一種基于非局部約束稀疏表示的sar圖像去噪方法
【專利摘要】本發(fā)明涉及一種基于非局部約束稀疏表示的SAR圖像去噪方法，以源圖像中的隨機(jī)選取的圖像塊作為訓(xùn)練樣本進(jìn)行字典學(xué)習(xí)。在對(duì)每一個(gè)圖像塊進(jìn)行重構(gòu)時(shí)，以其周圍區(qū)域內(nèi)最相似的若干圖像塊，并賦予每個(gè)相似塊基于相似度的高斯核權(quán)重，進(jìn)行同稀疏表示后僅保留當(dāng)前塊的表示系數(shù)作為最終結(jié)果。該方法能夠通過字典訓(xùn)練有效地獲取源圖像中的結(jié)構(gòu)信息，在有效去除噪聲的同時(shí)保留更多的圖像細(xì)節(jié)，達(dá)到更好地去噪效果。
【專利說明】-種基于非局部約束稀疏表示的SAR圖像去噪方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于數(shù)字圖像處理方法，具體涉及一種基于非局部約束稀疏表示的SAR圖 像去噪方法。

【背景技術(shù)】
[0002] SAR圖像因其特殊的成像原理，不可避免地帶有一定的斑點(diǎn)噪聲，影響了圖像信息 的提取與解讀，因此在進(jìn)行進(jìn)一步的處理之前，對(duì)SAR圖像進(jìn)行去噪處理是十分必要的。傳 統(tǒng)的去噪方法主要有空間域?yàn)V波，小波變換等方法。然而這些傳統(tǒng)的方法在進(jìn)行SAR圖像 去噪的時(shí)候，往往會(huì)造成細(xì)節(jié)信息的丟失和去噪不完全，難以取得良好的去噪效果。
[0003] 近年來，稀疏表示方法開始被應(yīng)用于圖像去噪方面。相比于基于像素點(diǎn)的濾波，基 于圖像塊的稀疏表示方法在保留圖像結(jié)構(gòu)信息方面具有天然的優(yōu)勢(shì)。在稀疏字典的選擇 上，通過作為訓(xùn)練樣本的圖像塊學(xué)習(xí)得到的字典，相比于由固定函數(shù)生成的字典更夠更好 地恢復(fù)圖像中的結(jié)構(gòu)信息。K-SVD字典訓(xùn)練方法為從訓(xùn)練樣本集中學(xué)習(xí)得到用于稀疏表示 的字典提供了有效的途徑，以大量無噪聲圖像塊訓(xùn)練得到的通用字典在去除高斯白噪聲方 面取得了良好的效果?；谙嗨茐K聚類的聯(lián)合稀疏表示方法將圖像的自相似性引入稀疏表 示過程，進(jìn)一步改進(jìn)了稀疏表示的結(jié)果。
[0004] 然而在SAR圖像去噪中，由于成像原理的不同，無噪聲的自然圖像往往難以訓(xùn)練 出好的字典。而SAR圖像樣本本身是含有噪聲的，這使得以這些樣本訓(xùn)練得到的字典也含 有噪聲。這就使得現(xiàn)有的稀疏表示去噪方法難以在保持圖像細(xì)節(jié)的同時(shí)有效地去除噪聲。


【發(fā)明內(nèi)容】

[0005] 要解決的技術(shù)問題
[0006] 為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種基于非局部約束稀疏表示的SAR 圖像去噪方法，使稀疏表示方法能夠更好地應(yīng)用于SAR圖像去噪。
[0007] 技術(shù)方案
[0008] -種基于非局部約束稀疏表示的SAR圖像去噪方法，其特征在于步驟如下：
[0009] 步驟1 :將待去噪SAR圖像L以給定步長(zhǎng)分解成為固定大小為bXb相互重疊的圖 像塊，并將圖像塊按列拉伸，得到列向量形式的圖像塊集合X ;所述步長(zhǎng)小于b ;
[0010] 步驟2 :對(duì)于圖像塊集合X中的每個(gè)圖像塊Xi，在圖像L中位于圖像塊Xi的周圍 大小為MXM的區(qū)域內(nèi)，尋找N個(gè)與 Xi灰度值歐氏距離最小的相似圖像塊，得到相似塊集合 Xj，并計(jì)算Xi與Xj中每個(gè)相似塊圖像塊Xj的相似度權(quán)值

【權(quán)利要求】
1. 一種基于非局部約束稀疏表示的SAR圖像去噪方法，其特征在于步驟如下： 步驟1 :將待去噪SAR圖像L以給定步長(zhǎng)分解成為固定大小為bXb相互重疊的圖像 塊，并將圖像塊按列拉伸，得到列向量形式的圖像塊集合X ;所述步長(zhǎng)小于b ; 步驟2 :對(duì)于圖像塊集合X中的每個(gè)圖像塊Xi，在圖像L中位于圖像塊Xi的周圍大小 為MXM的區(qū)域內(nèi)，尋找N個(gè)與Xi灰度值歐氏距離最小的相似圖像塊，得到相似塊集合Xj， 并計(jì)算Xi與Xj中每個(gè)相似塊圖像塊Xj的相似度權(quán)值
其中：

