本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，特別涉及基于稀疏表示的SAR圖像去噪方法。
背景技術(shù)：
合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)可以穿透性的觀察視場(chǎng)，能夠自動(dòng)識(shí)別目標(biāo)，在惡劣的環(huán)境下也能獲得較高的成像分辨率。在軍事偵查、海洋監(jiān)測(cè)、測(cè)繪等應(yīng)用領(lǐng)域具有很高的應(yīng)用價(jià)值。由于SAR系統(tǒng)使用相干的電磁波成像，導(dǎo)致SAR圖像中存在大量的相干斑點(diǎn)噪聲，嚴(yán)重影響對(duì)SAR圖像的理解和解譯，因此相干斑點(diǎn)噪聲的抑制研究對(duì)SAR圖像的可解譯性和后續(xù)應(yīng)用，具有重要的意義。
國內(nèi)外許多專家學(xué)者進(jìn)行了大量有益的探索，其中利用過完備字典稀疏表示方法成為解決問題的一種較為優(yōu)秀的手段。過完備字典的稀疏表示方法有兩個(gè)關(guān)鍵性的步驟:構(gòu)建過完備字典和圖像稀疏編碼算法。字典有基于小波變換、Gabor變換、Curvelet變換等的固定字典和基于MOD、RL-DLA、KSVD等算法訓(xùn)練得到的學(xué)習(xí)字典兩種形式。常見的稀疏編碼方法有匹配追蹤、基追蹤、框架方法和正交匹配追蹤方法。其中Michal Aharon提出的KSVD字典學(xué)習(xí)算法，自適應(yīng)訓(xùn)練字典，在去除SAR圖像斑點(diǎn)噪聲時(shí)能夠取得比固定字典更好的效果。但是現(xiàn)階段的稀疏表示方法大都存在以下缺點(diǎn)：用過完備字典稀疏表示圖像的每一個(gè)成分其實(shí)質(zhì)是一個(gè)NP難問題，很難得到較為稀疏的字典系數(shù)；字典訓(xùn)練時(shí)間成本較大，字典原子更新較為困難。因此，為了擺脫上述困難，急需一種自適應(yīng)稀疏編碼的新方法，
技術(shù)實(shí)現(xiàn)要素：
：
為了克服上述背景技術(shù)的缺陷，本發(fā)明提供一種SAR圖像的去噪方法，提高訓(xùn)練字典時(shí)字典原子更新的合理性和訓(xùn)練字典表示圖像成分的稀疏性。
為了解決上述技術(shù)問題本發(fā)明的所采用的技術(shù)方案為：
一種SAR圖像的去噪方法：
步驟1，選取SAR圖像訓(xùn)練樣本集并初始化離散余弦變換字典DCT字典；
步驟2，獲取表示當(dāng)前訓(xùn)練樣本的稀疏系數(shù)與表示訓(xùn)練樣本殘差的稀疏系數(shù)的集合，并對(duì)集合中各個(gè)稀疏系數(shù)由大到小進(jìn)行排序，對(duì)前K個(gè)稀疏系數(shù)對(duì)應(yīng)的字典原子進(jìn)行求解，得到表示訓(xùn)練樣本的稀疏系數(shù)；
步驟3，利用重構(gòu)訓(xùn)練樣本的誤差最大項(xiàng)對(duì)應(yīng)的訓(xùn)練樣本或者是加權(quán)誤差的歸一化更新字典原子；
步驟4，去除字典中相關(guān)性大于預(yù)設(shè)上限或者對(duì)應(yīng)稀疏系數(shù)小于預(yù)設(shè)下限的原子得到自適應(yīng)學(xué)習(xí)字典。
較佳地，步驟1包括：輸入所述SAR圖像，隨機(jī)選擇所述SAR圖像的像元中的80％個(gè)像元的集合作為訓(xùn)練樣本集，并創(chuàng)建離散余弦變換字典DCT作為初始化字典。
較佳地，步驟2具體包括：
步驟21，計(jì)算訓(xùn)練樣本的殘差Reidual和初始化字典的相似性，記錄相似性較大的前兩個(gè)字典原子；
