專利名稱：基于nsct域局部高斯模型的sar圖像降斑方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進一步涉及一種基于非下采樣Contourlet域 (NSCT)局部高斯模型的合成孔徑雷達(SAR)圖像降斑方法。本發(fā)明可用于合成孔徑雷達圖像的相干斑抑制。
背景技術(shù)：
SAR圖像抑斑的關(guān)鍵在于有效去除均勻場景中的斑點噪聲的同時，盡可能保留圖像中邊緣和紋理特征，以及保持圖像的雷達輻射特性。隨著多分辨分析理論的發(fā)展，頻域濾波被廣泛應(yīng)用于SAR圖像抑斑，常見的有基于平穩(wěn)小波(SWT)、非下采樣輪廓波(NSCT)的方法。西安電子科技大學(xué)在其專利申請“基于SWT域改進粒子濾波的SAR圖像降班方法”(專利申請?zhí)?201110060825. 9，公開號:CN102129672A)中提出了一種基于SWT域改進粒子濾波的SAR圖像降斑方法。該方法將待降斑的空域圖像變換到平穩(wěn)小波域，并提取不同變換尺度水平、垂直和對角方向下的SWT域圖像，對其應(yīng)用改進粒子濾波降斑方法進行降斑處理，然后將得到的降斑后小波域圖像進行逆變換得到最終的降斑圖像。該方法雖然能夠解決已有方法降斑后圖像邊緣和紋理模糊等問題，但仍然存在的不足是，小波變換只能描述點奇異性，卻不能有效地刻畫圖像中的二維線奇異性，會損失部分細(xì)節(jié)信息。西安電子科技大學(xué)在其專利申請“基于NSCT域邊緣檢測和Bishrink模型的SAR 圖像去噪方法”(專利申請?zhí)?01010225442. 8，公開號CN101901476A)中提出了一種基于 NSCT域邊緣檢測和Bishrink模型的SAR圖像去噪方法。該方法對選取的SAR圖像進行非下采樣Contourlet變換，用Bishrink模型對第3 6層的子帶系數(shù)進行收縮，然后進行逆變換得到重構(gòu)圖像，檢測重構(gòu)圖像的邊緣，對邊緣檢測后的圖像進行均值濾波得到濾波后圖像，對輸入圖像和濾波后圖像相減獲得的差值圖像進行非線性各向異性擴散，得到去噪后的圖像。該方法存在的不足是，通過指數(shù)運算將乘性噪聲轉(zhuǎn)換成加性噪聲，不能夠較好地保持SAR圖像的輻射特性，此外，此方法還需假設(shè)圖像的先驗信息，給后續(xù)處理帶來不便。

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，提出了一種基于非下采樣 Contourlet(NSCT)域局部高斯模型的SAR圖像降斑方法。本發(fā)明可以去除均勻場景中的斑點噪聲，同時能夠有效保持結(jié)構(gòu)和紋理信息以及原圖像的輻射特性。本發(fā)明實現(xiàn)的具體步驟包括如下(1)輸入待降斑SAR圖像；(2)非下采樣 Contourlet 變換2a)按照下式，將SAR圖像的乘性噪聲轉(zhuǎn)化為加性噪聲I = RX = X+(R-I) X = X+N其中，I為所觀測到的被噪聲污染的圖像強度，R為相干斑，其均值為1，X為地物的真實后向散射強度，N為將要濾除的加性噪聲；2b)進行非下采樣Contourlet變換，獲得Contourlet變換低頻子帶系數(shù)和高頻方向子帶系數(shù)；(3)高頻系數(shù)收縮3a)保持低頻子帶系數(shù)不變；3b)利用降斑后圖像與無噪圖像之間的最小均方誤差，按下式求解權(quán)重系數(shù)；Bk= [ θ k (y) Τ θ k (y) ] -1 { θ k (y) Ty- O 2di V [ θ k (y) ] }其中，％為權(quán)重系數(shù)，[ejyrejy)]-1為逆運算符號，ek(y)T為0k(y)的轉(zhuǎn)置，9k(y)為閾值函數(shù)，k= 1,2……K，K的取值范圍為1 100，y為輸入的待降斑圖像 Contourlet變換高頻方向子帶系數(shù)，σ為噪聲標(biāo)準(zhǔn)差，div為求導(dǎo)運算；3c)按照下式對高頻方向子帶系數(shù)進行收縮，得到估計的無噪圖像Contourlet高頻各方向子帶系數(shù)尸00= 1>*込00
