一種基于采樣矩陣方向優(yōu)化的sar圖像去噪方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于合成孔徑雷達(dá)圖像去噪技術(shù)領(lǐng)域，具體涉及一種基于采樣矩陣方向優(yōu) 化的ND-GSM模型的SAR圖像去噪方法。
【背景技術(shù)】
[0002] 合成孔徑雷達(dá)（SAR)作為新一代的遙感信息源，具有全天候、多極化、多視角以 及較強(qiáng)的地表松散物穿透能力，在軍事、遙感等領(lǐng)域發(fā)揮出越來越大的作用。相干斑噪聲 (speckle)是SAR圖像固有的一種確定性干涉現(xiàn)象，因此，抑制相干斑噪聲成為SAR圖像處 理的一個(gè)重要環(huán)節(jié)。
[0003] 相干斑噪聲抑制技術(shù)可分為成像前多視平滑技術(shù)和成像后濾波技術(shù)兩大類，后處 理技術(shù)又可分為空域?yàn)V波和頻域?yàn)V波。對于前者，如Lee，Ga_a-MAP等基于局部統(tǒng)計(jì)量的 自適應(yīng)濾波方法得到了廣泛的應(yīng)用，此類濾波器的相干斑抑制能力與固定窗口的大小成正 t匕，難以兼顧均勻區(qū)域的平滑和細(xì)節(jié)信息的保持。近二十年來，小波分析在SAR圖像處理方 面取得了較成功的應(yīng)用。1995年Donoho等人提出對小波系數(shù)進(jìn)行閾值處理來達(dá)到去噪的 目的，此后小波閾值去噪方法被廣泛應(yīng)用于各種去噪處理中，并取得了巨大成功。但是由一 維小波通過張量積而形成的二維可分離小波變換（Separablewavelet)只具有有限個(gè)方 向，不能"最優(yōu)"表示含線或者面奇異的二維圖像。針對這個(gè)至關(guān)重要的問題，許多學(xué)者提 出 了"多尺度幾何分析"（MultiscaleGeometricAnalysis，MGA)研究方法。
[0004] 2004年由Vladan Velisavljevic和Baltasar Beferull Lozano等人最初提出的 Directionalet(方向小波）是一種新的多尺度幾何分析工具，是以一維小波為基礎(chǔ)，對小 波變換在多方向上的擴(kuò)展。它繼承了小波變換可分性的特點(diǎn)，根據(jù)計(jì)算機(jī)圖形學(xué)中數(shù)字化 線段的理論和整數(shù)柵格理論，構(gòu)造了多方向框架和多方向小波基。方向小波克服了標(biāo)準(zhǔn)二 維小波在圖像處理中不能很好地捕獲圖像方向特性的缺點(diǎn)，是Contourlet(輪廓小波）之 后，基于離散域的又一種新的有效的圖像處理工具。
[0005]非下米樣的Directionlet變換（NonsubsampledDirectionlet，ND)在 Directionlet變換的基礎(chǔ)上改變了陪集的濾波方式，不再進(jìn)行下采樣，從而產(chǎn)生的冗余性 使得變換系數(shù)之間具有更好的相關(guān)性，而且能夠有效地捕捉圖像中的各向異性特征。對于 變換后各子帶系數(shù)，高斯混合尺度（GSM)模型能有效地表示其邊緣分布，同時(shí)體現(xiàn)了鄰域 系數(shù)間的強(qiáng)相關(guān)性?？