本發(fā)明專利技術(shù)公開一種基于目標提取和PPB算法的SAR圖像去斑方法，主要解決現(xiàn)有SAR圖像去斑方法不能很好的抑制斑點噪聲和丟失部分邊緣紋理信息的問題。其實現(xiàn)步驟為：(1)對輸入SAR圖像進行小波圖像紋理特征提取；(2)利用所提取出的圖像小波紋理特征對圖像進行K均值聚類；(3)根據(jù)聚類標簽對輸入SAR圖像進行目標圖像的提取和移除；(4)對目標圖像采用小波硬閾值方法進行去斑；(5)對移除了目標圖像后的圖像采用PPB算法進行去斑；(6)將小波硬閾值去斑后圖像與PPB去斑后圖像相加，得到最終去斑結(jié)果圖像，本發(fā)明專利技術(shù)有同質(zhì)區(qū)域去斑效果好，邊緣紋理信息保存完整的特點，可用于SAR圖像目標識別和目標檢測。
【技術(shù)實現(xiàn)步驟摘要】
本專利技術(shù)屬于圖像處理
，具體地說是一種去斑方法，可應用于SAR圖像目標識別和目標檢測。
技術(shù)介紹
合成孔徑雷達SAR是一種高分辨率成像雷達，它具有全天候、多極化、多視角、多俯角數(shù)據(jù)獲取能力及對一些地物的穿透能力，不僅廣泛地被應用在軍事上，在農(nóng)業(yè)、氣象、地形地貌、災情監(jiān)控等民用上也有大量的應用。但由于SAR發(fā)射的是相干波，這些相干波經(jīng)過與地物的相干作用，特別是地物的后向散射作用，在目標回波信號產(chǎn)生了衰減，這種衰減 表現(xiàn)在圖像上就是斑點噪聲。斑點噪聲是乘性的、局部相關(guān)的，它的存在嚴重影響了 SAR圖像的質(zhì)量，造成圖像的判讀解譯和后續(xù)處理難度大，甚至導致獲取的影像數(shù)據(jù)不能正確地反映地物特征。為了更好地應用SAR圖像，對含有斑點噪聲的SAR圖像進行去除斑點的濾波處理顯得尤為重要。SAR圖像降斑的首要目標是在濾除斑點噪聲的同時，盡可能的保持圖像的細節(jié)信息。斑點噪聲是一種復雜的乘性噪聲模型的信號。對于斑點噪聲這種特殊的性質(zhì)，在過去近二十年中，人們提出了很多經(jīng)典的SAR去斑方法，如Lee濾波，增強Lee濾波，Kuan濾波。這些方法都是用一個已定義好的濾波器窗來估計局域斑點噪聲的方差，并進行濾波處理，其結(jié)果通常是過分的平滑了邊緣細節(jié)信息。圖像的結(jié)構(gòu)信息如邊緣、線性體、點目標會在一定程度上被模糊或濾除。在最近幾年，針對加性高斯噪聲的許多去噪方法被用來對SAR圖像進行去斑，例如小波閾值去噪方法，這些方法首先通過對數(shù)運算將斑點噪聲的乘性模型轉(zhuǎn)為加性模型，然后直接利用自然圖像去噪算法進行去噪。基于小波、Contourlet等變換的SAR圖像去斑方法由于其多尺度、多分辨等優(yōu)點獲得了廣泛的應用，小波變換的方法對邊緣有著較好的保留效果，但是由于小波變換方向性有限，其對于同質(zhì)區(qū)域的去斑效果并不明顯。C. A. Deledalle等人于2009年提出了一種在最大似然框架下迭代去斑的濾波方法，即PPB算法。該方法在最大似然估計框架下得到加權(quán)平均公式，并定義塊權(quán)值的計算公式，通過迭代方法逐步修改先驗信息，最終收斂至最佳去斑結(jié)果，但直接使用PPB算法對SAR圖像進行去斑時，會出現(xiàn)邊緣的畸變和紋理細節(jié)的丟失。
技術(shù)實現(xiàn)思路