A=I其中，F(xiàn)(y)為估計的無噪圖像Contourlet高頻各方向子帶系數(shù)，Σ為求和運算， 為權(quán)重系數(shù)，9k(y)為閾值函數(shù)，k= 1,2……K，K的取值范圍為1 100;(4)對低頻子帶系數(shù)和估計的無噪圖像Contourlet高頻各方向子帶系數(shù)進行非下采樣Contourlet逆變換，得到降斑后SAR圖像；(5)輸出降斑后SAR圖像。本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點第一，本發(fā)明利用NSCT變換方法，與現(xiàn)有技術(shù)中的小波變換相比，NSCT變換具有多尺度、多方向和平移不變性，能夠更好地稀疏表示具有直線和曲線奇異性的邊緣，因此本發(fā)明相比現(xiàn)有的小波變換方法可以更有效地保持圖像的邊緣和細(xì)節(jié)信息，從而提高了圖像的降斑效果。第二，本發(fā)明利用非對數(shù)加性模型將SAR圖像的乘性噪聲轉(zhuǎn)化為加性噪聲，相比現(xiàn)有技術(shù)中的對數(shù)變換方法，本發(fā)明能夠更有效地保持SAR圖像的輻射特性，圖像的降斑效果明顯增強。第三，本發(fā)明利用最小均方誤差，對降斑后圖像的Contourlet系數(shù)進行估計，相比現(xiàn)有技術(shù)，不需要為原始圖像假設(shè)統(tǒng)計模型，實現(xiàn)過程簡單。


圖1為本發(fā)明的流程圖；圖2為本發(fā)明與現(xiàn)有技術(shù)對測試圖像Bedfordshire的降斑效果對比圖；圖3為本發(fā)明與現(xiàn)有技術(shù)對測試圖像House track的降斑效果對比圖。
具體實施例方式下面結(jié)合附圖對本發(fā)明做進一步的描述。參照圖1，本發(fā)明的具體實施步驟如下步驟1，輸入待降斑SAR圖像。
步驟2，非下采樣Contourlet變換。首先，按照下式，將SAR圖像的乘性噪聲轉(zhuǎn)化為加性噪聲I = RX = X+(R-I) X = X+N其中，I為所觀測到的被噪聲污染的圖像強度，R為相干斑，其均值為1，X為地物的真實后向散射強度，N為將要濾除的加性噪聲；其次，進行非下采樣Contourlet變換，獲得Contourlet變換低頻子帶系數(shù)和高頻方向子帶系數(shù)；一般非下采樣Contourlet變換分解層數(shù)為3_6層，本發(fā)明的實施例中，我們把分解層數(shù)選為4層，具體的Contourlet變換方法為第一步，將待降斑圖像輸入非下采樣的塔形濾波器組，得到待降斑圖像的一層 Contourlet分解的低頻子帶系數(shù)和帶通信號；第二步，將帶通信號輸入非下采樣的方向濾波器組，得到待降斑圖像一層 Contourlet分解的高頻方向子帶系數(shù)，高頻方向子帶數(shù)目為2N，其中，N為正整數(shù)；第三步，將低頻子帶系數(shù)作為新的輸入源圖像，重復(fù)上述第一步和第二步，完成所選取的非下采樣Contourlet變換分解層數(shù)的變換，得到待降斑圖像Contourlet分解的低頻子帶系數(shù)和高頻方向子帶系數(shù)。步驟3，高頻系數(shù)收縮。本發(fā)明對Contourlet變換后的高頻各方向子帶系數(shù)用SURE-LET方法進行收縮， 得到估計的無噪圖像Contourlet高頻各方向子帶系數(shù)，具體實現(xiàn)步驟如下首先，保持低頻子帶系數(shù)不變。其次，利用降斑后圖像與無噪圖像之間的最小均方誤差，按下式求解權(quán)重系數(shù)；Bk= [ θ k (y) Τ θ k (y) ] -1 { θ k (y) Ty- O 2di V [ θ k (y) ] }其中，％為權(quán)重系數(shù)，[θ^γΓθ^γ)]-1為逆運算符號，θ々)τ為0k(y)的轉(zhuǎn)置，9k(y)為閾值函數(shù)，k= 1,2……K，K的取值范圍為1 100，y為輸入的待降斑圖像 Contourlet變換高頻方向子帶系數(shù)，σ為噪聲標(biāo)準(zhǔn)差，div為求導(dǎo)運算；閾值函數(shù)按照下式取得
