基于同质区域分割的SAR图像去噪方法

摘要

本发明公开了一种基于同质区域分割的SAR图像去噪方法，其实现步骤为：(1)输入图像；(2)得到对数变换图像；(3)确定中心像素点的同质区域；(4)得到所有中心像素点的同质区域；(5)PPB去噪；(6)计算每个同质区域标准差；(7)计算面积；(8)对每个同质区域进行KSVD稀疏去噪；(9)合成图像；(10)输出结果。本发明具有有效的抑制同质区域噪声，对强弱目标点能很好的保持，边缘保持清晰，消除边缘划痕以及块效应的优点，可应用于对SAR图像进行去噪处理。

主权项

一种基于同质区域分割的SAR图像去噪方法，包括如下步骤：(1)输入图像：输入任选的一幅单极化幅度图的合成孔径雷达SAR图像；(2)得到对数变换图像：对读入的合成孔径雷达SAR图像中每个像素点的灰度值作对数变换，用每个像素点灰度值对数变换后的值替代该像素点的灰度值，得到一幅对数变换图像；(3)确定中心像素点的同质区域：3a)从对数变换图像的第一行起，逐行并按照每一行从左到右的顺序，找出第一个像素点灰度值为非零的像素点，将该非零像素点作为中心像素点，保存该中心像素点空间位置；3b)以中心像素点为起点，将水平向右的方向的像素点组成一列，得到中心像素点0度方向像素点的集合；以中心像素点为起点，将水平向右和垂直向上的像素中与水平方向和垂直方向间距相等的像素点组成一列，得到中心像素点45度方向像素点的集合；以中心像素点为起点，将垂直向上的方向的像素点组成一列，得到中心像素点90度方向像素点的集合；以中心像素点为起点，将水平向左和垂直向上的像素中与水平方向和垂直方向间距相等的像素点组成一列，得到中心像素点135度方向像素点的集合；以中心像素点为起点，将水平向左的方向的像素点组成一列，得到中心像素点180度方向像素点的集合；以中心像素点为起点，将水平向左和垂直向下的像素中与水平方向和垂直方向间距相等的像素点组成一列，得到中心像素点225度方向像素点的集合；以中心像素点为起点，将垂直向下的方向的像素点组成一列，得到中心像素点270度方向像素点的集合；以中心像素点为起点，将水平向右和垂直向下的像素中与水平方向和垂直方向间距相等的像素点组成一列，得到中心像素点315度方向像素点的集合；3c)按照下式，得到中心像素点与该像素点的c方向像素点集合中的像素点的权值：$w_l^c=\exp (-\frac{{\left(d\right(X-Y_l^c\left)\right)}^2}{h})$其中，表示中心像素点的c方向上的像素点集合中第l个像素点与中心像素点之间的权值，l表示中心像素点的c方向像素点集合中远离中心像素点的顺序位置，l初始值设为1，c表示中心像素点的方向，c依次取0,45,90,135,180,225,270,315度方向，exp(·)表示取指数运算的操作，h表示中心像素点的c方向像素点集合中第l个像素点与中心像素点之间的欧式距离的平滑参数，X表示以中心像素点为中心的3×3大小的邻域矩阵，表示以中心像素点的c方向像素点集合中第l个像素点为中心的3×3大小的方向邻域矩阵，表示邻域矩阵X与方向邻域矩阵相减后所得差值矩阵中所有元素的和；3d)判断两像素点之间的权值和设定的阈值T的大小关系，若权值小于阈值T，则比较中心像素点和中心像素点的c方向像素点的集合中远离中心像素点方向的下一个像素点的权值，将l的值加上1，返回步骤3c)；若权值大于等于阈值T，则将l的值赋给中心像素点的c方向的长度a_c，并取下一个中心像素点的方向c，返回步骤3c)，直到得到中心像素点的8个方向长度{a_c|c＝0,45,90,135,180,225,270,315}；3e)在输入的图像中，与中心像素点距离为长度a_c的像素点作为中心像素点的c方向的顶点，直线连接相