基于邻域方向性信息的SAR图像降斑方法

摘要

本发明公开了一种基于邻域方向性信息的SAR图像降斑方法，主要解决现有SAR图像降斑方法不能很好的抑制斑点噪声和丢失部分边缘和细节信息的缺点。其过程为：对原图像做非下采样Contourlet分解，对每个高频子带系数估计二进掩码；然后根据所对应的不同的掩码用修正对数高斯分布和混合指数分布获得条件似然比的表达式；再根据邻域方向性模型获得的非下采样Contourlet变换的方向信息求先验比；最后根据似然比和先验比获得缩减因子对每个高频子带系数进行缩减，将缩减变化以后的系数再经过重构得到降斑后的输出图像。本方法具有有效去除SAR图像斑点噪声和边缘保持性好的优点，可用于对边缘信息丰富、细节丰富的SAR图像，特别是含有机场、跑道、道路的SAR图像降斑。

主权项

1.一种基于邻域方向性信息的SAR图像降斑方法，包括如下步骤：(1)对原始SAR图像y进行非下采样Contourlet分解，得到在尺度j上位置 l处的分解系数n _l，j；(2)将第j+1层的分解系数作为该层的无斑系数，求解尺度j的系数二值掩码(3)找出尺度j的系数二值掩码为1和为0的系数，分别用修正对数高斯分布和混合指数分布逼近，得到概率密度分布的条件似然比ξ _l，该步骤具体实现如下：(3a)找出尺度j的系数二值掩码为1所对应的系数的绝对值掩码为1的系数的直方图用如下条件概率分布表示：其中，x为非下采样Contourlet分解的高频系数值，μ为掩码为1的系数的绝对值取对数所得到的幅值的均值，σ₁为幅值的标准差，m _l为n _l，j的幅值，即m _l＝|n _l，j|；(3b)找出尺度j的系数二值掩码为0所对应的系数的绝对值掩码为0的系数的直方图用如下条件概率分布表示：其中，λ₁为第一个指数分布尺度参数，λ₂为第二个指数分布的尺度参数，w₁和w₂分别为这两个指数分布的权重参数，这些参数λ₁，λ₂，w₁，w₂的值采用期望最大化算法估计；(3c)根据掩码为1的系数的直方图的条件概率分布函数和掩码为0的系数的直方图的条件概率分布函数，计算概率密度分布的条件似然比为：ξ _l＝p(m _l|1)/p(m _l|0)；(4)根据设定的方向性邻域模型计算分解系数的缩减因子先验比η _l，得到非下采样Contourlet分解系数缩减因子q _l，该步骤具体实现如下：(4a)设定以位置 l为中心的各向同性邻域和各向异性邻域o_D( l)，构成方向性邻域模型，其中D为分解的总方向数；(4b)根据方向性邻域模型计算系数缩减因子先验比为： 其中，为方向性邻域模型内的系数二值掩码值，γ为控制因子；(4c)根据概率密度分布的条件似然比ξ _l和系数缩减因子先验比η _l，计算系数缩减因子为：q _l＝ξ_lη_l/(1+ξ_lη_l)；(5)应用缩减因子对非下采样Contourlet分解的系数n _l，j进行缩减；(6)对缩减后的系数运行非下采样Contourlet重构，得到降斑后图像