X -(A-I)為0k{y) = Y^ye 1Tl其中，ek(y)為閾值函數(shù)，k = 1，2……K，K的取值范圍為1 100，y為輸入的待降斑圖像Contourlet變換高頻各方向子帶系數(shù)，Σ為求和運算，&為指數(shù)運算， Τ = 4βσ, σ為噪聲標(biāo)準(zhǔn)差。最后，按照下式對高頻方向子帶系數(shù)進行收縮，得到估計的無噪圖像Contourlet 高頻各方向子帶系數(shù)F{y) = ^aMy)其中，F(xiàn)(y)為估計的無噪圖像Contourlet高頻各方向子帶系數(shù)，Σ為求和運算， %為權(quán)重系數(shù)，0k(y)為閾值函數(shù)，k= 1,2……K，K的取值范圍為1 100 ；閾值函數(shù)按照下式取得
9k{y) = y^ye ° が
A=I其中，0k(y)為閾值函數(shù)，k = 1，2……K，K的取值范圍為1 100，y為輸入的 待降斑圖像Contourlet變換高頻各方向子帶系數(shù)，E為求和運算，,け…合為指數(shù)運算， J = V6c7, o為噪聲標(biāo)準(zhǔn)差。步驟4，對低頻子帶系數(shù)和估計的無噪圖像Contourlet高頻各方向子帶系數(shù)進行 非下采樣Contourlet逆變換，得到降斑后SAR圖像；步驟5，輸出降斑后SAR圖像。下面結(jié)合圖2、圖3的仿真效果對本發(fā)明做進ー步的描述。1.仿真條件本發(fā)明的仿真是在主頻2. 33GHZ的Intel (R) Core (TM) 2Duo、內(nèi)存2GB的硬件環(huán)境 和MATLAB R2008a的軟件環(huán)境下進行的。2.仿真內(nèi)容圖2為仿真試驗中本發(fā)明與現(xiàn)有技術(shù)對測試圖像Bedfordshire的降斑效果對比 圖，其中，圖2 (a)為待降斑的SAR圖像，其大小為256X 256，是從英國Bedfordshire地區(qū)的 一幅X波段的: 分辨率的SAR圖像中截取出來的。圖2(b)為現(xiàn)有技術(shù)中采用Lee濾波方 法對待降斑的SAR圖像進行降斑的結(jié)果圖，圖2 (c)為現(xiàn)有技術(shù)中采用Gamma-MAP濾波方法 對待降斑的SAR圖像進行降斑的結(jié)果圖，圖2 (d)為現(xiàn)有技術(shù)中采用小波軟閾值方法對待降 斑的SAR圖像進行降斑的結(jié)果圖，圖2(e)為本發(fā)明方法對待降斑的SAR圖像進行降斑的結(jié) 果圖。圖3為仿真實驗中本發(fā)明與現(xiàn)有技術(shù)對測試圖像House track的降斑效果對比 圖，其中，圖3(a)為待降斑的SAR圖像，其大小為256X256，是從新墨西哥州House track 地區(qū)的一副Ku波段的Im分辨率的SAR圖像中截取出來的。圖3(b)為現(xiàn)有技術(shù)中采用Lee 濾波方法對待降斑的SAR圖像進行降斑的結(jié)果圖，圖3 (c)為現(xiàn)有技術(shù)中采用Gamma-MAP濾 波方法對待降斑的SAR圖像進行降斑的結(jié)果圖，圖3 (d)為現(xiàn)有技術(shù)中采用小波軟閾值方法 對待降斑的SAR圖像進行降斑的結(jié)果圖，圖3(e)為本發(fā)明方法對待降斑的SAR圖像進行降 斑的結(jié)果圖。3.仿真結(jié)果分析圖2和圖3為本發(fā)明與現(xiàn)有技術(shù)對測試圖像Bedfordshire和House track的降斑 效果對比圖。從圖2(b)、圖3(b)可以看出，現(xiàn)有技術(shù)中的Lee濾波方法對圖像的斑點噪聲雖 然進行了較好的平滑，但邊界模糊。從圖2(c)、圖3(c)可以看出，現(xiàn)有技術(shù)中的Gamma-MAP 濾波方法得到的降斑結(jié)果，圖像右下方的紋理區(qū)出現(xiàn)過平滑現(xiàn)象，從而丟失了部分細(xì)節(jié)信 息。從圖2(d)、圖3(d)可以看出，現(xiàn)有技術(shù)中的小波軟閾值方法的降斑結(jié)果均勻區(qū)域不夠 平滑。從圖2(e)、圖3(e)可以看出，本發(fā)明方法能較好地保持點目標(biāo)和邊緣等細(xì)節(jié)信息，相 比現(xiàn)有技木，均勻區(qū)域的平滑性更好，綜上所述，本發(fā)明方法可以有效去除斑點噪聲，同時 還可以有效保持圖像的邊緣和點目標(biāo)等細(xì)節(jié)特征。下表是圖2(a)和圖3(a)中標(biāo)出的5個均勻區(qū)域采用不同降斑方法對應(yīng)的等效視數(shù)。
