基于比值分布的sar圖像非局部降斑方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，主要設(shè)及對(duì)合成孔徑雷達(dá)（SyntheticAperture Radar,SAR)圖像的斑點(diǎn)濾波，具體說(shuō)是一種基于比值分布的SAR圖像非局部降斑方法，可 用于對(duì)SAR圖像的降斑處理。
【背景技術(shù)】
[0002] 合成孔徑雷達(dá)所成的圖像具有全天候、全天時(shí)、高分辨率和強(qiáng)大的穿透能力等特 點(diǎn)，因此，該種圖像被廣泛的應(yīng)用到目標(biāo)識(shí)別，變換檢測(cè)和水面監(jiān)視。然而，SAR圖像被乘性 相干斑噪聲所腐蝕，該種噪聲來(lái)自后向散射雷達(dá)反射的連續(xù)干擾。該種斑點(diǎn)噪聲毀壞了SAR 圖像福射測(cè)量的分辨率，同時(shí)影響到背景分析和理解。
[0003] 去斑方法的目標(biāo)就是在去除噪聲的同時(shí)保留圖像的特征信息，像紋理，邊緣和點(diǎn) 狀目標(biāo)。但是由于斑點(diǎn)噪聲的乘性相干特性，抑制斑點(diǎn)噪聲非常困難。目前，已經(jīng)有很多的 斑點(diǎn)濾波方法，大致可分為空域和頻域兩大類(lèi)。頻域類(lèi)的去斑方法如基于小波、Contourlet 等變換的SAR圖像去斑算法由于其多尺度、多分辨等優(yōu)點(diǎn)獲得了廣泛的應(yīng)用。但是變換域 去斑算法本質(zhì)上仍是基于固定窗口的濾波，在圖像的邊緣、線等區(qū)域會(huì)產(chǎn)生吉布斯現(xiàn)象。其 缺點(diǎn)是不能很好的保留圖像的邊緣信息?？沼蚪y(tǒng)計(jì)類(lèi)去斑方法一般先假定噪聲的乘性模 型，然后基于像素鄰域窗口的局部統(tǒng)計(jì)特性進(jìn)行濾波?；诳沼?yàn)V波的典型算法有Lee濾 波，Kuan濾波，化ost濾波及其增強(qiáng)版。該些方法在同質(zhì)區(qū)域取均值，對(duì)變化較快的點(diǎn)采取 保留的策略，其缺點(diǎn)是邊緣周?chē)脑肼曇矔?huì)被保留，同時(shí)圖像結(jié)構(gòu)信息如邊緣、線性體、點(diǎn) 等目標(biāo)會(huì)在一定程度上被模糊或?yàn)V除。近幾年，非局部的方法被用于圖像濾波。由于非局部 方法能更好的利用圖像的冗余性，取得了很好的效果。2009年，化arles等人提出了一種基 于像素塊概率分布（Prob油ilityPatch-Based,PPB)的方法，它是一種迭代的非局部SAR 圖像降斑方法，被認(rèn)為是當(dāng)前最好的SAR圖像去斑方法之一。然而，PPB算法在對(duì)SAR圖像 的去斑過(guò)程中，依然使用歐氏距離度量像素塊之間的相似性。理論和實(shí)驗(yàn)都證明，該種歐氏 距離的度量方式對(duì)于SAR圖像的乘性噪聲模型并不合適，它并不能很好的抑制噪聲。此外， PPB方法用化距離作為像素間的先驗(yàn)距離，而估計(jì)誤差相對(duì)于圖像的噪聲是非常微弱的。 化距離是一種二范數(shù)的表示形式，不能很好的逼近微弱的估計(jì)誤差。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服PPB方法用于SAR圖像降斑時(shí)在細(xì)節(jié)保持上不足的技術(shù)問(wèn) 題，提出了一種基于比值分布的非局部濾波器用于SAR圖像的降斑方法。
