一种基于自蛇扩散和稀疏表示的Contourlet域SAR图像去噪方法
【技术领域】
[0001] 本发明设及图像处理技术领域，具体设及合成孔径雷达（SAR)图像去噪技术领域 的一种基于自蛇扩散和稀疏表示的Contourlet域SAR图像去噪方法，本发明可用于滤除 SAR图像的相干斑噪声。
【背景技术】
[0002] SAR图像相干斑噪声的滤除一直是SAR图像处理技术领域的重要课题，受到研究 者的广泛关注，提出了多种去噪方法。根据所采用的数学方法不同，SAR图像的去噪方法 可W分为=类：统计类去噪方法、变换域类去噪方法、偏微分扩散类去噪方法。各类方法 各有优缺点，其中应用最广泛的是变换域类去噪方法。稀疏表示是用较少的系数描述信号 的主要信息，已经被成功应用于SAR图像的变换域类去噪方法。赵瑞珍[Zhao Ruizhen， Liu Xiaoyu，et al. . Wavelet denoising via sparse representation[J]. Science in 化ina Series F，2009,52(8) ;1371-1377]将稀疏表示应用于小波域，将去噪问题转化为 最优问题，利用最速下降法迭代恢复被污染的小波系数，完成SAR图像去噪。但是由于小 波方向性有限，不能有效表示线、面奇异性，无法捕捉图像的轮廓信息，因此对于纹理丰富 的SAR图像去噪效果较差。为此，多尺度几何分析方法成为首选。刘帅奇[刘帅奇，胡绍 海，肖扬.基于稀疏表示的化631'16*域541?图像去噪[化电子与信息学报，2012,34(9); 2110-211引将SAR图像变换到化earlet域，结合稀疏表示求解最优化问题，完成SAR图 像去噪，但算法忽略了低频子带的残余噪声，因此效果不是很显著。杨萌[Meng Yang, Gong Zhang，SAR Image De-speckling Using Over-complete Dictionary. Electronics Letters, 48 (10) ;596-597, 2012]根据SAR图像低频和高频稀疏结构信息，通过贪婪算法 重构图像低频分量，利用小波和剪切波对图像高频分量的点奇异性和线奇异性进行稀疏表 示，通过迭代优化方式重构SAR图像的高频分量，融合低频分量和高频分量实现SAR图像 去噪，效果较好，但算法忽略了低频子带大尺度目标的边缘信息，导致去噪后的图像出现边 缘模糊现象。自蛇扩散滤波[Weickert J，K她ne GJast Methods for Implicit Active Contour Models U. Geometric Level Set Methods in Imaging. Vision and Graphics， 2003，Part 11:43-57]由于在去噪的同时可W保持图像的边缘、纹理等细节特征，在SAR图 像的去噪方法中得到应用。朱磊[朱磊，水鹏朗，武爱景.一种SAR图像相干斑噪声抑制新 方法[J].西安电子科技大学学报（自然科学版），2012,39(2) :80-86]将自蛇扩散应用到 非下采样小波包分解下的低频子带，结合改进的L1-L2联合优化实现了 SAR图像去噪，效果 较好，但算法运行时间较长。Do 和 Vetterli[M. N. Do and M. Vetterli ;"Contourlets. "In B巧ond Wavelet, J.Stoeckler and G.V. Welland, Eds. Academic press, New York. (2002) to appear，http ;//ww. ifp. uiuc. edu/?minhdo/publications]提出白勺非自适应方向多 尺度Contourlet变换，由于利用了图像的几何特性，具有多尺度、多方向性和各向异性、用 少量的系数就能有效捕捉图像的边缘信息，能显著降低伪Gibbs效应，可W和稀疏表示结 合应用于SAR图像去噪。但SAR图像经Contourlet变换分解后的低频子带仍保留小部分 残余噪声，若是忽略低频子带的滤波，势必影响去噪效果，因此本发明将SAR图像变换到 Contourlet域，对低频子带采用自蛇扩散去噪，对高频子带采用稀疏优化去噪模型去噪。
【发明内容】
[000引技术问题
[0004] 本发明提供一种基于自蛇扩散利稀疏表示的Contourlet域SAR图像去噪方法，能 够对SAR图像经Contourlet变换分解后的低频子带和高频子带分别去噪，既保持了图像的 边缘信息，又提高了去噪效果。
[000引技术方案
[0006] 为了解决上述的技术问题，本发明的一种基于自蛇扩散利稀疏表示的Contourlet 域SAR图像去噪方法具体包括下述步骤：
[0007] 步骤一；输入任选的一幅包含噪声的SAR图像；
[000引步骤二：先对含噪SAR图像循环平移一定的距离，克服Contourlet变换的移变性， 然后对平移后的SAR图像进行Contourlet变换，其中LP结构采用"9-7"双正交小波分解， DFB的方向数为8,保留并提取SAR图像的低频子带系数利8个方向的高频子带系数；
[0009] 步骤对于不具有稀疏性的低频子带，采用自蛇扩散滤波对图像进行扩散处理， 并将滤波处理后的系数作为SAR图像低频子带在Contourlet域的局部均值估计；
[0010] 步骤四；对于具有稀疏性的高频子带，采用稀疏表示模型构造出去噪的最优化模 型，利用改进的正交匹配追踪算法求解高频子带的稀疏系数，具体包括下列步骤：
[0011] 步骤1 ;由于8个方向的高频子带两两正交，所W先将8个方向的高频子带按照对 应正交特点重组，形成4个方向子带；
[001引步骤2 ;取4个方向子带图像中每个像素的haXh。邻域中列向量首尾相接重排为 记维列向量；
[001引步骤3 ;选取高斯分布的测量矩阵作为冗余字典0 (MX (N/2)，l《M<< (N/2))， 分别对步骤2中的4个方向子带列向量进行测量；
[0014] 步骤4 ;在I2范数意义下归一化字典〇的各原子；用改进的正交匹配追踪算法计 算步骤2中的4个方向高频子带列向量在字典〇下的稀疏表示系数；
[0015] 步骤5 ;将滤波得到的4个方向高频子带恢复重组为8个方向的高频子带。
[0016] 步骤五：将滤波得到的低频系数和高频系数进行Contourlet逆变换并反向平移， 恢复到与原始图