变换得到最终的降斑图像。该方法虽然能够解决已有方法降斑后图像边缘和纹理模糊等问题，但仍然存在的不足是，小波变换只能描述点奇异性，却不能有效地刻画图像中的二维线奇异性，会损失部分细节信息。西安电子科技大学在其专利申请“基于NSCT域边缘检测和Bishrink模型的SAR 图像去噪方法”(专利申请号201010225442. 8，公开号CN101901476A)中提出了一种基于 NSCT域边缘检测和Bishrink模型的SAR图像去噪方法。该方法对选取的SAR图像进行非下采样Contourlet变换，用Bishrink模型对第3 6层的子带系数进行收缩，然后进行逆变换得到重构图像，检测重构图像的边缘，对边缘检测后的图像进行均值滤波得到滤波后图像，对输入图像和滤波后图像相减获得的差值图像进行非线性各向异性扩散，得到去噪后的图像。该方法存在的不足是，通过指数运算将乘性噪声转换成加性噪声，不能够较好地保持SAR图像的辐射特性，此外，此方法还需假设图像的先验信息，给后续处理带来不便。

发明内容
本发明的目的在于克服上述已有技术的不足，提出了一种基于非下采样 Contourlet(NSCT)域局部高斯模型的SAR图像降斑方法。本发明可以去除均勻场景中的斑点噪声，同时能够有效保持结构和纹理信息以及原图像的辐射特性。本发明实现的具体步骤包括如下(1)输入待降斑SAR图像；(2)非下采样 Contourlet 变换2a)按照下式，将SAR图像的乘性噪声转化为加性噪声I = RX = X+(R-I) X = X+N其中，I为所观测到的被噪声污染的图像强度，R为相干斑，其均值为1，X为地物的真实后向散射强度，N为将要滤除的加性噪声；2b)进行非下采样Contourlet变换，获得Contourlet变换低频子带系数和高频方向子带系数；(3)高频系数收缩3a)保持低频子带系数不变；3b)利用降斑后图像与无噪图像之间的最小均方误差，按下式求解权重系数；Bk= [ θ k (y) Τ θ k (y) ] -1 { θ k (y) Ty- O 2di V [ θ k (y) ] }其中，％为权重系数，[ejyrejy)]-1为逆运算符号，ek(y)T为0k(y)的转置，9k(y)为阈值函数，k= 1,2……K，K的取值范围为1 100，y为输入的待降斑图像 Contourlet变换高频方向子带系数，σ为噪声标准差，div为求导运算；3c)按照下式对高频方向子带系数进行收缩，得到估计的无噪图像Contourlet高频各方向子带系数尸00= 1>*込00
A=I其中，F(y)为估计的无噪图像Contourlet高频各方向子带系数，Σ为求和运算， 为权重系数，9k(y)为阈值函数，k= 1,2……K，K的取值范围为1 100;(4)对低频子带系数和估计的无噪图像Contourlet高频各方向子带系数进行非下采样Contourlet逆变换，得到降斑后SAR图像；(5)输出降斑后SAR图像。本发明与现有的技术相比具有以下优点第一，本发明利用NSCT变换方法，与现有技术中的小波变换相比，NSCT变换具有多尺度、多方向和平移不变性，能够更好地稀疏表示具有直线和曲线奇异性的边缘，因此本发明相比现有的小波变换方法可以更有效地保持图像的边缘和细节信息，从而提高了图像的降斑效果。第二，本发明利用非对数加性模型将SAR图像的乘性噪声转化为加性噪声，相比现有技术中的对数变换方法，本发明能够更有效地保持SAR图像的辐射特性，图像的降斑效果明显增强。第三，本发明利用最小均方误差，对降斑后图像的Contourlet系数进行估计，相比现有技术，不需要为原始图像假设统计模型，实现过程简单。


图1为本发明的流程图；图2为本发明与现有技术对测试图像Bedfordshire的降斑效果对比图；图3为本发明与现有技术对测试图像House track的降斑效果对比图。
具体实施例方式下面结合附图对本发明做进一步的描述。参照图1，本发明的具体实施步骤如下步骤1，输入待降斑SAR图像。
