專利名稱：基于目標提取和三維塊匹配去噪的sar圖像去斑方法
技術領域：
本發(fā)明屬于圖像處理技術領域，具體地說是一種去斑方法，可應用于SAR圖像目標識別和目標檢測。
背景技術：
合成孔徑雷達Synthetic Aperture Radar,簡稱SAR是一種能在各種天氣條件下獲得類似光學圖像的高分辨率圖像的全天候、全天時雷達，屬于主動式遙感系統(tǒng)。SAR不受光照，天氣等條件的影響，可應用于農(nóng)業(yè)、軍事、導航、地理監(jiān)視等諸多領域。但由于在SAR成像過程中，由于相干照射而產(chǎn)生的衰落效應的影響，使圖像內(nèi)原本具有相同后向散射系數(shù)的勻質區(qū)域表現(xiàn)出顆粒狀噪聲，這種噪聲稱之為相干斑。相干斑的存在增加了圖像解 譯的復雜性，大大降低了圖像分割、目標分類以及其他信息提取的有效性。SAR圖像降斑的首要目標是在濾除斑點噪聲的同時，盡可能的保持圖像的細節(jié)信息。近年來，SAR圖像相干斑噪聲抑制技術飛速發(fā)展，可分為成像前多視平滑技術和成像后濾波技術兩大類。早期的SAR成像處理中，大多采用多視處理技術，但隨著SAR圖像應用的不斷拓展，對其空間分辨率的要求不斷提高，多視處理技術已不能滿足要求。成像后的濾波技術又可分為空域濾波技術和頻域濾波技術?；诳沼驗V波技術的降斑方法通常都是假定噪聲模型，然后在圖像上取一個滑動窗，以窗內(nèi)所有像素作為濾波器的輸入值，估計無相干斑噪聲的圖像，它是基于局部統(tǒng)計特性進行濾波處理的?？沼驗V波方法有增強Lee濾波,Kuan濾波,Frost濾波，以及GammaMAP濾波等。這些空域的濾波方法，難以保持圖像的細節(jié)特征，其濾波性能的好壞，很大程度上依賴于所選濾波窗口的大小?；陬l域濾波技術的降斑方法可以從不同的分辨率空間來描述圖像的局部特征，使得信號和噪聲在小波變換域中表現(xiàn)出不同的特征，從而較易區(qū)分信號和噪聲。經(jīng)過比較分析，小波變換的方法對邊緣有著較好的保留效果，但是由于小波變換有限的方向性，它僅能捕捉圖像的水平、垂直及對角三個方向的信息，而對于其他方向確無能為力，這就導致處理后的圖像細節(jié)信息丟失嚴重。三維塊匹配去噪算法是由Dabov等人在2007年提出的，它能夠利用圖像的自相關特性進行有效的降噪。三維塊匹配去噪算法屬于非局部多點型算法，它既包含了非局部去噪的思想，同時又用到了變換域濾波的方法，對于去除斑點噪聲能夠取得了較好的效果。但將其使用于SAR圖像去斑時，由于現(xiàn)有的噪聲估計技術都有一定的誤差，所以無法準確獲知SAR圖像的噪聲標準差，因此無法取得最佳的去斑效果，并會造成部分的圖像信息的丟失。

發(fā)明內(nèi)容
本發(fā)明的目的在于針對上述已有問題的缺點，提出一種基于目標識別和三維塊匹配去噪的SAR圖像去斑方法，以取得最佳的去除斑點噪聲的效果和保留盡可能多的圖像信肩、O實現(xiàn)本發(fā)明的技術方案是先將輸入的SAR圖像中的目標圖像提取出來，然后計算移除了目標后圖像的三維塊匹配去噪算法的最佳噪聲標準差，并對移除了目標后的圖像采用最佳噪聲標準差進行三維塊匹配去噪，最后再將提取出的目標圖像加入去噪結果圖像中，具體步驟包括如下(I)對輸入的SAR圖像A進行細節(jié)和邊緣的目標圖像提取，得到提取出的目標圖像T ；(2)將提取出的目標圖像T從輸入的SAR圖像A中移除，得到移除目標圖像后的SAR圖像B ；(3)對移除目標圖像后的SAR圖像B進行對數(shù)運算，得到圖像B的對數(shù)圖像C ； (4)針對對數(shù)圖像C，計算三維塊匹配去噪算法的最佳噪聲標準差a 4a)利用Donoho提出的魯棒中值法，用正交離散小波分解估算移除目標圖像后的SAR圖像B的對數(shù)圖像C的噪聲標準差σ :
medial、abs{ HH.))σ=---
0.6745其中，HH1為對數(shù)圖像C的二維小波變換的高通-高通子空間的正交離散小波變換系數(shù)，abs表示取絕對值，median表示取中值；4b)設置迭代次數(shù)t=20,迭代步長Step=O. 025,計算每次迭代的三維塊匹配去噪算法的噪聲標準差s (i)s (i) = σ +i X step, i=l, 2,…，t ；4c)分別使用噪聲標準差s(i)作為噪聲估計標準差，采用三維塊匹配去噪算法對對數(shù)圖像C進行去噪處理，得到不同噪聲標準差的三維塊匹配去噪后圖像組D(i), i=l,2, ...，t ;4d)將不同噪聲標準差的三維塊匹配去噪后圖像組D(i)進行指數(shù)運算，得到指數(shù)圖像組H(i)；4e)計算指數(shù)圖像組H(i)的等效視數(shù)數(shù)組I (i)和邊緣保持程度數(shù)組J(i)
4^強度圖像 2
/(/)=廣，
{0'522uy，幅度圖像.