本專利技術(shù)的目的在于針對上現(xiàn)有技術(shù)的不足，提出了一種基于目標提取和PPB算法的SAR圖像去斑方法，以避免邊緣的畸變，同時盡可能多的正確保留的原圖像中的紋理細節(jié)信息。實現(xiàn)本專利技術(shù)目的的技術(shù)方案是先使用K均值聚類的方法將SAR圖像中的目標圖像提取出來，然后對目標圖像采用小波軟閾值去斑，再對移除目標后的圖像采用PPB算法進行去斑，最后再將去斑后結(jié)果圖像相加，具體步驟包括如下(I)對輸入的SAR圖像A，用MXM的窗口對每一個像素點進行3層小波變換，提取輸入的SAR圖像A的小波圖像紋理特征e，取窗口大小為M=4 ；(2)利用圖像A的小波圖像紋理特征e對圖像A使用K均值進行聚類，將圖像A聚成3類，給聚類結(jié)果中不同類標分別賦予3個灰度值為0，128和255，令賦予灰度值后的聚類標簽為B ；(3)將聚類標簽B中標簽值b (x，y) =255處(x，y)的像素點從輸入的SAR圖像A中提取出來，得到目標圖像C ;(4)將目標圖像C從輸入的SAR圖像A中移除，得到移除目標圖像后的SAR圖像D ；(5)對目標圖像C采用小波硬閾值算法進行去斑處理，得到小波硬閾值去斑后圖像E ; (6)對移除目標圖像后的SAR圖像D使用最大似然框架下迭代去噪算法進行去斑處理，得到最大似然框架下迭代去斑后圖像F ；(7)將小波硬閾值去斑后圖像E與最大似然框架下迭代去斑后圖像F相加，即得到最終去斑結(jié)果圖像R。本專利技術(shù)與現(xiàn)有的技術(shù)相比具有以下優(yōu)點I)本專利技術(shù)由于采用了 K均值聚類的方法將SAR圖像中的目標圖像提取出來，因而可將圖像中的點目標、線目標和紋理細節(jié)比較完整的提取出來，很好地保持了原SAR圖像中的圖像細節(jié)信息；2)本專利技術(shù)由于采用了先將圖像分為目標圖像和移除目標后圖像兩部分，再對兩部分圖像分別采用不同的去斑方法進行去斑，充分利用不同去斑方法的優(yōu)點，以達到最好的去斑效果和盡可能完整的細節(jié)保持；仿真結(jié)果表明，本專利技術(shù)方法較其它幾種現(xiàn)有的經(jīng)典的SAR圖像去斑方法，在平滑區(qū)域的平滑效果以及邊緣保持能力方面都有顯著的提高。附圖說明圖I是本專利技術(shù)實現(xiàn)流程圖；圖2是本專利技術(shù)實驗輸入的一幅兩視SAR圖像；圖3是用本專利技術(shù)與現(xiàn)有的方法對圖2的SAR圖像去斑結(jié)果對比圖；圖4是用本專利技術(shù)對圖2的小波紋理特征進行K均值聚類的結(jié)果圖。具體實施例方式參照圖1，本專利技術(shù)的具體實施過程如下步驟I.對輸入的SAR圖像A用MXM的窗口進行3層小波變換，提取輸入的SAR圖像A的小波圖像紋理特征e ； I M J/e二 ,,ZZlmW./)丨，其中，MXM為滑動窗口的大小，這里取M=4，coef(i, j)為平穩(wěn)小波子帶中第i行第j列的系數(shù)值。步驟2.利用圖像A的小波圖像紋理特征e對圖像A使用K均值進行聚類，將圖像A聚成3類，并給聚類結(jié)果中不同類標分別賦予3個灰度值為0，128和255，令賦予灰度值后的聚類標簽為B。步驟3.將聚類標簽B中標簽值b (x，y) =255處(x，y)的像素點從輸入的SAR圖像A中提取出來，得到目標圖像C。步驟4.將目標圖像C從輸入的SAR圖像A中移除，即將圖像A減去圖像C，得到移除目標圖像后的SAR圖像D。步驟5.