步骤2，非下采样Contourlet变换。首先，按照下式，将SAR图像的乘性噪声转化为加性噪声I = RX = X+(R-I) X = X+N其中，I为所观测到的被噪声污染的图像强度，R为相干斑，其均值为1，X为地物的真实后向散射强度，N为将要滤除的加性噪声；其次，进行非下采样Contourlet变换，获得Contourlet变换低频子带系数和高频方向子带系数；一般非下采样Contourlet变换分解层数为3_6层，本发明的实施例中，我们把分解层数选为4层，具体的Contourlet变换方法为第一步，将待降斑图像输入非下采样的塔形滤波器组，得到待降斑图像的一层 Contourlet分解的低频子带系数和带通信号；第二步，将带通信号输入非下采样的方向滤波器组，得到待降斑图像一层 Contourlet分解的高频方向子带系数，高频方向子带数目为2N，其中，N为正整数；第三步，将低频子带系数作为新的输入源图像，重复上述第一步和第二步，完成所选取的非下采样Contourlet变换分解层数的变换，得到待降斑图像Contourlet分解的低频子带系数和高频方向子带系数。步骤3，高频系数收缩。本发明对Contourlet变换后的高频各方向子带系数用SURE-LET方法进行收缩， 得到估计的无噪图像Contourlet高频各方向子带系数，具体实现步骤如下首先，保持低频子带系数不变。其次，利用降斑后图像与无噪图像之间的最小均方误差，按下式求解权重系数；Bk= [ θ k (y) Τ θ k (y) ] -1 { θ k (y) Ty- O 2di V [ θ k (y) ] }其中，％为权重系数，[θ^γΓθ^γ)]-1为逆运算符号，θ々)τ为0k(y)的转置，9k(y)为阈值函数，k= 1,2……K，K的取值范围为1 100，y为输入的待降斑图像 Contourlet变换高频方向子带系数，σ为噪声标准差，div为求导运算；阈值函数按照下式取得
X -(A-I)為0k{y) = Y^ye 1Tl其中，ek(y)为阈值函数，k = 1，2……K，K的取值范围为1 100，y为输入的待降斑图像Contourlet变换高频各方向子带系数，Σ为求和运算，&为指数运算， Τ = 4βσ, σ为噪声标准差。最后，按照下式对高频方向子带系数进行收缩，得到估计的无噪图像Contourlet 高频各方向子带系数F{y) = ^aMy)其中，F(y)为估计的无噪图像Contourlet高频各方向子带系数，Σ为求和运算， %为权重系数，0k(y)为阈值函数，k= 1,2……K，K的取值范围为1 100 ；阈值函数按照下式取得
9k{y) = y^ye ° が
A=I其中，0k(y)为阈值函数，k = 1，2……K，K的取值范围为1 100，y为输入的 待降斑图像Contourlet变换高频各方向子带系数，E为求和运算，,け…合为指数运算， J = V6c7, o为噪声标准差。步骤4，对低频子带系数和估计的无噪图像Contourlet高频各方向子带系数进行 非下采样Contourlet逆变换，得到降斑后SAR图像；步骤5，输出降斑后SAR图像。下面结合图2、图3的仿真效果对本发明做进ー步的描述。1.仿真条件本发明的仿真是在主频2. 33GHZ的Intel (R) Core (TM) 2Duo、内存2GB的硬件环境 和MATLAB R2008a的软件环境下进行的。2.仿真内容图2为仿真试验中本发明与现有技术对测试图像Bedfordshire的降斑效果对比 图，其中，图2 (a)为待降斑的SAR图像，其大小为256X 256，是从英国Bedfordshire地区的 一幅X波段的: 分辨率的SAR图像中截取出来的。图2(b)为现有技术中采用Lee滤波方 法对待降斑的SAR图像进行降斑的结果图，图2 (c)为现有技术中采用Gamma-MAP滤波方法 对待降斑的SAR图像进行降斑的结果图，图2 (d)为现有技术中采用小波软阈值方法对待降 斑的SAR图像进行降斑的结果图，图2(e)为本发明方法对待降斑的SAR图像进行降斑的结 果图。图3为仿真实验中本发明与现有技术对测试图像House track的降斑效果对比 图，其中，图3(a)为待降斑的SAR图像，其大小为256X256，是从新墨西哥州House track 地区的一副Ku波段的Im分辨率的SAR图像中截取出来的。图3(b)为现有技术中采用Lee 滤波方法对待降斑的SAR图像进行降斑的结果图，图3 (c)为现有技术中采用Gamma-MAP滤 波方法对待降斑的SAR图像进行降斑的结果图，图3 (d)为现有技术中采用小波软阈值方法 对待降斑的SAR图像进行降斑的结果图，图3(e)为本发明方法对待降斑的SAR图像进行降 斑的结果图。3.