步驟3 :在圖像塊集合X中，隨機(jī)選取c個(gè)圖像塊作為訓(xùn)練樣本T，以KSVD方法對(duì)訓(xùn)練 樣本T進(jìn)行學(xué)習(xí)得到字典D，步驟如下： 步驟a、從訓(xùn)練樣本T中隨機(jī)選取g個(gè)樣本作為初始字典D ; 步驟b、對(duì)于T中的每一個(gè)訓(xùn)練樣本b初始化殘差ri = t,_，初始化子字典5,_ =[]; 步驟c、計(jì)算殘差ri與字典D中每個(gè)原子dk的內(nèi)積絕對(duì)值
步驟d、令P = {pk|k = 1，2. · · g}，pmax = max(P)，選擇對(duì)Spmax的原子dmax加入子字典 Si； 步驟e、計(jì)算對(duì)應(yīng)系數(shù)
，并更新
為Si的偽逆； 步驟f、重復(fù)步驟c?e，直到殘差I(lǐng)kiM < ε或達(dá)到稀疏表示系數(shù)上限SPmax; 步驟g、將表示系數(shù)作為對(duì)應(yīng)原子的系數(shù)，其余系數(shù)置零，得到稀疏表示at，i; 步驟h、重復(fù)步驟b?g，直到得到所有訓(xùn)練樣本T的表示系數(shù)At= {ay}; 步驟i、對(duì)于字典D中每個(gè)原子屯，選取訓(xùn)練樣本中所有屯對(duì)應(yīng)系數(shù)不為零的樣本構(gòu)成 的集合凡； 步驟j、計(jì)算
'其中1^是屯以外的原子七在凡中對(duì)應(yīng)的表示系數(shù)； 步驟k、更新
其中g(shù)i是原子屯在?\中對(duì)應(yīng)的表示系數(shù)； 步驟1、更新gi = E/di，E/為Ei的轉(zhuǎn)置； 步驟m、重復(fù)步驟i?1直到所有原子更新完畢； 步驟η、重復(fù)步驟b?m直到達(dá)到迭代上限Lmax，得到訓(xùn)練完成的字典D ; 步驟4 :以字典D對(duì)每個(gè)圖像塊Xi在相似塊的約束下進(jìn)行稀疏表示，得到稀疏表示系數(shù) dp步驟如下： 步驟a、對(duì)于圖像塊集合X中每個(gè)圖像塊Xi，以及其相似塊集合X」，初始化殘差ri = Xi， Rj = Xj，初始化子字典Si =[]; 步驟b、計(jì)算殘差ri與字典D中每個(gè)原子dk的內(nèi)積< ri，dk >，以及每個(gè)相似塊殘差rj 對(duì)應(yīng)的內(nèi)積
步驟c、計(jì)算內(nèi)積絕對(duì)值加權(quán)和
步驟d、令P = {pk|k = 1，2. · · g}，pmax = max(P)，選擇對(duì)Spmax的原子dmax加入子字典 Si；
步驟e、計(jì)算對(duì)應(yīng)系數(shù) 并更新
； 步驟f、重復(fù)步騾

步驟g、將表示系數(shù)α /作為對(duì)應(yīng)原子的系數(shù)，其余系數(shù)置零，得到稀疏表示ai; 步驟h、重復(fù)步驟a?g直至得到所有圖像塊的表示系數(shù)A = {aj ; 步驟i、通過Y = DA得到重構(gòu)后的圖像塊集合Y ; 步驟5:將重構(gòu)后的圖像塊集合Υ重新組合為圖像I，重疊部分取平均值，得到去噪后的 SAR圖像。
2. 根據(jù)權(quán)利要求1所述基于非局部約束稀疏表示的SAR圖像去噪方法，其特征在于： 所述圖像為定義在R2上的含有相干斑噪聲的SAR圖像L，每幅圖像都對(duì)應(yīng)一個(gè)矩陣， 圖像中的每個(gè)像素對(duì)應(yīng)矩陣中相應(yīng)的一個(gè)元素。
3. 根據(jù)權(quán)利要求1所述基于非局部約束稀疏表示的SAR圖像去噪方法，其特征在于： 所述以給定步長(zhǎng)為1或2。
4. 根據(jù)權(quán)利要求1所述基于非局部約束稀疏表示的SAR圖像去噪方法，其特征在于： 所述 Μ = 50 ?100, Ν = 4 ?8。
5. 根據(jù)權(quán)利要求1所述基于非局部約束稀疏表示的SAR圖像去噪方法，其特征在于： 所述c個(gè)圖像塊的c = 5000?20000。
6. 根據(jù)權(quán)利要求1所述基于非局部約束稀疏表示的SAR圖像去噪方法，其特征在于： 所述g個(gè)樣本的g = 1024?4096。
7. 根據(jù)權(quán)利要求1所述基于非局部約束稀疏表示的SAR圖像去噪方法，其特征在于： 所述步驟中 f 的 ε = 16*b2 ?64*b2, SPmax = 2*b。
8. 根據(jù)權(quán)利要求1所述基于非局部約束稀疏表示的SAR圖像去噪方法，其特征在于： 所述步驟η中的迭代上限Lmax = 10。
【文檔編號(hào)】G06T5/00GK104050644SQ201410283335
【公開日】2014年9月17日 申請(qǐng)日期:2014年6月23日 優(yōu)先權(quán)日:2014年6月23日
【發(fā)明者】李映, 李文博, 李方軼 申請(qǐng)人:西北工業(yè)大學(xué)