[0005] 本發(fā)明是一種基于比值分布的合成孔徑雷達(dá)圖像非局部降斑方法，其特征在于， 包括有如下步驟：
[0006] (1).輸入一個(gè)L視的SAR圖像V，并初始化迭代次數(shù)i=1，把輸入圖像V當(dāng)作為 初始的估計(jì)圖像fje。
[0007] (2).從輸入的SAR圖像V中取其任意的像素點(diǎn)V,，W像素點(diǎn)V,為中屯、的像素塊稱(chēng) 為中屯、像素塊V,，w像素點(diǎn)V,鄰域的像素點(diǎn)V t為中屯、的像素塊稱(chēng)為鄰域像素塊V t，計(jì)算出 中屯、像素塊V,和鄰域像素塊Vt之間比值距離dti。
[000引也可W說(shuō)，對(duì)于輸入的L視SAR圖像V的像素點(diǎn)V,，計(jì)算出W像素點(diǎn)V,為中屯、的 像素塊與WV,鄰域中每個(gè)像素點(diǎn)Vt為中屯、的像素塊之間比值距離dti。
[0009] (3).計(jì)算出估計(jì)圖像里相鄰像素間的先驗(yàn)距離屯2;
[0010] 若i= 1，從初始估計(jì)圖像護(hù)中取像素點(diǎn)。/，W像素點(diǎn)兩"為中屯、的像素塊稱(chēng)為中 屯、估計(jì)塊6/，^像素點(diǎn)。/鄰域的像素點(diǎn)為中屯、的像素塊稱(chēng)為鄰域估計(jì)塊&,°，計(jì)算出中 屯、估計(jì)塊6/與其鄰域估計(jì)點(diǎn)之間的先驗(yàn)距離心；
[0011] 若i〉i，從i-1次迭代得出的估計(jì)圖像抒'-1中取像素點(diǎn)餐y，W像素點(diǎn)日尸為中屯、 的像素塊稱(chēng)為中屯、估計(jì)塊W像素點(diǎn)鄰域的像素點(diǎn)為中屯、的像素塊稱(chēng)為鄰域 估計(jì)塊fl/-i，計(jì)算出中屯、估計(jì)塊6/-1與其鄰域估計(jì)點(diǎn)A/-1之間的先驗(yàn)距離屯2;
[0012] (4).根據(jù)比值距離屯1和先驗(yàn)距離dt2計(jì)算其鄰域中的每一個(gè)點(diǎn)Vt的第i次迭代 的權(quán)值W,，tS
[0013] 巧).對(duì)鄰域內(nèi)的每一個(gè)點(diǎn)加權(quán)平均后估計(jì)圖像中的像素點(diǎn)i;、'：
[0014]
【主權(quán)項(xiàng)】
1. 一種基于比值分布的SAR圖像非局部降斑方法，其特征在于，包括有如下步驟： (1) .輸入一個(gè)L視的SAR圖像V，令其初始化迭代次數(shù)i = 1，把輸入圖像V作為初始 估計(jì)圖像Ue; (2) .從輸入的SAR圖像V中取其任意的像素點(diǎn)vs，以像素點(diǎn)VsS中心的像素塊稱(chēng)為中 心像素塊v s，以像素點(diǎn)vs鄰域的像素點(diǎn)V t為中心的像素塊稱(chēng)為鄰域像素塊V t，計(jì)算出中心 像素塊vs和鄰域像素塊V t之間比值距離d tl; (3) .計(jì)算估計(jì)圖像里相鄰像素間的先驗(yàn)距離dt2: 若i = 1，從初始估計(jì)圖像亡。中取像素點(diǎn)足°，以像素點(diǎn)4°為中心的像素塊稱(chēng)為中心估 計(jì)塊屯°，以像素點(diǎn)?