结合双树复小波与双变量模型的SAR图像降斑方法

摘要

本发明公开了一种结合双树复小波与双变量模型的的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问题。其实现过程为：对原始SAR图像进行双树复小波分解，得到在各个尺度上分解系数的实部和虚部；利用非对数加性噪声模型，求解得到噪声系数的方差；根据利用局部邻域窗口，求得复小波系数实部边缘方差和虚部边缘方差；利用最大后验估计求得阈值收缩函数，对双树复小波分解的系数进行阈值收缩；对缩减后的系数运行双树复小波重构，得到降斑后图像。本发明具有有效去除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

1.一种结合双树复小波与双变量模型的的SAR图像降斑方法，包括如下步骤：(1)对原始SAR图像I进行双树复小波分解，得到在尺度j上的分解复系数y_j，其实部和虚部分别为y_r，j，y_i，j；(2)利用非对数加性噪声模型，求解各尺度上的噪声方差(2a)根据非对数加性噪声模型，对原图像中I的每一点取方形窗I(k)，窗口大小为k×k，求每个局部方形窗的噪声方差：${\sigma }_{N\left(k\right)}^2=({\sigma }_{I\left(k\right)}^2+m_{I\left(k\right)}^2)·{\sigma }_R^2/({\sigma }_R^2+1)$其中m_I(k)，分别表示局部窗口I(k)的均值和方差，为原图I的相干斑噪声方差，k取3，5，7；(2b)对每个局部方形窗的噪声方差求平均值，得到各尺度上的噪声方差：${\sigma }_n^2=\mathrm{mean}\left({\sigma }_{N\left(k\right)}^2\right);$(3)利用局部邻域窗口，分别求解在尺度j上复小波系数的实部边缘标准差σ_r，j和虚部边缘标准差σ_i，j：分别对第j尺度上复小波系数的实部y_r，j和虚部y_i，j中的每一个点取方形窗N(l)，窗口大小为l×l，分别求解在尺度j上复小波系数的实部边缘标准差σ_r，j和虚部边缘标准差σ_i，j${\sigma }_{r,j}=\sqrt{\max (1/M·{\Sigma }_{m\in N\left(l\right)}{y}_{r,j}^2\left(m\right)-{\sigma }_n^2,0)}$${\sigma }_{i,j}=\sqrt{\max (1/M·{\Sigma }_{m\in N\left(l\right)}{y}_{i,j}^2\left(m\right)-{\sigma }_n^2,0)}$其中M是方形窗N(l)中系数的个数，l取3，5，7；(4)分别对在尺度j上的复系数的实部和虚部进行阈值收缩，求得估计的无噪小波系数(4a)设任一尺度的复小波系数的实部和虚部近似满足如下分布：$p_y\left(y\right)=\frac{3}{2\pi {\sigma }^2}·\exp (-\frac{\sqrt{3}}{\sigma }\sqrt{y_{r,j}^2+y_{i,j}^2})$其中σ为复小波系数边缘标准差，y_r，j与y_i，j分别为在第j尺度上复小波系数的实部和虚部；(4b)求解尺度j上无噪信号的最大后验估计，得到第j尺度上复小波系数实部收缩函数和虚部的收缩函数分别为：${\hat{w}}_{r,j}=\frac{\mathrm{soft}(\sqrt{y_{r,j}^2+y_{r,j}^2}-\frac{\sqrt{3}{\sigma }_n^2}{\sigma })}{\sqrt{y_{r,j}^2+y_{r,j}^2}}·y_{r,j}$${\hat{w}}_{i,j}=\frac{\mathrm{soft}(\sqrt{y_{i,j}^2+y_{i,j}^2}-\frac{\sqrt{3}{\sigma }_n^2}{\sigma })}{\sqrt{y_{i,j}^2+y_{i,j}^2}}·y_{i,j}$其中soft(g)定义为：$\mathrm{soft}\left(g\right)=\left\{\begin{array}{cc}0& g<0\\ g& g\ge 0\end{array}\right.$(4c)求解在尺度j上复小波实部阈值T_r，j和虚部阈值T_i，j中的较大值T_jT_j＝max(T_r，j，T_i，j)其中σ_i，j分别为第j尺度上复小波系数的实部边缘标准差和虚部边缘标准差；(4d)在第j尺度上利用下式进行阈值收缩，计算得到缩减后的复小波系数：${\hat{w}}_j=\mathrm{soft}\left(\right|y_j|-T_j)·e^{i·\theta \left(y_j\right)}$其中θ(y_j)表示y_j方向的弧度值；(5)对缩减后的系数运行双树复小波重构，得到降斑后图像