仿真结果分析图2和图3为本发明与现有技术对测试图像Bedfordshire和House track的降斑 效果对比图。从图2(b)、图3(b)可以看出，现有技术中的Lee滤波方法对图像的斑点噪声虽 然进行了较好的平滑，但边界模糊。从图2(c)、图3(c)可以看出，现有技术中的Gamma-MAP 滤波方法得到的降斑結果，图像右下方的纹理区出现过平滑现象，从而丢失了部分细节信 息。从图2(d)、图3(d)可以看出，现有技术中的小波软阈值方法的降斑结果均勻区域不够 平滑。从图2(e)、图3(e)可以看出，本发明方法能较好地保持点目标和边缘等细节信息，相 比现有技木，均勻区域的平滑性更好，综上所述，本发明方法可以有效去除斑点噪声，同时 还可以有效保持图像的边缘和点目标等细节特征。下表是图2(a)和图3(a)中标出的5个均勻区域采用不同降斑方法对应的等效视数。
权利要求
1.一种基于NSCT域局部高斯模型的SAR图像降斑方法，包括如下步骤(1)输入待降斑SAR图像；(2)非下采样Contourlet变换2a)按照下式，将SAR图像的乘性噪声转化为加性噪声I = RX = X+ (R-I)X = X+N其中，I为所观测到的被噪声污染的图像强度，R为相干斑，其均值为1，X为地物的真实后向散射强度，N为将要滤除的加性噪声；2b)进行非下采样Contourlet变换，获得Contourlet变换低频子带系数和高频方向子带系数；(3)高频系数收缩3a)保持低频子带系数不变；3b)利用降斑后图像与无噪图像之间的最小均方误差，按下式求解权重系数；ak = [ θ k (y)τ θ k (y) ] -1 { θ k (y) Ty- σ 2di ν [ θ k (y) ]}其中，％为权重系数，[Θ^Γθ^)]-1为逆运算符号，Θ々)Τ为0k(y)的转置，0k(y) 为阈值函数，k = 1,2……K，K的取值范围为1 100，y为输入的待降斑图像Contourlet 变换高频方向子带系数，ο为噪声标准差，div为求导运算；3c)按照下式对高频方向子带系数进行收缩，得到估计的无噪图像Contourlet高频各方向子带系数其中，F(y)为估计的无噪图像Contourlet高频各方向子带系数，Σ为求和运算，％为权重系数，9k(y)为阈值函数，k= 1,2……K，K的取值范围为1 100;(4)对低频子带系数和估计的无噪图像Contourlet高频各方向子带系数进行非下采样Contourlet逆变换，得到降斑后SAR图像；(5)输出降斑后SAR图像。
2.根据权利要求1所述的基于NSCT域局部高斯模型的SAR图像降斑方法，其特征在于步骤( 所述的非下采样Contourlet变换分解层数为3-6层。
3.根据权利要求1所述的基于NSCT域局部高斯模型的SAR图像降斑方法，其特征在于步骤2b)所述的Contourlet变换方法为第一步，将待降斑图像输入非下采样的塔形滤波器组，得到待降斑图像的一层 Contourlet分解的低频子带系数和带通信号；第二步，将带通信号输入非下采样的方向滤波器组，得到待降斑图像一层Contourlet 分解的高频方向子带系数，高频方向子带数目为2N，其中，N为正整数；第三步，将低频子带系数作为新的输入源图像，重复上述第一步和第二步，完成所选取的非下采样Contourlet变换分解层数的变换，得到待降斑图像Contourlet分解的低频子带系数和高频方向子带系数。
4.根据权利要求1所述的基于NSCT域局部高斯模型的SAR图像降斑方法，其特征在于步骤3b)和3c)所述的阈值函数按照下式取得
全文摘要
本发明公开了一种基于NSCT域局部高斯模型的SAR图像降斑方法，它涉及SAR图像处理技术领域，包括如下步骤1.输入待降斑SAR图像；2.非下采样Contourlet变换；3.高频系数收缩；4.对低频子带系数和估计的无噪图像Contourlet高频各方向子带系数进行非下采样Contourlet逆变换，得到降斑后SAR图像；5.输出降斑后SAR图像。本发明对SAR图像同质区域抑斑效果优良，同时能够有效保持图像结构和纹理信息以及SAR图像的辐射特性。
文档编号G06T5/00GK102368332SQ20111036647
公开日2012年3月7日 申请日期2011年11月17日 优先权日2011年11月17日
发明者侯彪, 刘芳, 周娇, 杨国辉, 王爽, 范娜, 钟桦 申请人:西安电子科技大学