墒欠窍虏蓸覦irectionlet變換的方向選取都是固定的角度，沒有根 據(jù)圖像的特征進(jìn)行變換，在圖像直線邊緣處有劃痕和失真現(xiàn)象。因此，提出了一種非下采樣 Directionlet域高斯混合尺度（ND-GSM)模型的采樣矩陣方向優(yōu)化及SAR圖像去噪，在分割 子圖中將采樣矩陣優(yōu)化的非下采樣Directionalet變換與GSM方法相結(jié)合，構(gòu)造采樣矩陣 方向優(yōu)化的ND-GSM分解系數(shù)的鄰域模型，利用Bayes最小均方估計(jì)對子圖變換域進(jìn)行局部 去噪，最后合成去噪后的分割子圖。相關(guān)實(shí)驗(yàn)研究結(jié)果表明，該方法能夠有效抑制相干斑噪 聲，較完整地保持圖像中的邊緣等細(xì)節(jié)信息，更加充分的體現(xiàn)鄰域間系數(shù)的相關(guān)性，獲得 良好的視覺效果，其綜合性能指標(biāo)均優(yōu)于小波等其他方法。

【發(fā)明內(nèi)容】

[0006] 本發(fā)明的目的是要提供一種新的SAR圖像的去噪方法。該方法解決了當(dāng)非下采樣 的Directionlet基函數(shù)的方向與圖像中各向異性目標(biāo)不一致時(shí)，對圖像的逼近效果差，甚 至退化為小波的現(xiàn)象。
[0007] 首先采用非下采樣Directionlet變換的采樣矩陣的方向優(yōu)化方法尋找方向優(yōu)化 的采樣矩陣，其特征包含以下步驟：
[0008] 步驟1 :對圖像進(jìn)行幾何平面分割，要求被分割圖像的水平分辨率和垂直分辨率 相等且都為64的整數(shù)倍，該整數(shù)倍數(shù)值即為分割的次數(shù)，分割后的子圖尺寸像素大小應(yīng)為 64X64；
[0009] 步驟2 :對各子圖進(jìn)行二進(jìn)小波變換，得到水平方向細(xì)節(jié)圖h(i，j)和垂直方向的 細(xì)節(jié)圖v(i,j);
[0010] 其中（i，j)表示當(dāng)前子帶中二進(jìn)小波變換系數(shù)的位置，i，j= 1，2, ? ? ?，64 ;
[0011] 步驟3:根據(jù)h(i，j)和v(i，j)，計(jì)算分割子圖在（i，j)處的方向e(i，j)，方法 如下：
[0012] 步驟3. 1 =晉，若v(i，j) >>h(i，j);
[0013] 步驟 3. 2 : 0 (i，j) = 0,若h(i，j) >>v(i，j);
[0014] 步驟3. 3
【主權(quán)項(xiàng)】
1. 一種基于采樣矩陣方向優(yōu)化的SAR圖像去噪方法，采用非下采樣Directionlet變換 的采樣矩陣的方向優(yōu)化方法尋找方向優(yōu)化的采樣矩陣，其特征包括以下步驟： 步驟1. 1 :對圖像進(jìn)行幾何平面分割，要求被分割圖像的水平分辨率和垂直分辨率相 等且都為64的整數(shù)倍，該整數(shù)倍數(shù)值即為分割的次數(shù)，分割后的子圖尺寸像素大小應(yīng)為 64X64 ； 步驟1. 2 :對各子圖進(jìn)行二進(jìn)小波變換，得到水平方向細(xì)節(jié)圖h(i，j)和垂直方向的細(xì) 節(jié)圖v(i，j); 其中（i，j)表示當(dāng)前子帶中二進(jìn)小波變換系數(shù)的位置，i，j= 1，2, . . .，64 ; 步驟1.3:根據(jù)h(i，j)和v(i，j)，計(jì)算分割子圖在（i，j)處的方向0 (i，j)，方法如 下： 步驟 1.3.1:
