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>ξ</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>α</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>σ</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo><</mo><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>δ</mi><mo>)</mo></mrow><mo>;</mo></mtd></mtr><mtr><mtd><mi>exp</mi><mrow><mo>(</mo><mi>α</mi><mo>·</mo><mrow><mo>(</mo><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>σ</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>-</mo><mn>1</mn><mo>)</mo></mrow><mo>/</mo><mi>δ</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><mrow><mo>(</mo><mn>1</mn><mo>-</mo><mi>δ</mi><mo>)</mo></mrow><mo>≤</mo><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>σ</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>≤</mo><mrow><mo>(</mo><mn>1</mn><mo>+</mo><mi>δ</mi><mo>)</mo></mrow><mo>;</mo></mtd></mtr><mtr><mtd><mi>exp</mi><mrow><mo>(</mo><mi>α</mi><mo>)</mo></mrow><mo>,</mo></mtd><mtd><msub><mi>m</mi><mi>h</mi></msub><mo>/</mo><msub><mi>σ</mi><mrow><mi>j</mi><mo>,</mo><mi>l</mi></mrow></msub><mo>></mo><mrow><mo>(</mo><mn>1</mn><mo>+</mo><mi>δ</mi><mo>)</mo></mrow><mo>.</mo></mtd></mtr></mtable></mfenced></mrow><mrow><msub><mi>μ</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>∂</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>∂</mo><mi>h</mi></mrow></msub><mo>)</mo></mrow></mrow></mfrac><mo>=</mo><mi>exp</mi><mrow><mo>(</mo><mi>γ</mi><mo>·</mo><munder><mi>Σ</mi><mrow><mi>i</mi><mo>∈</mo><mo>∂</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)