基于剪切波域参数估计的合成孔径雷达SAR图像去噪方法

摘要

本发明涉及一种基于剪切波域参数估计的合成孔径雷达SAR图像去噪方法，在SAR图像的相干斑滤波处理中，用瑞利(Rayleigh)分布描述斑点噪声的统计特性。由于拉普拉斯分布模型的数学表达式简单，结合贝叶斯理论通常可得到估计的解析解，对于代表后向散射分量的剪切波系数，则采用拉普拉斯分布表示剪切波系数的概率密度函数。实验结果表明，基于剪切波参数估计的去噪方法对SAR图像中的相干斑噪声有明显的抑制，且较好地保持了图像中的边缘纹理信息。

主权项

一种基于剪切波域参数估计的合成孔径雷达SAR图像去噪方法，其特征在于步骤如下：步骤1、剪切波Shearlet分解：对含乘性斑点噪声的SAR图像做剪切波分解，得到分解后的系数S，以L(S)表示低频近似系数，以Y(S)表示高频细节系数；步骤2、参数估计：利用低频近似系数L(S)估计噪声方差σ和瑞利分布的衰减参数α：$\hat{\sigma }=Median\left\{\right|L\left(S\right)\left|\right\}/0.6745$$\alpha =\sigma /\sqrt{2}$利用高频细节系数Y(S)估计每个系数的边缘标准差σ_s(s)、计算局部自适应阈值λ和对当前系数做软阈值处理；每个系数的边缘标准差${\hat{\sigma }}_y^2\left(s\right)=\frac{1}{M}\underset{i\in N\left(s\right)}{\Sigma }{y}^2\left(i\right)$其中：N(s)是以当前系数y(s)为中心的邻域窗口，M是窗口中系数个数；计算局部自适应阈值λ：对当前系数做软阈值处理：$\hat{s}\left(y\right)=sign\left(y\right)·{\left(\right|y|-\lambda )}_{+}$其中：sign(y)为符号函数，()₊是示性函数，步骤3、剪切波逆变换重构：对处理后的低频近似系数L(S)和高频细节系数Y(S)做剪切波逆变换，得到去噪后的恢复图像。