[发明专利]基于邻域方向性信息的SAR图像降斑方法

权利要求书

1.一种基于邻域方向性信息的SAR图像降斑方法，包括如下步骤：

(1)对原始SAR图像y进行非下采样Contourlet分解，得到在尺度j上位置 l处的分解系数n _l，j；

(2)将第j+1层的分解系数作为该层的无斑系数，求解尺度j的系数二值掩码 

(3)找出尺度j的系数二值掩码为1和为0的系数，分别用修正对数高斯分布和混合指数分布逼近，得到概率密度分布的条件似然比ξ _l，该步骤具体实现如下：

(3a)找出尺度j的系数二值掩码为1所对应的系数的绝对值 掩码为1的系数的直方图用如下条件概率分布表示：

其中，x为非下采样Contourlet分解的高频系数值，μ为掩码为1的系数的绝对值取对数所得到的幅值 的均值，σ₁为幅值 的标准差，m _l为n _l，j的幅值，即m _l＝|n _l，j|；

(3b)找出尺度j的系数二值掩码为0所对应的系数的绝对值 掩码为0的系数的直方图用如下条件概率分布表示：

其中，λ₁为第一个指数分布尺度参数，λ₂为第二个指数分布的尺度参数，w₁和w₂分别为这两个指数分布的权重参数，这些参数λ₁，λ₂，w₁，w₂的值采用期望最大化算法估计；

(3c)根据掩码为1的系数的直方图的条件概率分布函数和掩码为0的系数的直方图的条件概率分布函数，计算概率密度分布的条件似然比为：

ξ _l＝p(m _l|1)/p(m _l|0)；

(4)根据设定的方向性邻域模型计算分解系数的缩减因子先验比η _l，得到非下采样Contourlet分解系数缩减因子q _l，该步骤具体实现如下：

(4a)设定以位置 l为中心的各向同性邻域 和各向异性邻域o_D( l)，构成方向性邻域模型，其中D为分解的总方向数；

(4b)根据方向性邻域模型计算系数缩减因子先验比为： 

其中， 为方向性邻域模型内的系数二值掩码值，γ为控制因子；

(4c)根据概率密度分布的条件似然比ξ _l和系数缩减因子先验比η _l，计算系数缩减因子为：

q _l＝ξ_lη_l/(1+ξ_lη_l)；

(5)应用缩减因子对非下采样Contourlet分解的系数n _l，j进行缩减；

(6)对缩减后的系数 运行非下采样Contourlet重构，得到降斑后图像 

2.根据权利要求1所述的SAR图像降斑方法，其中步骤(2)所述的求解尺度j的系数二值掩码 是根据当前尺度j的分解系数n _l，j和较粗尺度j+1的缩减后的分解系数 计算：

其中，σ_j为噪声方差，表达式为：σ_j＝Median(|n _l，j-Median(n _l，j)|)/0.6745。

3.根据权利要求1所述的SAR图像降斑方法，其中步骤(5)所述的应用缩减因子对非下采样Contourlet分解的系数n _l，j进行缩减，是通过系数缩减因子q _l与分解系数n _l，j的点积得到，即：