步驟22，計(jì)算上一循環(huán)表示訓(xùn)練樣本所使用的字典原子與上一步驟獲得兩個(gè)原子組成矩陣的偽逆矩陣，左乘訓(xùn)練樣本的殘差得到表示殘差的稀疏系數(shù)；
步驟23，計(jì)算上一循環(huán)表示訓(xùn)練樣本所使用的字典原子對(duì)應(yīng)的稀疏系數(shù)與表示殘差的稀疏系數(shù)的和，選取最大的前K個(gè)稀疏系數(shù)對(duì)應(yīng)的字典原子Cell；
步驟24，計(jì)算字典原子Cell組成矩陣的偽逆矩陣，左乘訓(xùn)練樣本得到表示訓(xùn)練樣本的稀疏系數(shù)；
步驟25，記錄所采用的字典原子及其對(duì)應(yīng)的稀疏系數(shù)，根據(jù)當(dāng)前選取的字典原子及其對(duì)應(yīng)的稀疏系數(shù)更新訓(xùn)練樣本的殘差；
步驟26，判斷當(dāng)前選擇的字典原子是否能夠稀疏的表示訓(xùn)練樣本，若是，則進(jìn)入步驟27，若否，則回到步驟23；
步驟27，保存初始化DCT字典表示訓(xùn)練樣本的稀疏系數(shù)。
較佳地，K的初始值為0，每次迭代值取K的值為Min(K+2,T),其中T為迭代后選取字典原子的個(gè)數(shù)。
較佳地，步驟3具體包括：
步驟31，判斷初始化字典的原子對(duì)應(yīng)的稀疏系數(shù)是否全部為零，若是，則進(jìn)入32，若否，轉(zhuǎn)步驟33；
步驟32，計(jì)算當(dāng)前字典及其對(duì)應(yīng)稀疏系數(shù)重構(gòu)訓(xùn)練樣本集的誤差，選擇誤差最大項(xiàng)對(duì)應(yīng)的訓(xùn)練樣本，歸一化后進(jìn)行更新字典原子；
步驟33，計(jì)算未使用該字典原子重構(gòu)訓(xùn)練樣本的誤差Error，并以該字典原子對(duì)應(yīng)的稀疏系數(shù)對(duì)誤差Error進(jìn)行加權(quán)得到加權(quán)誤差ErrorP；
步驟34，利用歸一化加權(quán)誤差ErrorP進(jìn)行更新字典原子；
步驟35，樣本誤差Error的轉(zhuǎn)置乘以更新后字典原子得到更新后的稀疏系數(shù)。
較佳地，步驟26中判斷當(dāng)前選擇的字典原子是否能夠稀疏的表示訓(xùn)練樣本具體是指：計(jì)算連續(xù)兩次循環(huán)訓(xùn)練樣本殘差的變化量，若變化量小于10-2則表示當(dāng)前選擇的字典原子能夠稀疏的表示訓(xùn)練樣本，若變化量大于10-2，表示當(dāng)前選擇的字典原子不能夠稀疏的表示訓(xùn)練樣本。
較佳地，步驟4中的預(yù)設(shè)上限為0.99，預(yù)設(shè)下限為10-7。
較佳地，步驟4包括：利用當(dāng)前字典重構(gòu)訓(xùn)練樣本集誤差最大項(xiàng)對(duì)應(yīng)訓(xùn)練樣本的歸一化結(jié)果更新字典中相關(guān)性較大或者對(duì)應(yīng)稀疏系數(shù)過小的字典原子；字典更新完成時(shí)，保存根據(jù)訓(xùn)練樣本學(xué)習(xí)得到的過完備字典。
本發(fā)明的有益效果在于：本發(fā)明基于自適應(yīng)稀疏表示的SAR圖像去噪方法主要是通過在SAR影像中隨機(jī)選擇部分區(qū)域作為訓(xùn)練樣本集，初始化離散余弦變換字典。選擇和訓(xùn)練樣本較相似的前兩個(gè)字典原子，利用表示當(dāng)前訓(xùn)練樣本的字典原子和新選擇的兩個(gè)字典原子求解其偽逆矩陣，計(jì)算偽逆矩陣與訓(xùn)練樣本殘差的乘積得到表示訓(xùn)練樣本殘差的稀疏系數(shù)，選擇表示訓(xùn)練樣本殘差與表示當(dāng)前訓(xùn)練樣本的稀疏系數(shù)和最大的前K個(gè)稀疏系數(shù)對(duì)應(yīng)的字典原子。