国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      基于非下采樣Contourlet域MRF模型的SAR圖像降斑方法

      文檔序號:5921389閱讀:241來源:國知局

      專利名稱::基于非下采樣Contourlet域MRF模型的SAR圖像降斑方法
      技術(shù)領(lǐng)域
      :本發(fā)明屬于圖像處理領(lǐng)域,特別是一種涉及SAR圖像降斑的方法,可應(yīng)用于目標識別。
      背景技術(shù)
      :合成孔徑雷達SAR是一種高分辨率雷達體制,具有全天候、全天時、穿透能力強、可側(cè)視成像等優(yōu)點,具有廣泛的應(yīng)用。SAR可應(yīng)用于農(nóng)業(yè),軍事,導(dǎo)航,地理監(jiān)視等諸多領(lǐng)域。它與其它遙感成像系統(tǒng)、光學(xué)成像系統(tǒng)是不同的。SAR成像過程中,由于相干照射而產(chǎn)生的衰落效應(yīng)的影響,使圖像內(nèi)原本具有相同后向散射系數(shù)的勻質(zhì)區(qū)域表現(xiàn)出顆粒狀噪聲,這種噪聲稱之為相干斑。相干斑的存在增加了圖像解譯的復(fù)雜性,大大降低了圖像分割、目標分類以及其他信息提取的有效性。對相干斑的抑制技術(shù),即降斑,大體分為成像前的多視平滑預(yù)處理和成像后的濾波處理兩類。早期的SAR成像處理中,大多采用多視處理技術(shù),但隨著SAR圖像應(yīng)用的不斷拓展,對其空間分辨率的要求不斷提高,多視處理技術(shù)已不能滿足要求。成像后的濾波技術(shù)又可分為空域濾波技術(shù)和頻域濾波技術(shù)。基于空域濾波技術(shù)的降斑方法,從20世紀80年代開始,出現(xiàn)了許多以空域濾波技術(shù)為基礎(chǔ)的高分辨率SAR圖像降斑算法,并獲得了廣泛的研究和應(yīng)用??沼驗V波技術(shù)都是假定噪聲模型,然后在圖像上取一個滑動窗,以窗內(nèi)所有像素作為濾波器的輸入值,估計無相干斑噪聲的圖像,它是基于局部統(tǒng)計特性進行濾波處理的。空域濾波方法有EnhancedLee濾波,Kuan濾波,F(xiàn)rost濾波,以及GammaMap濾波等。這些空域的濾波方法,難以保持圖像的細節(jié)特征,其濾波性能的好壞,很大程度上依賴于所選濾波窗口的大小?;陬l域濾波技術(shù)的降斑方法,從20世紀90年代以后,是以頻域處理技術(shù)為基礎(chǔ)的小波方法給信號處理領(lǐng)域帶來了嶄新的思想,并被有效地用于SAR圖像相干斑抑制中。小波變換具有時頻局部化特性,為SAR圖像的降斑提供了另一條思路。它可以從不同的分辨率空間來描述圖像的局部特征,使得信號和噪聲在小波變換域中表現(xiàn)出不同的特征,從而較易區(qū)分信號和噪聲?;谛〔ㄗ儞Q的圖像去噪方法中,以Donoho提出的硬閾值和軟閾值去噪方法為起源,得到了廣泛的應(yīng)用?;贒onoho的閾值思想,逐漸又出現(xiàn)了類似的系數(shù)收縮方法,經(jīng)典的收縮方法有VisuShrink,SureShrink,OracleShrink,BayesShrink等。但是,這些方法主要是針對加性噪聲模型的。針對SAR圖像中相干斑乘性噪聲的算法,通常都是通過對數(shù)運算將其轉(zhuǎn)換為加性噪聲,然后利用上述的收縮方法對系數(shù)進行處理,再通過指數(shù)運算重構(gòu)圖像。上述方法都是在假設(shè)圖像信息獨立性的條件下進行的一系列處理,忽視了圖像內(nèi)部相關(guān)性,于是對于一致性較好的區(qū)域,噪聲抑制效果仍然不夠理想,目標的保持也不夠清晰。為了進一步挖掘圖像內(nèi)部相關(guān)性,人們將馬爾可夫隨機場模型與小波變換相結(jié)合,建立了小波馬爾可夫模型,并用于SAR圖像抑斑。DusanGleich等人將MRF引入二進小波變換域,對小波域中的無噪圖像用廣義高斯馬爾可夫隨機場來建模,并用于圖像降斑,參見Wavelet-BasedDespecklingofSARImagesUsingGauss-MarkovRandomFields.IEEETrans,onGeoscienceandRemoteSensing,2007,45(12):4127_4143。經(jīng)過比較分析,小波變換的方法對邊緣有著較好的保留效果,但是由于小波變換有限的方向性,它僅能捕獲圖像的水平、垂直及對角三個方向的信息,而對于其他方向卻無能為力,這就導(dǎo)致處理后的圖像中細節(jié)信息丟失嚴重,紋理信息和邊緣信息不完整。