對目標圖像C采用小波硬閾值算法進行去斑處理，得到小波硬閾值去斑后圖像E :5a)對目標圖像C進行對數(shù)變換，得到目標圖像C的對數(shù)圖像G;5b)對對數(shù)圖像G使用小波硬閾值去噪算法進行去噪，得到對數(shù)圖像G小波硬閾值 去噪后圖像H ；5c)對小波硬閾值去噪后圖像H進行指數(shù)變換，得到目標圖像C的小波硬閾值去斑后圖像E。步驟6.對移除目標圖像后的SAR圖像D使用最大似然框架下迭代去噪PPB算法進行去斑處理，得到最大似然框架下迭代去斑后圖像F ；PPB 算法的具體實現(xiàn)參見 C. A. Deledalle, L. Denis, and F. Tupin. Iterativeweighted maximum likelihood denoising with probabilistic patch-based weights.IEEE Trans. Image Processing, vol. 18，no. 12，Dec. 2009，2661-2672.。步驟7.將小波硬閾值去斑后圖像E與最大似然框架下迭代去斑后的圖像F相加，得到最終去斑結(jié)果圖像R。本專利技術(shù)的效果可通過以下仿真實驗進一步說明I.仿真實驗環(huán)境與參數(shù)設(shè)置仿真實驗中，各種濾波方法都是使用matlab語言編程實現(xiàn)。仿真實驗參數(shù)設(shè)置為雙邊濾波是取5X5的窗口，其中O d為空間域高斯函數(shù)的標準差設(shè)為6, O ^為亮度域高斯函數(shù)的標準差設(shè)為0. 2 ;增強Lee濾波是選取5X5的窗口。2.仿真實驗內(nèi)容仿真實驗1，用現(xiàn)有的雙邊濾波算法對圖2進行去斑處理，仿真結(jié)果如圖3(a)；仿真實驗2，用現(xiàn)有增強Lee濾波算法對圖2進行去斑處理，仿真結(jié)果如圖3 (b)；仿真實驗3，用現(xiàn)有最大似然框架下迭代去斑PPB濾波算法對圖2進行去斑處理，仿真結(jié)果如圖3(c)；仿真實驗4，用本專利技術(shù)方法對圖2進行去斑處理，仿真結(jié)果如圖3(d)；仿真實驗5，用本專利技術(shù)對圖2本文檔來自技高網(wǎng)...
【技術(shù)保護點】
【技術(shù)特征摘要】
1.一種基于目標提取和PPB算法的SAR圖像去斑方法，包括如下步驟 (1)對輸入的SAR圖像A用MXM的窗口進行3層小波變換，提取輸入的SAR圖像A的小波圖像紋理特征e ； (2)利用圖像A的小波圖像紋理特征e對圖像A使用K均值進行聚類，將圖像A聚成3類，給聚類結(jié)果中的不同類標分別賦予3個灰度值為O，128和255，令賦予灰度值后的聚類標簽為B ； (3)將聚類標簽B中標簽值b(x，y)=255處(x，y)的像素點從輸入的SAR圖像A中提取出來，得到目標圖像C ; (4)將目標圖像C從輸入的SAR圖像A中移除，得到移除目標圖像后的SAR圖像D； (5)對目標圖像C采用小波硬閾值算法進行去斑處理，得到小波硬閾值去斑后圖像E; (6)對移除目標圖像后的SAR圖像D使用最大似然框架下迭代去噪P...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：焦李成，朱虎明，鐘雯倩，王爽，馬文萍，馬晶晶，白靜，尚榮華，
申請(專利權(quán))人：西安電子科技大學，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。