邻的方向顶点，围绕成的区域即为该中心像素点的同质区域；3f)将对数变换图像中与同质区域位置相同像素点的灰度值更新为0；(4)判断像素点灰度值是否都为0：判断对数变换图像中的像素点灰度值是否都为0，若否，则执行步骤(3)；否则，得到所有K个同质区域和每个同质区域对应的8个方向长度，K表示对数图像的同质区域的总个数，则执行步骤(5)；(5)迭代权重最大似然PPB去噪：对输入的合成孔径雷达SAR图像，用迭代权重最大似然PPB方法去噪，得到PPB去噪后的图像；(6)计算每个同质区域的标准差：6a)找出输入图像和迭代权重最大似然PPB去噪后的图像中与对数图像的同质区域空间位置相对应的区域，得到输入图像的同质区域和迭代权重最大似然PPB去噪后图像的同质区域；6b)对每个输入图像的同质区域，按照下式计算，得到输入图像的同质区域的标准差：${\sigma }_k=\sqrt{\frac{1}{Q_k}\underset{j\in I_k}{\Sigma }{(I_{kj}-J_k)}^2}$其中，σ_k表示第k个输入图像的同质区域的标准差，Q_k表示第k个输入图像的同质区域内所包含的像素总个数，I_k表示输入图像的同质区域，j表示每个同质区域内的像素序号，I_kj表示第k个输入图像的同质区域内的第j个像素的灰度值，J_k表示迭代权重最大似然PPB去噪后图像的第k个同质区域中像素灰度值的均值；(7)计算面积：7a)按照下式计算每个输入图像的同质区域的面积$S=\frac{\sqrt{2}}{4}(a_0\times a_1+a_1\times a_2+a_2\times a_3+a_3\times a_4+a_4\times a_5+a_5\times a_6+a_6\times a_7+a_7\times a_0)$其中，S表示输入图像的同质区域的面积，a₀,a₁,a₂,a₃,a₄,a₅,a₆,a₇分别表示输入图像的每个同质区域的0,45,90,135,180,225,270,315度方向上的长度；7b)将过完备稀疏表示字典每一列作为一个原子，将η设定为过完备稀疏字典中每个原子的长度；7c)若每个输入图像同质区域的面积小于9，则将该区域内直接采用迭代权重最大似然PPB的去噪结果，作为最终去噪结果；若每个输入图像同质区域的面积大于等于9并且小于81之间，则η值取为9；若每个输入图像同质区域的面积大于等于81并且小于576之间，则η值取为25；若每个输入图像同质区域的面积大于等于576并且小于1521之间，则η值取为49；若每个输入图像同质区域的面积大于等于1521，则η值取为64；(8)对每个输入图像的同质区域进行稀疏字典KSVD去噪：8a)由每个输入图像的同质区域得到的η值，对过完备稀疏表示字典初始化，过完备稀疏表示字典表示为离散余弦变换DCT字典，过完备稀疏表示字典大小为η×4η，η表示过完备稀疏表示字典中每个原子的长度；8b)按照下式，得到每个输入图像的同质区域的图像块：I_ij＝R_ijI其中，I_ij表示输入图像的同质区域的图像块，i，j表示图像块的行的标号和列的标号，R_ij表示图像抽取矩阵，I表示输入图像的同质区域；8c)判断输入图像的同质区域的局部标准差是否小于等于5，若是，则执行步骤8d)5次；否则，执行步骤8d)10次；8d)采用稀疏表示的字典设计KSVD法，对每个输入图像的同质区域，分别更新过完备稀疏表示字典和每个输入图像的同质区域的图像块I_ij的稀疏表示系数；8e)采用重构公式，分别估计每个输入图像的同质区域的去噪结果，得到所有的输入图像的同质区域的去噪结果；(9)图像合成：将所有的去噪后的输入图像的同质区域按位置合成去噪后输入图像，得到输入图像的去噪结果；(10)输出结果：输出读入合成孔径雷达SAR图像的去噪结果。