      發(fā)明內(nèi)容本發(fā)明的目的在于克服上述已有技術(shù)的不足,提出一種基于非下采樣Contourlet域MRF模型的SAR圖像降斑方法,利用非下采樣Contourlet變換完備的方向性信息提高邊緣分辨精度和區(qū)域一致性,保證降斑后圖像紋理信息和邊緣信息的完整性以及目標的清晰性,提高SAR圖像降斑的質(zhì)量。實現(xiàn)本發(fā)明目的的技術(shù)方案是使用高效的多尺度幾何分析工具非下采樣Contourlet變換,充分挖掘圖像中的方向信息,構(gòu)建出具有嚴密結(jié)構(gòu)的非下采樣Contourlet域MRF模型。其具體實現(xiàn)步驟包括如下(1)對待降斑SAR圖像作對數(shù)運算,得到對數(shù)運算后的圖像數(shù)據(jù);(2)對圖像數(shù)據(jù)進行非下采樣Contourlet變換,得到變換系數(shù)Cjil,其中,j表示尺度,范圍為1J,J為非下采樣Contourlet變換的分解層數(shù);1表示方向子帶,范圍為1L,L表示每個尺度中的方向數(shù);Cjil=Ic1,...,ch,...,cH},Ch表示Cjil里的第h個元素,1彡h彡H,H表示待降斑SAR圖像像素點的總個數(shù);(3)利用MonteCarlo方法,估計圖像數(shù)據(jù)噪聲在非下采樣Contourlet域的標準差σj,i;(4)利用迭代條件模型ICM算法,根據(jù)變換系數(shù)Cu和標準差Oy對掩碼Xu進行初始估計并迭代更新,得到掩碼的最終估計(4a)估計MRF模型掩碼Xj,i=Ix1,...,xh,...,xH}的初始值,其中,當(dāng)Ch彡時,Xh=1;當(dāng)<σ口時,Xh=_1,1彡h彡H;(4b)計算重要性度量Mjil=Im1,···,mh,···,mH},其中,πι」=abs(Ch),abs表示取絕對值,1彡h彡H;(4c)計算似然比Lhoodj,!={ξ1...,ξh,…,ξH}和先驗比Priorj,x={μ1...,μh,...,μΗ},以及似然比和先驗比的乘積Rjil=Ir1,...,rh,...,rH},其中_9]權(quán)利要求一種基于非下采樣Contourlet域MRF模型的SAR圖像降斑方法,包括如下步驟1)對待降斑SAR圖像作對數(shù)運算,得到對數(shù)運算后的圖像數(shù)據(jù);2)對圖像數(shù)據(jù)進行非下采樣Contourlet變換,得到變換系數(shù)Cj,l,其中,j表示尺度,范圍為1~J,J為非下采樣Contourlet變換的分解層數(shù);l表示方向子帶,范圍為1~L,L表示每個尺度中的方向數(shù);Cj,l={c1,...,ch,...,cH},ch表示Cj,l里的第h個元素,1≤h≤H,H表示待降斑SAR圖像像素點的總個數(shù);3)利用MonteCarlo方法,估計圖像數(shù)據(jù)噪聲在非下采樣Contourlet域的標準差σj,l;4)利用迭代條件模型ICM算法,根據(jù)變換系數(shù)Cj,l和標準差σj,l對掩碼Xj,l進行初始估計并迭代更新,得到掩碼的最終估計4a)估計MRF模型掩碼Xj,l={x1,...,xh,...,xH}的初始值,其中,當(dāng)ch≥σj,l時,xh=1;當(dāng)ch<σj,l時,xh=1,1≤h≤H;4b)計算重要性度量Mj,l={m1,...,mh,...,mH},其中,mh=abs(ch),abs表示取絕對值,1≤h≤H;4c)計算似然比Lhoodj,l={ξ1,...,ξh,...,ξH}和先驗比Priorj,l={μ1,...,μh,...,μH},以及似然比和先驗比的乘積Rj,l={r1,...,rh,...,rH},其中<mrow><msub><mi>&xi;</mi><mi>h</mi></msub><mo>=</mo><mfrac><mrow><msub><mi>p</mi><mrow><msub><mi>M</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>|</mo><msub><mi>X</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub></mrow></msub><mrow><mo>(</mo><msub><mi>m</mi><mi>h</mi></msub><mo>|</mo><msub><mi>x</mi><mi>h</mi></msub><mo>=</mo><mn>1</mn><mo>)</mo></mrow></mrow><mrow><msub><mi>p</mi><mrow><msub><mi>M</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