^ A-’
— Λ4',+S,, (/,/77+ ι)|)./(/) = -..- -..-
(/+ j^)| + |.V {I.m)-,S； (/.m + I)|)式中，u和λ分別為指數(shù)圖像組H(i)中一塊同質區(qū)域的均勻值和標準差，(l，m)表示移除目標圖像后的SAR圖像B中的邊緣像素點的坐標，Sa(I, m)表示移除目標圖像后的SAR圖像B的邊緣像素點的灰度值，Sb(I, m)表示指數(shù)圖像組H(i)邊緣像素點的灰度值；I (i)的值越大，圖像對比度越小，表示濾波器對斑點噪聲的平滑能力越強；圖像邊緣保持程度J(i)越大，表示濾波器對原圖像的細節(jié)保持能力越好；4f)分別將等效視數(shù)數(shù)組I⑴和邊緣保持程度數(shù)組J⑴進行標準化，得到標準化等效視數(shù)數(shù)組K (i)和標準化邊緣保持程度數(shù)組L (i)；4g)以s⑴為橫坐標，分別以對應標準化等效視數(shù)數(shù)組的K⑴和標準化邊緣保持程度數(shù)組L(i)為縱坐標作兩條曲線，則這兩條曲線交點橫坐標的值即為對數(shù)圖像C的三維塊匹配去噪算法最佳噪聲標準差a的值；(5)采用最佳噪聲標準差a，對對數(shù)圖像C進行三維塊匹配去噪處理，得到對數(shù)圖像C的三維塊匹配去噪后圖像M ；(6)將三維塊匹配去噪后圖像M進行指數(shù)變換，得到去斑后的SAR圖像N ;(7)將提取出的目標圖像T與去斑后的SAR圖像N相加，得到最終去斑結果圖像R0本發(fā)明與現(xiàn)有的技術相比具有以下優(yōu)點I)本發(fā)明由于采用了結合了雙邊濾波和canny算子邊緣檢測的方法對輸入的SAR圖像進行目標圖像的提取，因而可將圖像中的點目標、線目標和紋理細節(jié)提取出來，很好地保持了原SAR圖像中的圖像細節(jié)特征。2)本發(fā)明由于采用了使用最佳噪聲標準差的三維塊匹配去噪算法對SAR圖像進行去斑處理，通過評價不同噪聲標準差的三維塊匹配去噪后圖像的邊緣保持程度和同質區(qū)域去斑效果，選擇出最佳噪聲標準差，使之在具有最佳去斑效果的同時不會損失過多的的圖像信息。仿真結果表明，本發(fā)明方法較其它幾種現(xiàn)有的經(jīng)典SAR圖像去斑方法，在邊緣保持能力和同質區(qū)域去斑效果方面都有顯著的提高。


圖I是本發(fā)明實現(xiàn)流程圖；圖2是本發(fā)明實驗輸入的一幅兩視SAR圖像；圖3是用本發(fā)明與現(xiàn)有的方法對圖2的SAR圖像去斑結果對比圖；圖4是用本發(fā)明從圖2中提取出的目標圖像；圖5是用本發(fā)明計算三維塊匹配算法的最佳噪聲標準差a的曲線。
具體實施例方式參照圖1，本發(fā)明的具體實施過程如下步驟I.對輸入的SAR圖像A進行細節(jié)和邊緣的目標圖像提取，得到提取出的目標圖像T :Ia)對輸入的SAR圖像A進行雙邊濾波處理，設置門限Y為120到180，將濾波結果圖像中灰度值小于門限Y的像素點的灰度值設為0，得到雙邊濾波邊緣圖像E,雙邊濾波算法的具體實現(xiàn)參見Tomasi, C. , and Manduchi, R. : “Bilateralfiltering for gray and color Images，，· Proc. 6th Int. Conf. Computer Vision, NewDelhi, India, 1998, pp. 839 - 846 ；lb)對輸入的SAR圖像A使用canny算子進行邊緣檢測,得到canny邊緣圖像F ； Ic)將雙邊濾波邊緣圖像E與canny邊緣圖像F相加，得到輸入的SAR圖像A的總邊緣圖像G ;
