[发明专利]基于Beta算法的多尺度SAR图像降噪方法

摘要

本发明公开了一种基于Beta算法的多尺度SAR图像降噪方法，主要解决传统字典学习方法不适用SAR图像降噪的问题。其降噪过程为:对待降噪SAR图像进行像素分类，得到边缘图像A、纹理图像B和同质图像C；对这些图像分别进行重叠块提取和中心化操作，得到它们各自的训练样本集；初始化字典为DCT字典；用字典进行稀疏编码得稀疏系数矩阵；用稀疏系数矩阵更新字典的第k列；重复稀疏编码步骤和字典更新步骤共K次，得最终字典和最终稀疏系数矩阵，并将其相乘得降噪后的边缘图像A’、纹理图像B’和同质图像C’，进而得降噪后的SAR图像为：I’=A’+B’+C’。本发明具有在有效去除SAR图像中噪声的同时能保留图像的纹理和边缘信息的优点，可用于SAR图像目标识别。

主权项

1.一种基于Beta算法的多尺度SAR图像降噪方法，包括如下步骤：1)对待降噪SAR图像I进行像素分类，得到边缘图像A、纹理图像B和同质图像C；2)对边缘图像A进行重叠块提取和中心化操作，得到训练样本集其中是长度为n=b₁×b₁的列向量，b₁为重叠块提取窗的边长，M=(N-b₁+1)²，N为边缘图像A的行数；3)将字典D初始化为离散正弦变换DCT字典，字典D大小为n×K，K=R×n，R为冗余度；4)用字典D对训练样本集进行稀疏编码，得到大小为K×M的稀疏表示系数矩阵5)用稀疏表示系数矩阵更新字典D的第k列d_k；6)重复步骤4)和步骤5)共K次，得到最终字典和最终稀疏表示系数矩阵将最终字典和最终稀疏表示系数矩阵相乘，得降噪后边缘图像A′；7)对纹理图像B使用大小为b₂×b₂的重叠块提取窗，b₂>b₁，重复步骤2)至步骤6)得到降噪后纹理图像B′；8)对同质图像C使用大小为b₃×b₃的重叠块提取窗，b₃>b₂>b₁，重复步骤2)至步骤6)得到降噪后同质图像C′；9)将降噪后边缘图像A′、降噪后纹理图像B′和降噪后同质图像C′相加，得到降噪后的SAR图像I′。