主权项 |
1.一种基于相似块的SAR图像预处理方法,包括如下步骤:(1)对于输入大小为(m,n)的L视SAR图像v,计算出所有像素点的方差系数CV,得到方差系数矩阵K;(2)设定方差系数分类阈值T<sub>cv</sub>,对输入的SAR图像v进行分类,如果图像v中的像素点x<sub>i,j</sub>在方差系数矩阵K中的方差系数小于阈值T<sub>cv</sub>,则执行步骤(3),否则执行步骤(4);(3)将以该像素点x<sub>i,j</sub>为中心的3×3块内像素的均值作为该像素点预处理后的像素值;(4)对像素点x<sub>i,j</sub>的8邻域像素点x<sub>l</sub>,l=1,2,…,8,取以像素点x<sub>l</sub>为中心的3×3块v<sub>l</sub>,对块v<sub>l</sub>采取旋转操作,使以像素点x<sub>i,j</sub>为中心的3×3块v<sub>i,j</sub>和以像素点x<sub>l</sub>为中心的3×3块v<sub>l</sub>中同质的区域处在相同的位置,把v<sub>l</sub>旋转后的块记为<img file="FDA00002720760300011.GIF" wi="73" he="73" />(5)计算像素点x<sub>i,j</sub>与其8邻域像素点x<sub>l</sub>,l=1,2,…,8基于块比值概率的相似性距离:5a)取像素点x<sub>i,j</sub>为中心的3×3块v<sub>i,j</sub>,由步骤(4)得到其邻域像素点x<sub>l</sub>,l=1,2,…,8翻转后的的3×3块<img file="FDA00002720760300012.GIF" wi="76" he="75" />5b)计算上述两个像素块v<sub>i,j</sub>和<img file="FDA00002720760300013.GIF" wi="58" he="75" />的比值r<sub>i,k</sub>:<maths num="0001"><![CDATA[<math><mrow><msub><mi>r</mi><mrow><mi>i</mi><mo>,</mo><mi>k</mi></mrow></msub><mo>=</mo><mi>min</mi><mo>{</mo><mfrac><msub><mi>v</mi><mrow><mi>i</mi><mo>,</mo><mi>k</mi></mrow></msub><msub><mi>v</mi><mrow><mi>l</mi><mo>,</mo><mi>k</mi></mrow></msub></mfrac><mo>,</mo><mfrac><msub><mi>v</mi><mrow><mi>l</mi><mo>,</mo><mi>k</mi></mrow></msub><msub><mi>v</mi><mrow><mi>i</mi><mo>,</mo><mi>k</mi></mrow></msub></mfrac><mo>}</mo><mo>,</mo></mrow></math>]]></maths>r<sub>i,k</sub>∈[0,1],l=1,2,…,8,k=1,2,…,9,其中v<sub>i,k</sub>表示待处理像素点x<sub>i,j</sub>为中心的3×3块v<sub>i,j</sub>的第k个像素点的灰度值,v<sub>l,k</sub>表示像素点x<sub>l</sub>为中心的3×3块v<sub>l</sub>旋转后的块<img file="FDA00002720760300015.GIF" wi="53" he="75" />的第k个像素点的灰度值;5c)利用比值分布概率公式计算出像素点x<sub>i,j</sub>的比值r<sub>i,k</sub>出现的概率p(r<sub>i,k</sub>);5d)定义待处理像素点x<sub>i,j</sub>与其8邻域像素点x<sub>l</sub>之间的相似性距离d<sub>l</sub>为:<maths num="0002"><![CDATA[<math><mrow><msub><mi>d</mi><mi>l</mi></msub><mo>=</mo><munderover><mi>Σ</mi><mrow><mi>k</mi><mo>=</mo><mn>1</mn></mrow><mrow><mn>3</mn><mo>×</mo><mn>3</mn></mrow></munderover><mi>log</mi><mrow><mo>(</mo><mi>p</mi><mrow><mo>(</mo><msub><mi>r</mi><mrow><mi>i</mi><mo>,</mo><mi>k</mi></mrow></msub><mo>)</mo></mrow><mo>)</mo></mrow><mo>,</mo></mrow></math>]]></maths>k=1,2,…,9,l=1,2,…,8;(6)对步骤(5)得到的相似性距离d<sub>1</sub>,d<sub>2</sub>,…,d<sub>8</sub>按升序排序,排序后的结果为<img file="FDA00002720760300021.GIF" wi="281" he="87" />取排序后距离为<img file="FDA00002720760300022.GIF" wi="194" he="88" />的像素点作为像素点x<sub>i,j</sub>的相似点,取像素点x<sub>i,j</sub>和这3个相似点灰度值的均值作为像素点x<sub>i,j</sub>预处理后的灰度值。(7)重复步骤(2)~(6),计算出所有像素点的恢复值,得到预处理图像。 |