一种基于排序联合稀疏表示的SAR图像降斑方法与流程

本发明属于数字图像处理
技术领域：
，它特别涉及基于图像块排序与联合稀疏表示的图像降斑方法，用于sar图像降斑处理。
背景技术：
：合成孔径雷达(sar)图像在军用和民用领域有着广泛的应用，而相干斑噪声严重影响了对图像中各类目标的识别，因此对相干斑噪声的有效抑制是sar图像处理的重要前提与关键技术之一。sar图像由于成像系统及地物目标的复杂性，使其本身具有大量丰富的细节信息，因此sar降斑的主要目标是在尽量保留图像细节的情况下，去除相干斑噪声的影响，而由于其成像原理的不同，普通的光学图像的降斑方法并不能直接用于sar图像降斑。传统的基于空域的sar图像降斑方法对相干斑噪声的抑制能力有限且边缘信息损失严重，而基于变换域的降斑方法利用了真实图像信号在变换域中稀疏的特性，更加有效地实现了图像真实信息与噪声的分离，取得了较好的降斑效果。随后基于变换域的稀疏降斑与非局部相似相结合的降斑方法逐渐发展，并取得了较大提高，如sar-bm3d方法将非局部相似图像块组成相似图像块集合，并利用线性最小均方误差方法来对其进行估计，并重构出最终的估计图像，取得了非常不错的效果，但该方法在保留细节的同时产生了大量伪影，抑斑后sar图像的整体效果仍需提高，因此在保留细节的同时如果能对伪影进行有效抑制，将进一步提高图像的降斑效果。技术实现要素：本发明的目的在于针对现有sar图像降斑中对图像细节保留和伪影抑制所存在的不足，提出一种基于排序联合稀疏表示的sar图像降斑方法。该方法充分考虑了sar图像的非局部相似性与不同区域的特性，在对所有图像块根据相似度排序的基础上构建相似图像块集合即结构组，并建立起联合稀疏表示模型对结构组稀疏系数进行约束，以更精确的估计出真实sar图像的稀疏系数，因此采用本发明方法降斑后的sar图像不仅能充分抑制相干斑而且能极大的保留图像的细节信息。包括以下步骤：步骤一、图像块排序首先在sar图像中按固定尺寸逐像素抽取图像块，在所有图像块中随机选取第i个图像块xi为初始目标图像块，并在以xi为中心的小范围内寻找与其最相似的图像块，若在小范围内搜索不到其最相似的图像块，则在整个图像内寻找，并将与xi最相似的图像块xj排在xi之后，然后以xj为目标图像块在剩余图像块中寻找与xj最相似的图像块，再将xj的相似图像块作为下一目标图像块继续寻找其最相似的图像块，以此得到排序后的图像块序列，其中相邻图像块之间相似度最高。步骤二、联合稀疏表示模型通过步骤一图像块排序后，将目标图像块xi与其在图像块序列中邻近的s-1个图像块构建成一个相似图像块集合即结构组为利用图像在变换域下的稀疏性，先对结构组内每个图像块进行小波变换，再对小波变换后系数矩阵的行向量进行离散余弦变换，以获得结构组稀疏系数在抑制伪影现象的同时为保留更多的图像细节，使图像整体降斑效果更好，建立联合稀疏模型为：其中为估计出的代表真实图像的非局部稀疏系数，λ1和λ2为正则化参数，通过式(1)右边最后两个l1范数的约束实现对稀疏系数的联合约束。步骤三、参数的估计及模型的求解为求解步骤二中的联合稀疏表示模型，需要对该模型中的非局部稀疏系数以及正则化参数λ1和λ2进行估计。为估计非局部稀疏系数首先在步骤一获得的图像块序列中为结构组中的每个图像块寻找各自对应的相似图像块，并将这些相似图像块构成与结构组相似的结构组再对每个相似结构组稀疏表示得到对应的稀疏系数集合{γg,i,γh,i,γi,i,γj,i,γk,i}，并对各稀疏系数做加权平均以估计非局部稀疏系数即利用式(2)得到：其中wj,i表示每个稀疏系数的权重，而正则化参数λ1和λ2则通过基于最大后验概率的贝叶斯估计来求解：其中p(y|α,α-β)项服从瑞利分布，p(α,α-β)项服从拉普拉斯分布，将这两项的分布模型代入式(3)，即可求解出λ1和λ2的值。在得到降斑模型中的这三个参数后，可利用分离伯格曼迭代算法对模型进行迭代求解，首先将式(1)分解为两个子问题：b(t+1)＝b(t)-(x(t+1)-ξοα(t+1))式(6)其中μ为固定值以避免数值不稳定问题，b为修正参数，通过式(4)到式(6)循环迭代求解，即可重构出最终的图像。本发明的创新点是在sar图像降斑过程中利用图像的非局部相似性，将图像中所有的图像块进行排序，并将相似图像块相邻排列；分别对相似图像块集合进行小波变换和离散余弦变换后获得稀疏系数；并建立联合稀疏模型对稀疏系数进行约束，在约束系数稀疏性的同时利用估计出的非局部稀疏系数对待估计的真实图像稀疏系数进行约束；进一步利用分离伯格曼迭代算法对该模型进行求解，并将该方法应用于sar图像降斑。本发明的有益效果：结合图像块的非局部相似性得到排序后的图像块序列，有利于相似图像块的寻找；对结构组进行小波变换和离散余弦变换，可进一步提高稀疏度；结合非局部相似性建立联合稀疏表示模型，可使估计出的结果更接近真实图像的系数值，抑制伪影现象；采用分离伯格曼迭代算法对整个稀疏模型进行循环迭代求解，在保证估计精度的同时上可提高整个模型的求解效率，因此最终降斑后的sar图像不仅保留了大量的细节，而且有效抑制了伪影的产生，使整体效果更接近于真实图像。