/鄰域的像素點(diǎn)<為中心的像素塊稱(chēng)為鄰域估計(jì)塊屯°，計(jì)算出中心估 計(jì)塊fls°與其鄰域估計(jì)點(diǎn)?； 1之間的先驗(yàn)距離dt2; 若i>l，從i-1次迭代得出的估計(jì)圖像(T1中取像素點(diǎn)以像素點(diǎn)以+1為中心的像素 塊稱(chēng)為中心估計(jì)塊?廣1，以像素點(diǎn)?廣1鄰域的像素點(diǎn)?廣1為中心的像素塊稱(chēng)為鄰域估計(jì)塊 ^廣1，計(jì)算出中心估計(jì)塊ιΓ 1與其鄰域估計(jì)點(diǎn)?廣之間的先驗(yàn)距離dt2; (4) .根據(jù)比值距離dtl和先驗(yàn)距離d t2計(jì)算其鄰域中的每一個(gè)點(diǎn)V t的第i次迭代的權(quán) 值 ws，t、 (5) .對(duì)鄰域內(nèi)的每一個(gè)點(diǎn)加權(quán)平均后估計(jì)圖像中的像素點(diǎn)??/:
(6) .對(duì)于輸入的整個(gè)SAR圖像中的每一個(gè)像素點(diǎn)，重復(fù)步驟⑵~（5)，遍歷整個(gè)SAR 圖像得到第i次迭代的估計(jì)圖像?Τ; (7) .若迭代次數(shù)i〈n (η為給定的迭代終止次數(shù)），則重復(fù)步驟（3)~（6)，進(jìn)入下一次 迭代；若i = η，則迭代終止，并輸出第i = η次迭代的估計(jì)圖像?"作為最終的降斑圖像。
2. 根據(jù)權(quán)利要求1所述的基于比值分布的SAR圖像非局部降斑方法，其特征在于，步驟 (2)計(jì)算出中心像素塊Vs和鄰域像素塊V t之間比值距離d tl，包括有如下步驟： (2a).以像素點(diǎn)vs為中心，選取NXN大小的鄰域作為該像素點(diǎn)的搜尋區(qū)域； (2b).以像素點(diǎn)vs為中心，取MXM大小的塊，用塊內(nèi)各像素點(diǎn)的灰度值矩陣vs表示該 中心像素塊； (2c).以搜尋區(qū)域中除中心像素點(diǎn)vs外的每一個(gè)像素點(diǎn)vt為中心，取MXM大小的塊， 用塊內(nèi)各像素點(diǎn)的灰度值矩陣Vt表示該鄰域像素塊； (2d).計(jì)算上述兩個(gè)像素塊 '和V t中每一個(gè)對(duì)應(yīng)像素點(diǎn)的比值：
其中vs，k和V t，k分別表示V 3和V t的第k個(gè)像素點(diǎn)； (2e).根據(jù)比值分布概率公式，計(jì)算出兩個(gè)像素塊ν, V t中每一個(gè)對(duì)應(yīng)像素點(diǎn)的比值 rs.k出現(xiàn)的概率，如果輸入SAR圖像是強(qiáng)度圖像，使用強(qiáng)度概率公式：
如果輸入SAR圖像是幅度圖像，則使用幅度概率公式：
(2f).計(jì)算出中心像素塊vs與鄰域像素塊V t之間的比值距離d tl，
3. 根據(jù)權(quán)利要求1所述的基于比值分布的SAR圖像非局部降斑方法，其特征在于，步驟 (3)計(jì)算出中心估計(jì)塊?，1與其鄰域估計(jì)點(diǎn)?Λ1之間的先驗(yàn)距離dt2，包括有如下步驟： (3a).以估計(jì)點(diǎn)足"為中心，選取NXN大小的鄰域作為該估計(jì)點(diǎn)的搜尋區(qū)域； (3b).以估計(jì)點(diǎn)為中心，取MXM大小的塊，用塊內(nèi)各估計(jì)點(diǎn)的灰度值矩陣?廣表示 該中心估計(jì)塊； (3c).以搜尋區(qū)域中除中心估計(jì)點(diǎn)vj的每一個(gè)鄰域估計(jì)點(diǎn)?廣1為中心，取MXM大小 的塊，用塊內(nèi)各估計(jì)點(diǎn)的灰度值矩陣?/+1表示該鄰域估計(jì)塊； (3d).計(jì)算上述中心估計(jì)塊?，1和其鄰域估計(jì)塊?，1之間的先驗(yàn)距離：