，若v(i，j) >>h(i，j); 步驟 1. 3. 2 : 0 (i，j) = 0,若h(i，j) >>v(i，j); 步驟1.3. 3:
，其它情況； 步驟1.4:通過步驟1.3統(tǒng)計(jì)出各分割子圖像在（i，j)處的方向0 (i，j)的值，找出出 現(xiàn)次數(shù)最多的兩個(gè)方向，記為9 :和0 2， 如果統(tǒng)計(jì)出現(xiàn)次數(shù)時(shí)多個(gè)方向相等，計(jì)算方法如下： Q i= ( Q 1+ Q 2+. ? ? + Q n) /n 其中^，％???en是出現(xiàn)次數(shù)相同的多個(gè)方向，ei則記為該出現(xiàn)次數(shù)的方向； 如果有兩個(gè)相鄰子圖像的主要方向基本一致，計(jì)算方法如下：
其中e2是其中一個(gè)分割子圖的主要方向，e'JPe' 2是與之相鄰的分割子圖 的主要方向，則將這兩個(gè)相鄰的子圖像在（i，j)處的方向0 (i，j)的值進(jìn)行合并統(tǒng)計(jì)，重新 找出主要方向Q9 2， 步驟1. 5 :由主要方向得到近似有理斜率和;r2,rfarctan0i=b，:r2 =arctan0 2=b2/a2，根據(jù)rdPr2構(gòu)造非下采樣Directionlet變換的方向優(yōu)化的采樣矩陣：
其中，ai，a2,bJPb2都是正整數(shù)，其中沿斜率ri的方向稱為變換方向，沿斜率1~2的方 向稱為隊(duì)列方向； 步驟1. 6:沿變換方向和隊(duì)列方向?qū)Ω髯訄D像進(jìn)行采樣矩陣為MA的斜各向異性小波變 換S-AWTOvr^)，得到整幅圖像各向異性率為P的（P二]^/]^)的非下采樣Directionlet 變換的系數(shù)； SAR圖像經(jīng)采樣矩陣優(yōu)化的非下采樣的Directionlet分解后，其觀測系數(shù)的鄰域y可 用GSM模型表示如下：
W為零均值高斯向量，相應(yīng)的協(xié)方差矩陣為Cw，假設(shè)Cw對同一子帶的所有鄰域保持恒 定； 在條件z下，得出觀測系數(shù)鄰域協(xié)方差為Cy|z=zCu+Cw，由于隨機(jī)變量z，u，w相互獨(dú)立， 將z取期望代入，得到Cy=E{z}Cu+Cw，設(shè)置E{z} = 1，則： Cu=Cy-Cw 圖像經(jīng)分解得到各個(gè)尺度的子帶系數(shù)，假設(shè)系數(shù)X。周圍的領(lǐng)域系數(shù)X符合GSM模型，則 隨機(jī)向量x可以表示為零均值高斯向量U和獨(dú)立正尺度隨機(jī)因子的乘積：x= "s/Su， "="號表示具有相同的分布，因子Z稱為權(quán)系數(shù)，向量X的概率密度由u的協(xié)方差矩陣Cu 和系數(shù)概率密度？,(2)所決定： N為X和u的維數(shù)（此處為鄰域的大?。?設(shè)E{z} = 1，則Cx=Cu.