>|</mo><msub><mi>X</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub></mrow></msub><mrow><mo>(</mo><msub><mi>m</mi><mi>h</mi></msub><mo>|</mo><msub><mi>x</mi><mi>h</mi></msub><mo>=</mo><mo>-</mo><mn>1</mn><mo>)</mo></mrow></mrow></mfrac></mrow><mrow><mo>=</mo><mfencedopen='{'close=''><mtable><mtr><mtd><mi>exp</mi><mrow><mo>(</mo><mo>-</mo><mi>&alpha;</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>&sigma;</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>&lt;</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>&delta;</mi><mo>)</mo></mrow><mo>;</mo></mtd></mtr><mtr><mtd><mi>exp</mi><mrow><mo>(</mo><mi>&alpha;</mi><mo>&CenterDot;</mo><mrow><mo>(</mo><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>&sigma;</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>/</mo><mi>&delta;</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>&delta;</mi><mo>)</mo></mrow><mo>&le;</mo><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>&sigma;</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>&le;</mo><mrow><mo>(</mo><mn>1</mn><mo>+</mo><mi>&delta;</mi><mo>)</mo></mrow><mo>;</mo></mtd></mtr><mtr><mtd><mi>exp</mi><mrow><mo>(</mo><mi>&alpha;</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>&sigma;</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>></mo><mrow><mo>(</mo><mn>1</mn><mo>+</mo><mi>&delta;</mi><mo>)</mo></mrow><mo>.</mo></mtd></mtr></mtable></mfenced></mrow><mrow><msub><mi>&mu;</mi><mi>h</mi></msub><mo>=</mo><mfrac><mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>h</mi></msub><mo>=</mo><mn>1</mn><mo>|</mo><msub><mi>x</mi><mrow><mo>&PartialD;</mo><mi>h</mi></mrow></msub><mo>)</mo></mrow></mrow><mrow><mi>p</mi><mrow><mo>(</mo><msub><mi>x</mi><mi>h</mi></msub><mo>=</mo><mo>-</mo><mn>1</mn><mo>|</mo><msub><mi>x</mi><mrow><mo>&PartialD;</mo><mi>h</mi></mrow></msub><mo>)</mo></mrow></mrow></mfrac><mo>=</mo><mi>exp</mi><mrow><mo>(</mo><mi>&gamma;</mi><mo>&CenterDot;</mo><munder><mi>&Sigma;</mi><mrow><mi>i</mi><mo>&Element;</mo><mo>&PartialD;</mo><mi>h</mi></mrow></munder><msub><mi