[发明专利]基于DCA算法的SAR图像相干斑抑制方法

说明书

本发明提供了基于DCA算法的SAR图像相干斑抑制方法，包括：构建新颖二阶算子；根据新颖二阶算子，构建具有自适应正则项的SAR图像相干斑抑制的非凸变分模型，模型包括一个新颖二阶算子、一个一阶项和一个数据项；将非凸变分模型进行变换，并采用DCA算法的求解，得到求解后的非凸变分模型；输入具有相干斑的SAR图像，利用求解后的非凸变分模型得到抑制相干斑噪音后的结果。本发明基于DCA算法的具有自适应正则项的SAR图像相干斑抑制方法，可以得到很好特征保持和光滑区域恢复的相干斑抑制结果，并且具有非常好的适用性、有效性、稳定性和扩展性。

技术领域

本发明涉及图像处理领域，尤其涉及基于DCA算法的SAR图像相干斑抑制方法。

背景技术

SAR图像是通过搭载在飞机、卫星等移动平台上的传感器来对目标主动发射微波信号进行探测，从而以一定的技术手段接受回波信号进行成像。SAR系统可以全天候、全天时的发射微波信号，从而可以避免黑夜、恶劣天气等诸多外界条件的影响。因此，SAR图像应用场景非常广泛，尤其是对于一些需要时效性、长期定时观测的任务。例如：军事侦察、抢险救灾、地表科学研究等。随着SAR系统成像技术的提升，从而得到的SAR图像的空间分辨率也大幅度的提升，相应的应用场景也变得更加广泛。但是，由于SAR系统本身固有的相干成像的特性，所生成的SAR图像难免存在严重的相干斑噪音。不同于光学传感器产生的加性高斯噪音，相干斑噪音通常被认为是一种乘性噪音，在图像上的表现为像素间具有严重的明暗起伏。由于这种强烈的相干斑噪音，生成的SAR图像上一些非常有价值的信息被严重的丢失。例如，边界、纹理等信息。但是，这些信息对于SAR图像的后续解译工作以及相关应用是极为重要的。因此，对于SRA图像，对其开展相干斑噪声的去除工作是很有价值的。

目前抑制相干斑噪声的方法主要是基于非局部滤波的方法、变分的方法和数据驱动的方法。基于非局部滤波的方法，由于可以非常好的识别细节信息，所以通常可以得到非常好的抑制结果。但是由于其在没有特征的地方也会尝试去识别本该没有的特征，所以会出现一些令人烦恼的人造现象，例如笔刷(PPBit), 鬼影(SARBM3D)。基于变分的方法的话，由于其较好的保边能力和更好的恢复均匀区域的效果，大量的研究在此基础上进行了大量的工作。但是也会不可避免地会引入一些人造现象，例如阶梯现象(TV)，模糊边(TGV)等。数据驱动的方法，他们都可以非常好的抑制相干斑噪声，但是其结果会非常依赖所选择的训练数据集。正如上所示，以上提及的优秀的相干斑噪声抑制方法都会出现一些人造现象，例如鬼影、笔刷和边界模糊等。

发明内容

有鉴于此，针对以上技术问题，本发明提出具有自适应正则项的SAR图像相干斑抑制的非凸变分模型。该模型的正则项为一个新颖的二阶项和一个一阶项，数据项为AA数据项。通过自适应的二阶项，可以得到很好特征保持和光滑区域恢复的相干斑抑制结果。

本发明提供的一种基于DCA(凸差)算法的SAR图像相干斑抑制方法，包括以下步骤：

S101：构建新颖二阶算子，具体如式(1)：

式(1)中，u为像素N×N大小为的SAR图像，分别为水平、竖直方向上的前向差分算子，分别为水平、竖直方向上后向差分算子；

S102：根据新颖二阶算子，构建具有自适应正则项的SAR图像相干斑抑制的非凸变分模型，模型包括一个新颖二阶算子、一个一阶项和一个数据项；

S103：将非凸变分模型进行变换，并采用DCA算法的求解，得到求解后的非凸变分模型；

S104：输入具有相干斑的SAR图像，利用求解后的非凸变分模型得到抑制相干斑噪音后的结果。

进一步地，步骤S102的非变凸分模型如式(2)所示：

式(2)中，f为具有噪音的SAR图像，λ为数据项系数；分别为一阶项的系数和权重；分别为二阶项的系数和权重。