一种无源毫米波图像条带噪声抑制方法

摘要

本发明公开了一种无源毫米波图像条带噪声抑制方法，通过改进估计信号真值表达式，使神经网络算法性能得到显著提升，迭代计算出的增益补偿系数向量Gc+1、偏置补偿系数向量Oc+1很好地反应了不同行之间存在的增益和偏置差异。较之其他校正方法，能够允许更小的信噪比，且校正性能得到大幅提高，条带噪声能够得到更强的抑制；由于算法的收敛特性，能保留大量的细节信息，不会造成图像因为校正过度而失真，非常适合多波束毫米波成像应用。

主权项

1.一种无源毫米波图像条带噪声抑制方法，其特征在于，包括以下步骤：(1)、对于存在条带噪声的M行×N列的无源毫米波图像X，设置增益补偿系数向量G_c、偏置补偿系数向量O_c，其中，增益补偿系数向量G_c、偏置补偿系数向量O_c为M×1的列向量，下标c表示迭代次数；初始化迭代次数c＝1，增益补偿系数向量G_c为单位向量(1，1，1，…1)^T，偏置补偿系数向量O_c为零向量(0，0，0，…0)^T；初始化列数k＝1，初始化迭代步长λ；(2)、取无源毫米波图像X第k列数据作为输入信号向量μ_k：μ_k＝(X(1，k)，X(2，k)，…，X(M，k))^T                  (1)；(3)、利用增益补偿系数向量G_c和偏置补偿系数向量O_c校正具有条带噪声的输入信号向量μ_k，得到校正输出向量${\hat{\mu }}_k\left(i\right)=G_c\left(i\right){\mu }_k\left(i\right)+O_c\left(i\right)---\left(2\right);$其中，为第k列输入信号向量μ_k第i个元素μ_k(i)灰度值的校正输出，G_c(i)为第c次迭代增益补偿系数向量G_c的第i个元素，O_c(i)为第c次迭代偏置补偿系数向量O_c的第i个元素；(4)、利用步骤(3)获得的校正输出向量，估计信号真值${\hat{f}}_k\left(i\right)=({\hat{\mu }}_k(i-1)+{\hat{\mu }}_k(i+1))/2---\left(3\right);$(5)、计算更新的增益补偿系数向量G_c+1、偏置补偿系数向量O_c+1：$G_{c+1}\left(i\right)=G_c\left(i\right)-2\lambda {\mu }_k\left(i\right)({\hat{\mu }}_k\left(i\right)-{\hat{f}}_k\left(i\right))$$O_{c+1}\left(i\right)=O_c\left(i\right)-2\lambda ({\hat{\mu }}_k\left(i\right)-{\hat{f}}_k\left(i\right))$(4)；(6)、如果迭代次数c＝C_max，则停止迭代，进行步骤(7)，否则，令k＝k+1、c＝c+1、G_c(i)＝G_c+1(i)、O_c(i)＝O_c+1(i)，返回步骤(2)，其中，C_max为小于无源毫米波图像X列数N的整数；(7)用最后获得的增益补偿系数向量G_c+1、偏置补偿系数向量O_c+1校正存在条带噪声的M行×N列的无源毫米波图像X，得到校正后的条带噪声抑制的无源毫米波图像YY(i，j)＝G_c+1(i)X(i，j)+O_c+1(i)               (5)其中，Y(i，j)为校正后的条带噪声抑制的无源毫米波图像Y第i行第j列元素的灰度值，X(i，j)为存在条带噪声的无源毫米波图像X第i行第j列元素的灰度值，G_c+1(i)为c次迭代后增益补偿系数向量G_c+1的第i个元素值，O_c+1(i)为c次迭代后偏置补偿系数向量O_c+1的第i个元素值，i＝1，2，3，…，M；j＝1，2，3，…N。