本发明主要采用仿真实验的方法进行验证，所有步骤、结论都在matlab8.0上验证正确。附图说明图1是本发明的工作流程框图；图2是本发明仿真中使用的待降斑sar图像；图3是ppb方法对图2的降斑结果图；图4是sar-bm3d方法对图2的降斑结果图；图5是本发明方法对图2的降斑结果图。具体实施方式参照图1，本发明是基于排序联合稀疏表示的sar图像降斑方法，具体步骤包括如下：步骤一、图像块排序在对图像块进行排序时，结合sar图像噪声分布，建立相似度计算模型为：其中k代表图像块内像素位置，d(xi,xj)越小，表示两个图像块间相似度越高。通过式(7)这种相似度计算方法，来寻找与每一目标图像块最相似的图像块，以此得到排序后的图像序列。步骤二、联合稀疏模型通过步骤一的图像块排序后，将目标图像块xi与其在图像块序列中邻近的s-1个图像块构建成一个相似图像块集合即结构组并通过式(8)对结构组进行稀疏表示：其中s3d表示将的每个图像块进行堆叠，ψ3d表示先对结构组内每个图像块进行小波变换，然后对小波变换后系数矩阵的行向量进行离散余弦变换，通过这两个算子，便可得到每个结构组的稀疏系数并建立起式(1)的联合稀疏表示模型。步骤三、参数的估计及模型的求解在得到式(1)的联合稀疏模型后，为求解该模型，首先需要估计该模型中的非局部稀疏系数以及正则化参数λ1和λ2，在利用式(2)计算时，其权重wj,i可根据两个图像块的相似度即式(9)求解得到：其中w为归一化因子。在利用式(3)计算两个正则化参数时，需要结合噪声u服从的瑞利分布：并结合α和α-β服从的拉普拉斯分布：其中σ和δ分别表示α和α-β的标准差，将式(10)和式(11)代入式(3)，可得：对比式(12)与式(1)可得正则化参数λ1和λ2的值为：在得到非局部稀疏系数和两个正则化参数后，即可对联合稀疏模型进行求解。在对联合稀疏模型进行求解的过程中，对于式(4)，若α已知，则可转化为：其优化解为：其中i为单位阵。当式(5)中的x和b确定后，对于式(5)中的保真项有：其中n,k为尺度参数，γ为x-b的稀疏系数，则将式(16)代入式(5)可得：由于式(17)中对向量α的优化可转化为对向量α中每一维标量α的优化，即：其中对于式(18)可进行软阈值求解：其中收缩算子为：求出所有结构组稀疏系数后，即可求得每次迭代中式(5)的所有稀疏系数的估计结果α(t+1)，而根据式(4)和式(5)的结果，b可在式(6)中根据其结果进行更新。通过对结果进行循环迭代，直到满足迭代条件，得到最终的降斑图像。本发明的效果可以通过以下仿真实验进一步说明：一、实验条件和内容实验条件：实验使用的输入图像为图2，图像大小为256×256。实验中各降斑方法都使用matlab语言编程实现。实验内容：在上述实验条件下，使用ppb方法和sar-bm3d方法与本发明方法进行对比。降斑能力的客观评价指标用同质区等效视数enl来衡量。实验1：用本发明方法和现有的ppb方法和sar-bm3d方法分别对图2进行降斑处理。其中ppb方法是目前有效的sar图像降斑方法之一，尤其是在同质区，其降斑结果为图3；sar-bm3d方法与本方法类似，也是对图像进行变换处理，尤其是具有良好的细节保留能力，其降斑结果为图4。实验中本发明方法设置图像块大小为相似图像块集合包含的图像块个数为s，并以与s＝15进行实验；最终重构结果为图5。对比ppb方法与本发明方法可知，该方法在平滑区的表现与本发明方法接近，但在异质区中细节的保持能力上表现不如本发明方法；sar-bm3d方法的结果在异质区与本方法有类似的细节保留能力，但是在同质区可明显看到大量伪影，但本发明方法可有效抑制伪影现象；本发明方法不仅利用图像变换后的稀疏性和非局部相似性，还对稀疏系数进行联合约束，使得稀疏系数更接近于真实图像的系数，因此在保留异质区的细节信息的同时能有效地抑制伪影现象，使降斑后sar图像的整体效果更加良好。表1不同降斑方法的enl指标区域1均值方差enl值区域2均值方差enl值原始75.97153911.27原始75.71207010.51ppb79.0624.77658.73ppb79.0080.56168.74sarbm78.31667.1124.41sarbm377.75259.386.85本方法79.0913.84968.61本方法78.9640.81198.30表1给出了采用不同方法对图2中两个不同区域进行降斑后所得图像的均值、方差和enl指标情况，其中方差越小或者enl值越高表示平滑区降斑效果越好。从表1可见，本发明方法获得的各项性能指标均优于其他方法，此结果与降斑效果图相吻合。上述实验表明，本发明降斑方法不仅降斑效果显著，而且降斑后图像细节信息更加丰富，同时视觉效果及客观评价指标都较好，由此可见本发明对sar图像降斑是有效的。当前第1页12