使用一個(gè)NXN大小的鄰域?qū)ζ溥M(jìn)行估計(jì)，Cy為鄰域內(nèi)觀測系數(shù)鄰域的協(xié)方差： Cy=E{(y-uu) ? (y-uU)T} 其中Uy=E{y}表示y的期望值； 噪聲領(lǐng)域協(xié)方差Cw由分解函數(shù)：
其中（Ny，Nx)為圖像大小，此S信號與噪聲信號具有相同的功率譜； 使用貝葉斯最小均方估計(jì)：
本發(fā)明方法用來計(jì)算條件z下的中心系數(shù)x。，以后驗(yàn)密度p(z|y)為權(quán)重的貝葉斯最小 均方估計(jì)的均值，GSM模型的重要特性在于，系數(shù)向量的鄰域x是條件z下的高斯變量，利 用加性高斯白噪聲的性質(zhì)，期望即為一個(gè)簡單的維納估計(jì)： E{x|y,z} =zCu (zCu+Cw)_1y 使用矩陣zCu+Cw的對角化來降低上式對z的依賴性； 所述的去噪方法，其特征在于，該方法能適應(yīng)圖像中各向異性目標(biāo)的主要方向，去噪方 法包括如下步驟： 步驟2. 1 :對原始SAR圖像進(jìn)行對數(shù)變換，使其滿足加性噪聲假設(shè)； 步驟2. 2 :進(jìn)行采樣矩陣方向優(yōu)化的非下采樣Directionlet變換，方法如下： 步驟2. 2. 1 :對圖像進(jìn)行空間分割，根據(jù)圖像的大小決定分割的次數(shù)，子圖尺寸大小應(yīng) 為 64X64 ; 步驟2. 2. 2 :對各子圖進(jìn)行二進(jìn)小波變換，最后確定方向優(yōu)化的采樣矩陣MA ; 步驟2. 2. 3 :對各分割子圖進(jìn)行采樣矩陣為^采樣，得到|det(MA) | (MA行列式的絕對 值）個(gè)陪集，每個(gè)陪集對應(yīng)于一個(gè)位移矢量sk，且每個(gè)陪集是由位移矢量sk所決定的； 步驟2. 2. 4 :對各分割子圖的每個(gè)陪集分別進(jìn)行非下采樣Directionlet變換，得到各 分割子圖相應(yīng)的高頻和低頻系數(shù)子帶； 步驟2. 3 :利用GSM模型估計(jì)除低頻外的各個(gè)分割子圖各個(gè)子帶系數(shù)噪聲； 步驟2.3. 1 :根據(jù)圖像噪聲標(biāo)準(zhǔn)差，計(jì)算鄰域噪聲協(xié)方差Cw，估計(jì)鄰域系數(shù)的協(xié)方差Cy； 步驟2. 3. 2 :利用CjPCw估計(jì)Cu; 步驟2. 3. 3 :簡化E{x|y，z}為局部維納估計(jì)； 步驟2. 3. 4 :對子帶中的各個(gè)鄰域利用貝葉斯最小均方估計(jì)計(jì)算其中心系數(shù)x。； 步驟2. 4 :對低頻子帶和經(jīng)濾波處理的高頻子帶進(jìn)行非下采樣Directionlet逆變換； 步驟2. 5 :依據(jù)選擇的陪集所對應(yīng)位移矢量的方向進(jìn)行加權(quán)綜合，重構(gòu)各個(gè)分割子圖； 步驟2. 6 :將重構(gòu)的各分割子圖按其在原圖像中的位置合成，得到去噪后的圖像。
【專利摘要】本發(fā)明公開了一種基于采樣矩陣方向優(yōu)化的SAR圖像去噪方法，屬于合成孔徑雷達(dá)圖像去噪技術(shù)領(lǐng)域。本發(fā)明方法將非下采樣的方向小波變換和高斯混合尺度模型(GSM)相結(jié)合，提出了非下采樣高斯模型(ND-GSM)的采樣矩陣方向優(yōu)化方法，對分割子圖進(jìn)行二進(jìn)小波變換，確定SAR圖像的方向優(yōu)化采樣矩陣，并應(yīng)用到各個(gè)子圖中，構(gòu)造了采樣矩陣方向優(yōu)化的非下采樣Directionlet域分解系數(shù)的鄰域模型，利用貝葉斯最小均方估計(jì)進(jìn)行子圖變換域的局部去噪，合成去噪后的分割子圖，得到去噪后的SAR圖像。解決了圖像的逼近效果差的問題，本發(fā)明方法能充分體現(xiàn)鄰域間系數(shù)的相關(guān)性，在圖像邊緣特征保持方面具有優(yōu)勢，改善圖像視覺效果。
【IPC分類】G06T5-00
【公開號】CN104574308
【申請?zhí)枴緾N201410843752
【發(fā)明人】陳雙葉, 周耳江, 吳強(qiáng)
【申請人】北京工業(yè)大學(xué)
【公開日】2015年4月29日
【申請日】2014年12月30日