計(jì)算K個(gè)字典原子組成矩陣的偽逆矩陣與訓(xùn)練樣本的乘積，得到表示訓(xùn)練樣本的稀疏系數(shù)。記錄當(dāng)前選擇的字典原子及其稀疏系數(shù)，更新訓(xùn)練樣本的殘差；當(dāng)達(dá)到重構(gòu)訓(xùn)練樣本的標(biāo)準(zhǔn)時(shí)記錄表示訓(xùn)練樣本的稀疏系數(shù)。根據(jù)字典原子對(duì)應(yīng)的稀疏系數(shù)是否全部為零，選擇對(duì)應(yīng)的更新字典原子的方式。如果字典原子沒有被訓(xùn)練樣本集使用過，利用當(dāng)前字典重構(gòu)訓(xùn)練樣本集誤差最大項(xiàng)對(duì)應(yīng)訓(xùn)練樣本的歸一化結(jié)果更新字典原子；如果字典原子被訓(xùn)練樣本集使用，則計(jì)算未使用該字典原子重構(gòu)訓(xùn)練樣本集的誤差，以該原子對(duì)應(yīng)的稀疏系數(shù)為權(quán)重對(duì)誤差進(jìn)行加權(quán)，利用加權(quán)誤差的歸一化進(jìn)行更新字典原子。利用當(dāng)前字典重構(gòu)訓(xùn)練樣本集誤差最大項(xiàng)對(duì)應(yīng)訓(xùn)練樣本的歸一化結(jié)果更新字典中相關(guān)性較大或者對(duì)應(yīng)稀疏系數(shù)過小的字典原子；字典更新完成時(shí)，保存根據(jù)訓(xùn)練樣本學(xué)習(xí)得到的過完備字典。與現(xiàn)有技術(shù)相比本發(fā)明的優(yōu)點(diǎn)包括：利用累加的稀疏系數(shù)最大的前K項(xiàng)對(duì)應(yīng)的字典原子進(jìn)行計(jì)算表示訓(xùn)練樣本的稀疏系數(shù)，避免僅僅依靠字典和訓(xùn)練樣本的相似性進(jìn)行選擇字典原子造成字典系數(shù)不夠稀疏的缺點(diǎn)，并且加快了求解字典稀疏系數(shù)的速度；利用重構(gòu)訓(xùn)練樣本的誤差最大項(xiàng)對(duì)應(yīng)的訓(xùn)練樣本或者是加權(quán)誤差的歸一化更新字典原子，避免對(duì)誤差矩陣進(jìn)行奇異值分解造成‘超出內(nèi)存’和運(yùn)算量過大的問題；更新字典中相關(guān)性較大或者對(duì)應(yīng)稀疏系數(shù)過小的字典原子，提高了自適應(yīng)學(xué)習(xí)字典的合理性。
附圖說明
圖1為本發(fā)明實(shí)施例的流程圖。
具體實(shí)施方式
下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步的說明，本實(shí)施例的一種SAR圖像的去噪方法具體包括以下步驟：
步驟1，選取SAR圖像訓(xùn)練樣本集并初始化離散余弦變換字典(DCT)字典；輸入所述SAR圖像，具體說就是輸入SAR圖像，隨機(jī)選擇SAR圖像的像元中的80％個(gè)所述像元的集合作為訓(xùn)練樣本集，并創(chuàng)建所述離散余弦變換字典DCT作為初始化字典。
步驟2，獲取表示當(dāng)前訓(xùn)練樣本的稀疏系數(shù)與表示訓(xùn)練樣本殘差的稀疏系數(shù)的集合，并對(duì)所述集合中各個(gè)稀疏系數(shù)由大到小進(jìn)行排序，對(duì)前K(初始值為K＝0，每次迭代值為Min(K+2,T),T為迭代后選取字典原子的個(gè)數(shù))個(gè)稀疏系數(shù)對(duì)應(yīng)的字典原子進(jìn)行求解，得到表示訓(xùn)練樣本的稀疏系數(shù)；
步驟21，計(jì)算訓(xùn)練樣本的殘差(Reidual)和初始化字典的相似性，記錄相似性較大的前兩個(gè)字典原子；