Id)將輸入的SAR圖像A的總邊緣圖像G中灰度值g(x，y)古O處(x，y)的像素點從輸入的SAR圖像A中提取出來，得到目標圖像T。步驟2.將提取出的目標圖像T從輸入的SAR圖像A中移除，得到移除目標圖像后的SA圖像B。步驟3.對移除目標圖像后的SAR圖像B進行對數(shù)運算，得到圖像B的對數(shù)圖像C。步驟4.針對對數(shù)圖像C，計算三維塊匹配去噪算法的最佳噪聲標準差a 4a)利用Donoho提出的魯棒中值法，用正交離散小波分解估算圖像B的對數(shù)圖像C的噪聲標準差σ :
權利要求
1.一種基于目標提取和三維塊匹配去噪的SAR圖像去斑方法，包括如下步驟 (1)對輸入的SAR圖像A進行細節(jié)和邊緣的目標圖像提取，得到提取出的目標圖像T； (2)將提取出的目標圖像T從輸入的SAR圖像A中移除，得到移除目標圖像后的SAR圖像B ; (3)對移除目標圖像后的SAR圖像B進行對數(shù)運算，得到圖像B的對數(shù)圖像C； (4)針對對數(shù)圖像C，計算三維塊匹配去噪算法的最佳噪聲標準差a 4a)利用Donoho提出的魯棒中值法，用正交離散小波分解估算移除目標圖像后的SAR圖像B的對數(shù)圖像C的噪聲標準差σ :
2.根據(jù)權利要求書I所述的基于目標提取和三維塊匹配去噪的SAR圖像去斑方法，其中步驟(I)所述的對輸入的SAR圖像A進行細節(jié)和邊緣的目標圖像提取，按照如下步驟進行 2a)對輸入的SAR圖像A進行雙邊濾波處理，設置下門限Y為120到180之間的一數(shù)值，將濾波結果圖像中灰度值小于下門限Y的像素點的灰度值設為0，得到雙邊濾波邊緣圖像E ; 2b)對輸入的SAR圖像A使用canny算子進行邊緣檢測,得到canny邊緣圖像F ； 2c)將雙邊濾波邊緣圖像E和canny邊緣圖像F相加，得到SAR圖像A的總邊緣圖像G ； 2d)將總邊緣圖像G中灰度值g(x，y)古O處(X，y)的像素點從輸入的SAR圖像A中提取出來，得到目標圖像T。
3.根據(jù)權利要求書I所述的基于目標提取和三維塊匹配去噪的SAR圖像去斑方法，其中所述步驟4c)采用三維塊匹配去噪算法對對數(shù)圖像C進行去噪處理，是先將圖像分成同樣大小的矩形塊；再根據(jù)圖像塊之間結構的相似性，把具有相似結構的二維圖像塊組合在一起形成三維數(shù)組；最后根據(jù)同一組中圖像塊之間的相似性對圖像進行去噪。
4.根據(jù)權利要求書I所述的基于目標提取和三維塊匹配去噪的SAR圖像去斑方法，其中所述步驟4f)中將等效視數(shù)數(shù)組I (i)和邊緣保持程度數(shù)組J(i)進行標準化，是通過如 下公式進行
全文摘要
本發(fā)明公開一種基于目標提取與三維塊匹配去噪的SAR圖像去斑方法，主要解決現(xiàn)有技術不能同時兼顧去斑效果和細節(jié)保持的問題。其實現(xiàn)步驟為(1)對輸入的SAR圖像進行目標圖像的提取和移除；(2)計算迭代初始值，設定迭代次數(shù)和迭代步長；(3)對移除目標后圖像進行對數(shù)變換后，采用不同噪聲標準差的三維塊匹配去噪算法進行去噪，通過評價去噪后圖像的邊緣保持能力和等效視數(shù)，選取出最佳噪聲標準差；(4)對對數(shù)圖像采用最佳噪聲標準差進行三維塊匹配去噪；(5)將去噪后圖像進行指數(shù)變換后與目標圖像相加，得到最終去斑結果圖像。本發(fā)明具有圖像細節(jié)保存較好，去斑效果好的優(yōu)點，可用于SAR圖像目標識別和目標檢測。
文檔編號G06T5/50GK102722879SQ20121019334
公開日2012年10月10日 申請日期2012年6月13日 優(yōu)先權日2012年6月13日
發(fā)明者尚榮華, 朱虎明, 焦李成, 王爽, 白靜, 鐘雯倩, 馬文萍, 馬晶晶 申請人:西安電子科技大學