基于稀疏域噪声分布约束的SAR图像抑斑方法

摘要

本发明公开了一种基于稀疏域噪声分布约束的SAR图像抑斑方法，主要解决现有抑斑方法不能同时保持图像纹理细节及辐射特性的问题。主要步骤为：1.对原始SAR图像进行对数变换，将变换后的图像划分成重叠的大小相同子图像块，并用K均值聚类的方法对图像块进行聚类；2.用主成分分析的方法求出每一个聚类的稀疏表示子字典，并用非局部均值算法计算每个子图像块对应的无噪子图的稀疏表示系数的估计值；3.用软阈值收缩算法求得最终的无噪稀疏表示系数，并通过反稀疏变换得到去噪后的子图像块；4.拼接子图像块并使用反对数变换得到抑斑后的SAR图像。本发明相干斑抑制能力强，图像的纹理细节及辐射特性保持好，可用于目标识别与特征提取。

主权项

一种基于稀疏域噪声分布约束的SAR图像抑斑方法，包括如下步骤：(1)将原始SAR图像进行对数变换，得到变换后的图像m，并将m划分为大小相同的重叠的子图像块M＝{m₁,m₂,…,m_i,…,m_L},i＝1,2,...,L，其中L为划分的子图像块总数；(2)用K均值聚类方法将子图像块M聚为K类{S₁,S₂,…,S_q,…,S_K}，q＝1,2,…,K；(3)用主成分分析的方法计算得到每一个聚类的子字典D_q，并将子字典顺序拼接得到稀疏表示字典D；(4)计算第i个含噪子图m_i的稀疏表示系数α_i，α_i＝D^Tm_i，并用稀疏域非局部均值方法计算m_i对应的无噪子图稀疏表示系数的估计值，得到稀疏域噪声i＝1,2,...,L；(5)利用变换后的图像m，并根据稀疏域噪声ε_i的稀疏特性，构建如下目标函数：${\hat{\alpha }}_i=\arg \underset{{\alpha }_i}{\min }\{{\left|\right|R_{i}m-{\mathrm{D\alpha }}_i\left|\right|}_2^2+{\kappa }_i{\left|\right|{\alpha }_i-{\bar{\alpha }}_i\left|\right|}_1\},i=\mathrm{1,2},...,L,$其中R_i是抽取图像m中第i个图像块的矩阵，κ_i是稀疏约束项的正则参数，||·||₂表示向量的2范数，||·||₁表示向量的1范数，表示降噪稀疏表示系数；(6)求解目标函数，得到去噪后的SAR图像：(6a)初始化目标函数的正则参数κ_i＞0，(6b)通过迭代收缩算法求解目标函数，得到每一个子图像块最终的降噪稀疏表示系数；(6c)对最终的降噪稀疏表示系数进行反稀疏变换，得到降噪后的子图像块${\hat{m}}_i=D{\hat{\alpha }}_i;$(6d)拼接降噪后的子图像块得到完整的图像，并对该图像进行反对数变换，得到去噪后的SAR图像。