步驟22，計(jì)算上一循環(huán)表示訓(xùn)練樣本所使用的字典原子與上一步驟獲得兩個(gè)原子組成矩陣的偽逆矩陣，左乘訓(xùn)練樣本的殘差得到表示殘差的稀疏系數(shù)；
步驟23，計(jì)算上一循環(huán)表示訓(xùn)練樣本所使用的字典原子對(duì)應(yīng)的稀疏系數(shù)與表示殘差的稀疏系數(shù)的和，選取最大的前K個(gè)稀疏系數(shù)對(duì)應(yīng)的字典原子Cell；K的初始值為0，每次迭代值取所述K的值為Min(K+2,T),其中T為迭代后選取字典原子的個(gè)數(shù)；
步驟24，計(jì)算字典原子Cell組成矩陣的偽逆矩陣，左乘訓(xùn)練樣本得到表示訓(xùn)練樣本的稀疏系數(shù)；
步驟25，記錄所采用的字典原子及其對(duì)應(yīng)的稀疏系數(shù)，根據(jù)當(dāng)前選取的字典原子及其對(duì)應(yīng)的稀疏系數(shù)更新訓(xùn)練樣本的殘差；
步驟26，若當(dāng)前選擇的字典原子是否能夠稀疏的表示訓(xùn)練樣本，若是，則進(jìn)入步驟27，若否，則回到所述步驟23；計(jì)算連續(xù)兩次循環(huán)訓(xùn)練樣本殘差的變化量，若變化量小于10-2則表示當(dāng)前選擇的字典原子能夠稀疏的表示訓(xùn)練樣本，若變化量大于10-2，表示當(dāng)前選擇的字典原子不能夠稀疏的表示訓(xùn)練樣本；
步驟27，保存所述初始化DCT字典表示訓(xùn)練樣本的稀疏系數(shù)。
步驟3，利用重構(gòu)訓(xùn)練樣本的誤差最大項(xiàng)對(duì)應(yīng)的訓(xùn)練樣本或者是加權(quán)誤差的歸一化更新字典原子，具體包括：
步驟31，判斷初始化字典的原子對(duì)應(yīng)的稀疏系數(shù)是否全部為零，若是，則進(jìn)入32，若否，轉(zhuǎn)步驟33；
步驟32，計(jì)算當(dāng)前字典及其對(duì)應(yīng)稀疏系數(shù)重構(gòu)訓(xùn)練樣本集的誤差，選擇誤差最大項(xiàng)對(duì)應(yīng)的訓(xùn)練樣本，歸一化后進(jìn)行更新字典原子；
步驟33，計(jì)算未使用該字典原子重構(gòu)訓(xùn)練樣本的誤差Error，并以該字典原子對(duì)應(yīng)的稀疏系數(shù)對(duì)誤差Error進(jìn)行加權(quán)得到加權(quán)誤差ErrorP；
步驟34，利用歸一化加權(quán)誤差ErrorP進(jìn)行更新字典原子；
步驟35，樣本誤差Error的轉(zhuǎn)置乘以更新后字典原子得到更新后的稀疏系數(shù)。
步驟4，去除字典中相關(guān)性大于預(yù)設(shè)上限0.99或者對(duì)應(yīng)稀疏系數(shù)小于預(yù)設(shè)下限10-7的原子得到自適應(yīng)學(xué)習(xí)字典。
利用當(dāng)前字典重構(gòu)訓(xùn)練樣本集誤差最大項(xiàng)對(duì)應(yīng)訓(xùn)練樣本的歸一化結(jié)果更新字典中相關(guān)性較大或者對(duì)應(yīng)稀疏系數(shù)過小的字典原子；字典更新完成時(shí)，保存根據(jù)訓(xùn)練樣本學(xué)習(xí)得到的過完備字典。
以下為應(yīng)用本實(shí)施例對(duì)具體SAR圖像進(jìn)行去燥處理的舉例說明：
步驟S1，輸入RADASAT2衛(wèi)星C波段HH極化，大小為1024x1024的SAR圖像，從中隨機(jī)選取訓(xùn)練樣本集；創(chuàng)建離散余弦變換字典(DCT)作為初始化字典，字典大小為144x576，應(yīng)用本發(fā)明的技術(shù)路線，試圖根據(jù)輸入圖像自適應(yīng)的學(xué)習(xí)得到過完備字典，并應(yīng)用學(xué)習(xí)得到的過完備字典重構(gòu)輸入圖像；
