[发明专利]基于纹理增强与稀疏编码的SAR图像降斑方法

说明书

本发明公开了一种基于纹理增强与稀疏编码的的SAR图像降斑方法，解决了对SAR图像降斑时不能更有效保留图像中的点目标、边缘和纹理等细节信息的问题。本发明实现为：输入图像；估计SAR图像的噪声方差及干净图像的梯度直方图；提取相似图像块集合并求相应字典；用稀疏编码结合高斯比例模型得到降斑的目标函数；更新目标函数的参数；重构图像块矩阵；用权值平均法重构图像；重构图像与干净图像的梯度直方图最大限度的接近为约束获取最终图像；输出最终降斑图像。本发明既能较好地抑制SAR图像中的斑点噪声，使均匀区域十分平滑，也有效保留了重要点目标、边缘和纹理等细节信息，可应用于对SAR图像处理分析前对图像进行降斑处理。

技术领域

本发明属于图像处理技术领域，涉及SAR图像降斑技术，更进一步是一种基于纹理增强与稀疏编码的的SAR图像降斑方法。可应用于对SAR图像处理分析前对图像进行降斑处理。

背景技术

图像去噪又称图像滤波，是图像复原的一种。图像去噪的目的是改善给定的含噪图像，解决实际图像由于某种噪声干扰引起图像质量下降的问题。与图像增强相比，图像去噪是一个客观过程，通过图像去噪，图像的质量会得到显著的提升，更好地表示原始图像所携带图像细节信息。图像去噪是一种非常重要的预处理手段，它为后续的数字图像处理工作奠定了良好的基础。

Yu-Mei Huang等人在其发表的论文“Multiplicative Noise Removal via aLearned Dictionary,”(IEEE Transactions on Image Processing 2012)提出了一种基于学习的字典的乘性噪声去除方法。该方法从一个对数变换后的图像学习到一个字典，然后将它利用在一个稀疏表示的模型当中进行噪声去除。该方法得到了一个自适应的字典，并且有效地去除了噪声，但是利用对数变换后，不能很好地保持SAR图像的辐射特性，此外，去噪后的图像中可明显的看到一定程度的块效应。

Weisheng Dong等人在其发表的论文“Image Restoration via SimultaneousSparse Coding:Where Structured Sparsity Meets Gaussian Scale Mixture,”(Int JComput Vis(2015)114:217–232DOI10.1007/s11263-015-0808-y)提出一种通过高斯尺度混合模型进行联合稀疏编码的图像复原方法。该方法把每个稀疏系数模型化为一个带有正向缩放变量的高斯分布，并在这些正向缩放变量之上形成稀疏分布的先验。通过描述所有有着相似先验分布的相似块的稀疏系数可以有效地利用局部和非局部稀疏系数之间的依赖关系。虽然这个算法取得了不错的去噪效果，在去噪过程中，图像中的一些纹理细节却被过渡平滑掉。

综上所述，近几年的图像去噪方法，包括SAR图像降斑方法主要是通过建立不同的稀疏模型，然后利用字典学习方法对图像进行处理。这类方法可以有效地去除图像中的噪声，但是会出现块效应或者过平滑的现象。

发明内容

本发明针对上述现有技术的不足，提出一种基于纹理增强与稀疏编码的SAR图像降斑方法。

为实现上述目的，本发明的具体步骤如下：

(1)输入一幅待降斑的SAR图像，称为原始图像；

(2)估计该SAR图像的噪声方差：

(2a)利用非对数加性模型，将SAR图像y中的乘性噪声转化为加性噪声n。

(2b)对加性噪声n的方差进行估计：

(3)估计干净图像x的梯度直方图，并作为参考梯度直方图；

(3a)利用k-means算法将原始图像分为K个区域；

(3b)估计干净图像x中第k类区域的梯度直方图h_r,k，共K个：