權(quán)利要求
1.一種基于NSCT域局部高斯模型的SAR圖像降斑方法，包括如下步驟(1)輸入待降斑SAR圖像；(2)非下采樣Contourlet變換2a)按照下式，將SAR圖像的乘性噪聲轉(zhuǎn)化為加性噪聲I = RX = X+ (R-I)X = X+N其中，I為所觀測到的被噪聲污染的圖像強度，R為相干斑，其均值為1，X為地物的真實后向散射強度，N為將要濾除的加性噪聲；2b)進行非下采樣Contourlet變換，獲得Contourlet變換低頻子帶系數(shù)和高頻方向子帶系數(shù)；(3)高頻系數(shù)收縮3a)保持低頻子帶系數(shù)不變；3b)利用降斑后圖像與無噪圖像之間的最小均方誤差，按下式求解權(quán)重系數(shù)；ak = [ θ k (y)τ θ k (y) ] -1 { θ k (y) Ty- σ 2di ν [ θ k (y) ]}其中，％為權(quán)重系數(shù)，[Θ^Γθ^)]-1為逆運算符號，Θ々)Τ為0k(y)的轉(zhuǎn)置，0k(y) 為閾值函數(shù)，k = 1,2……K，K的取值范圍為1 100，y為輸入的待降斑圖像Contourlet 變換高頻方向子帶系數(shù)，ο為噪聲標(biāo)準(zhǔn)差，div為求導(dǎo)運算；3c)按照下式對高頻方向子帶系數(shù)進行收縮，得到估計的無噪圖像Contourlet高頻各方向子帶系數(shù)其中，F(xiàn)(y)為估計的無噪圖像Contourlet高頻各方向子帶系數(shù)，Σ為求和運算，％為權(quán)重系數(shù)，9k(y)為閾值函數(shù)，k= 1,2……K，K的取值范圍為1 100;(4)對低頻子帶系數(shù)和估計的無噪圖像Contourlet高頻各方向子帶系數(shù)進行非下采樣Contourlet逆變換，得到降斑后SAR圖像；(5)輸出降斑后SAR圖像。
2.根據(jù)權(quán)利要求1所述的基于NSCT域局部高斯模型的SAR圖像降斑方法，其特征在于步驟( 所述的非下采樣Contourlet變換分解層數(shù)為3-6層。
3.根據(jù)權(quán)利要求1所述的基于NSCT域局部高斯模型的SAR圖像降斑方法，其特征在于步驟2b)所述的Contourlet變換方法為第一步，將待降斑圖像輸入非下采樣的塔形濾波器組，得到待降斑圖像的一層 Contourlet分解的低頻子帶系數(shù)和帶通信號；第二步，將帶通信號輸入非下采樣的方向濾波器組，得到待降斑圖像一層Contourlet 分解的高頻方向子帶系數(shù)，高頻方向子帶數(shù)目為2N，其中，N為正整數(shù)；第三步，將低頻子帶系數(shù)作為新的輸入源圖像，重復(fù)上述第一步和第二步，完成所選取的非下采樣Contourlet變換分解層數(shù)的變換，得到待降斑圖像Contourlet分解的低頻子帶系數(shù)和高頻方向子帶系數(shù)。
4.根據(jù)權(quán)利要求1所述的基于NSCT域局部高斯模型的SAR圖像降斑方法，其特征在于步驟3b)和3c)所述的閾值函數(shù)按照下式取得
全文摘要
本發(fā)明公開了一種基于NSCT域局部高斯模型的SAR圖像降斑方法，它涉及SAR圖像處理技術(shù)領(lǐng)域，包括如下步驟1.輸入待降斑SAR圖像；2.非下采樣Contourlet變換；3.高頻系數(shù)收縮；4.對低頻子帶系數(shù)和估計的無噪圖像Contourlet高頻各方向子帶系數(shù)進行非下采樣Contourlet逆變換，得到降斑后SAR圖像；5.輸出降斑后SAR圖像。本發(fā)明對SAR圖像同質(zhì)區(qū)域抑斑效果優(yōu)良，同時能夠有效保持圖像結(jié)構(gòu)和紋理信息以及SAR圖像的輻射特性。
文檔編號G06T5/00GK102368332SQ20111036647
公開日2012年3月7日 申請日期2011年11月17日 優(yōu)先權(quán)日2011年11月17日
發(fā)明者侯彪, 劉芳, 周嬌, 楊國輝, 王爽, 范娜, 鐘樺 申請人:西安電子科技大學(xué)