步驟S2，計(jì)算初始化字典的轉(zhuǎn)置與訓(xùn)練樣本殘差Residual(初始值為訓(xùn)練樣本的值Y)的乘積得到字典原子與樣本殘差相似性矩陣，記錄相似性較大的前兩個(gè)字典原子Cell0；
步驟S3，計(jì)算表示當(dāng)前訓(xùn)練樣本的字典原子Cell與Cell0組成矩陣的偽逆矩陣，偽逆矩陣與訓(xùn)練樣本殘差的乘積得到表示樣本殘差的稀疏系數(shù)B0；
步驟S4，計(jì)算表示當(dāng)前訓(xùn)練樣本的字典原子對(duì)應(yīng)的稀疏系數(shù)與B0的和，選取較大的前K個(gè)稀疏系數(shù)對(duì)應(yīng)的字典原子Cell；
步驟S5，計(jì)算字典原子Cell組成矩陣的偽逆矩陣，偽逆矩陣與訓(xùn)練樣本的乘積得到表示訓(xùn)練樣本的稀疏系數(shù)B；
步驟S6，記錄本次循環(huán)所采用的字典原子Cell及其對(duì)應(yīng)的稀疏系數(shù)B，更新訓(xùn)練樣本的殘差Residual＝Y(jié)-Cell*B；
步驟S7，計(jì)算連續(xù)兩次循環(huán)訓(xùn)練樣本殘差的變化向量，如果變化向量的膜小于10-2表明選擇字典原子能夠重構(gòu)訓(xùn)練樣本則繼續(xù)步驟S8，如果變化向量的膜大于10-2表明選擇字典原子不能夠重構(gòu)訓(xùn)練樣本則轉(zhuǎn)步驟S2；
步驟S8，記錄初始化字典對(duì)應(yīng)的稀疏系數(shù)，判斷字典原子對(duì)應(yīng)的稀疏系數(shù)是否全部為零，由此選擇更新字典原子的方式，如果是全部為零則進(jìn)行步驟S10，如果不是，則進(jìn)行步驟S11；
步驟S10，當(dāng)前字典及其對(duì)應(yīng)稀疏系數(shù)的乘積得到重構(gòu)訓(xùn)練樣本集，計(jì)算重構(gòu)訓(xùn)練樣本集與原始訓(xùn)練樣本集的誤差，對(duì)誤差最大項(xiàng)對(duì)應(yīng)的訓(xùn)練樣本進(jìn)行歸一化，更新字典原子；
步驟S11，計(jì)算未使用該字典原子重構(gòu)訓(xùn)練樣本集的誤差Error，并對(duì)Error以該字典原子對(duì)應(yīng)的稀疏系數(shù)為權(quán)重進(jìn)行加權(quán)得到加權(quán)誤差ErrorP；
步驟S12，利用ErrorP的歸一化結(jié)果更新該字典原子；
步驟S13，計(jì)算誤差Error的轉(zhuǎn)置與更新后字典的乘積得到更新字典原子對(duì)應(yīng)的稀疏系數(shù)。
步驟S14，查找更新后字典中相關(guān)性較大或者是對(duì)應(yīng)稀疏系數(shù)大于10-7的個(gè)數(shù)小于3的原子，計(jì)算當(dāng)前字典重構(gòu)訓(xùn)練樣本集的誤差，利用誤差最大項(xiàng)對(duì)應(yīng)訓(xùn)練樣本的歸一化結(jié)果更新字典原子。
步驟S15，至此得到根據(jù)訓(xùn)練樣本進(jìn)行自適應(yīng)學(xué)習(xí)的過完備字典，保存過完備字典“TrainedDictionary.mat”。
通過步驟S2至S8將學(xué)習(xí)得到的字典針對(duì)整幅輸入SAR圖像進(jìn)行稀疏表示，得到重構(gòu)后的SAR圖像。
應(yīng)當(dāng)理解的是，對(duì)本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進(jìn)或變換，而所有這些改進(jìn)和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護(hù)范圍。