其中I/1和心Γ1分別表示?/'-1和^廣的第k個(gè)像素點(diǎn)。
4. 根據(jù)權(quán)利要求1所述的基于比值分布的SAR圖像非局部降斑方法，其特征在于步驟 ⑷所述的"根據(jù)比值距離dtl和先驗(yàn)距離d t2計(jì)算其鄰域中的每一個(gè)點(diǎn)Vt的第i次迭代的 權(quán)值"，包括如下步驟： (4a).若輸入為強(qiáng)度SAR圖像，則模擬產(chǎn)生兩個(gè)相互獨(dú)立的視數(shù)為L(zhǎng)的服從 ga_a分布的噪聲圖，分別記為第一強(qiáng)度噪聲圖R1和第二強(qiáng)度噪聲圖R 2，其比值矩陣
將比值矩陣r帶入下面的式子求得分布矩陣Dtl: D0= (L-I)Iog r-2L log(r+l) 若輸入為幅度SAR圖像，則模擬產(chǎn)生兩個(gè)相互獨(dú)立的視數(shù)為L(zhǎng)的服從Nakagami分布的 噪聲圖，分別記為第一幅度噪聲圖A1和第二幅度噪聲圖A2，比值矩陣
比值矩陣r帶入下面的式子求得分布矩陣Dtl: D0= (2L-1) log r-2L log(r2+l) (4b).取分布矩陣Dtl中分布在分位點(diǎn)為α (在本方法中α =0.92)處的元素的 均值為m，按如下公式計(jì)算平滑參數(shù)h : h = q_m ; (4c).若輸入為強(qiáng)度SAR圖像，則第i次迭代的權(quán)值^為：
其中T是局部自適應(yīng)參數(shù)。
【專(zhuān)利摘要】本發(fā)明公開(kāi)了一種基于比值分布的SAR圖像非局部降斑方法,主要解決現(xiàn)有非局部降斑方法中相似性權(quán)值計(jì)算不準(zhǔn)確的問(wèn)題，實(shí)現(xiàn)過(guò)程是：1.輸入SAR圖像，初始化參數(shù)；2.對(duì)輸入SAR圖像每個(gè)像素，用比值分布算出與其鄰域像素的比值距離dt1；3.計(jì)算出相鄰像素間的先驗(yàn)距離dt2；4.根據(jù)距離dt1和dt2，算出與其鄰域的每個(gè)像素點(diǎn)的相似度權(quán)值；5.對(duì)中心像素加權(quán)平均，得到中心像素估計(jì)值；6.重復(fù)步驟2～5，遍歷整個(gè)圖像，得到估計(jì)圖像；7.重復(fù)步驟3～6，到迭代終止，得到最終降斑圖像。本發(fā)明利用SAR圖像的乘性斑點(diǎn)特性，采用比值距離和先驗(yàn)距離，并通過(guò)迭代的方式提高圖像塊的相似性度量的準(zhǔn)確性，在有效濾除SAR圖像斑點(diǎn)噪聲的同時(shí)，較好保持了邊緣、紋理等細(xì)節(jié)信息。
【IPC分類(lèi)】G06T5-00
【公開(kāi)號(hào)】CN104867120
【申請(qǐng)?zhí)枴緾N201510295228
【發(fā)明人】焦李成, 劉趕超, 鐘樺, 屈嶸, 馬文萍, 王爽, 侯彪, 楊淑媛
【申請(qǐng)人】西安電子科技大學(xué)
【公開(kāi)日】2015年8月26日
【申請(qǐng)日】2015年6月2日