>x</mi><mi>i</mi></msub><mo>)</mo></mrow></mrow>rh=ζh·μh其中,(mh|xh=1)表示在Xj,l條件下,當(dāng)xh=1時出現(xiàn)Mj,l中的mh的概率,(mh|xh=1)表示在Xj,l條件下,當(dāng)xh=1時出現(xiàn)Mj,l中的mh的概率lexp表示指數(shù)運算,α=5,δ=0.9,表示以h為中心的方形區(qū)域,i為該方形區(qū)域中的位置,表示在區(qū)域中掩碼存在的條件下出現(xiàn)xh=1的概率,表示在區(qū)域中掩碼存在的條件下出現(xiàn)xh=1的概率,γ為鄰域影響因子,γ=0.2;4d)對掩碼Xj,l={x1,...,xh,...,xH}的初始值進行更新,如果似然比和先驗比的乘積rh大于1,則把掩碼的初始值中的xh更新為1,如果似然比和先驗比的乘積rh小于等于1,則把掩碼的初始值中的xh更新為1,1≤h≤H;4e)統(tǒng)計掩碼的更新數(shù)目,判斷掩碼更新的終止條件,如果掩碼的更新數(shù)目大于H/2,則認為不滿足收斂條件,轉(zhuǎn)至步驟4c);如果掩碼的更新數(shù)目小于等于H/2,則認為滿足收斂條件,其對xh的更新值為最終估計,轉(zhuǎn)至步驟5),H表示待降斑SAR圖像像素點的總個數(shù);5)利用掩碼的最終估計,對變換系數(shù)Cj,l={c1,...,ch,...,cH}進行收縮,得到估計系數(shù)Yj,l={y1,...,yh,...yH},其中yh表示Yi,l里的第h個元素,和是根據(jù)掩碼的最終估計計算得到的,計算公式與步驟4c)的公式相同,1≤h≤H,H表示待降斑SAR圖像像素點的總個數(shù);6)對估計系數(shù)Yj,l作指數(shù)運算,并對指數(shù)運算后的結(jié)果系數(shù)進行非下采樣Contourlet逆變換,得到降斑圖像。FSA00000249529400022.tif,FSA00000249529400023.tif,FSA00000249529400024.tif,FSA00000249529400025.tif,FSA00000249529400026.tif,FSA00000249529400027.tif,FSA00000249529400028.tif,FSA00000249529400029.tif,FSA000002495294000210.tif,FSA000002495294000211.tif2.根據(jù)權(quán)利要求1所述的圖像降斑方法,其中步驟3)按如下步驟進行3a)對圖像數(shù)據(jù)進行正交小波變換,用Donoho的魯棒中值估計方法估計出圖像數(shù)據(jù)的噪聲標準差σ;3b)產(chǎn)生一幅大小與待降斑SAR圖像相同,均值為0,標準差為σ的高斯白噪聲圖像;3c)對高斯白噪聲圖像進行非下采樣Contourlet變換,得到噪聲變換系數(shù)Nm;計算噪聲變換系數(shù)N」,!在非下采樣Contourlet域的標準差=OjJ=median(abs(Nj,fmedian(Nj,x)))/0.6745,其中median表示取中值。全文摘要本發(fā)明公開了一種基于非下采樣Contourlet域MRF模型的SAR圖像降斑方法,主要解決傳統(tǒng)多尺度幾何分析應(yīng)用于SAR圖像降斑易產(chǎn)生勻質(zhì)區(qū)域不夠光滑,細節(jié)信息不夠完整,點目標不夠清晰的問題。其降斑過程為對待降斑SAR圖像作對數(shù)運算,得到圖像數(shù)據(jù);對圖像數(shù)據(jù)進行非下采樣Contourlet變換,得到變換系數(shù)Cj,l;估計圖像數(shù)據(jù)噪聲在非下采樣Contourlet域的標準差σj,l;根據(jù)Cj,l和σj,l對掩碼Xj,l進行初始估計并迭代更新,得到Xj,l的最終估計;利用Xj,l的最終估計,對Cj,l進行收縮,得到估計系數(shù)Yj,l;對Yj,l作指數(shù)運算,并對其進行非下采樣Contourlet逆變換,得到最終的降斑圖像。本發(fā)明具有降斑結(jié)果同質(zhì)區(qū)域光滑,紋理信息和邊緣信息的完整性保持較好,以及點目標清晰可見,可用于SAR圖像目標識別。文檔編號G01S13/90GK101950413SQ20101026750公開日2011年1月19日申請日期2010年8月30日優(yōu)先權(quán)日2010年8月30日發(fā)明者侯彪,張向榮,焦李成,王倩,王爽,馬文萍申請人:西安電子科技大學(xué)
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評論。精彩留言會獲得點贊!
      1