[发明专利]基于多片DSP的并行实时SAR图像降斑去噪方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及一种基于嵌入式数字信号处理器DSP的合成孔径雷达SAR图像实时降斑去噪方法，可应用于嵌入式系统中对SAR图像进行目标识别。

背景技术

合成孔径雷达SAR图像是一种高分辨率的雷达图像，在军事、农业、林业、地质等多个领域得到广泛的应用。但由于自身相干成像系统的缺陷，SAR图像中总是不可避免的出现斑点噪声。相干斑噪声的存在会削弱目标特性，严重时可能淹没真实目标，并严重的干扰SAR图像后续的理解与解译工作，因此降斑去噪是SAR图像处理中最基本和最重要的图像处理方法，是成功进行图像分析、理解和解译的关键技术。然而由于SAR图像成像原理的特殊性和复杂性，图像数据量大，处理算法复杂，导致现有的SAR图像降斑去噪技术时间复杂度较大，运算时间长，无法满足大规模SAR图像实时性要求，不适合嵌入式实时处理应用。

SAR图像降斑算法主要有基于空域降斑算法、基于变换域降斑算法、基于马尔科夫随机场MRF的降斑算法。其中：传统空域降斑方法通常要假设SAR图像是平稳的，而实际SAR图像很多情况下是非平稳的；变换域的降斑算法通常需要假设变换域内的系数为某种先验分布，而这些分布大部分来自经验或者自然图像的研究结果，真实的SAR图像不一定严格符合这些先验分布；基于马尔科夫随机场作为对真实信号的一种先验模型，在空域和变换域都有应用，这种降斑方法通常能够获得较好的纹理恢复，但是往往需要相对复杂和耗时的参数估计。

2010年，西安电子科技大学在“基于非下采样Contourlet域MRF模型的SAR图像降斑方法”（专利申请号：201010267505.6）的专利技术中提出对SAR图像的降斑是将非下采样Contourlet变换和马尔科夫随机场MRF模型相结合，该方法虽然能够去除同质区域的噪声，也能较好的保持图像的边缘清晰。但是该方法存在的不足是弱目标点保持并不理想，并且算法复杂，时间复杂度较大，无法满足大规模SAR图像实时性要求，在嵌入式数字信号处理器DSP上较难实现。

2012年，西安电子科技大学在其申请号为：201210414683.6，公开号：CN102903087A的专利申请中提出“基于GPU编程的SAR图像去噪方法”，此方法虽然提高了对大规模SAR图像进行PPB去噪的速度，可用于对大规模SAR图像进行快速去噪处理，但是仍然存在的不足是，该方法需要运行在高性能计算服务器甚至集群上，投入成本高、功耗高、体积大，不方便机载或者星载应用。

发明内容

为了克服上述现有技术存在的不足，本发明在基于图像块统计相似性度量的去噪算法的基础上提出一种基于多片DSP的并行实时SAR图像降斑去噪方法，以简化降斑去噪过程，降低时间复杂度，满足大规模SAR图像实时性要求。

为了实现以上目的，本发明的技术方案包括以下步骤：

(1)初始化主、从处理器：即设置同步动态随机存储器SDRAM刷新频率、预充电频率，设置高速缓存Cache刷新频率和使能Link Port链路口的直接存储器访问控制器DMA的接收和发送通道，使主处理器DSP1和从处理器DSP2运行正常，且两者共享一个片外的同步动态随机存储器SDRAM；

(2)通过上位机把视数为L、尺寸为L_x×L_y的原始大规模SAR图像切割成T个256×256尺寸大小的子图像，每相邻子图像之间重叠r＝20个像素点宽度的边缘，不足256×256大小的子图像保持剩余尺寸大小n_x×n_y，其中21≤n_x≤256，21≤n_y≤256；

(3)主处理器DSP1通过Link Port链路口的DMA接收通道从上位机接收2个子图像，并存放在同步动态随机存储器SDRAM中；

(4)主处理器DSP1和从处理器DSP2分别从同步动态随机存储器SDRAM中各取出一个子图像I，将其从int整型转换为float浮点型，并对转换后的子图像数据边缘扩展f＝3个像素点宽度，再将边缘扩展后浮点型子图像数据X存储在各自处理器的内部的第六动态随机存储器M10中；

(5)以主、从处理器各自边缘扩展后浮点型子图像数据X的任一像素点i为中心，确定大小为n×n的中心图像块Ν_i，并存放在各自处理器内部的第四动态随机存储器M6中，计算各自中心图像块Ν_i的均值和期望滤波器权值ε_i，其中n＝2f+1，f＝3；