本發(fā)明屬于基于剪切波域參數(shù)估計(jì)的SAR圖像去噪方法，涉及一種基于剪切波域參數(shù)估計(jì)的合成孔徑雷達(dá)SAR圖像去噪方法，可以應(yīng)用于單視SAR圖像，去除SAR圖像的乘性相干斑噪聲。

背景技術(shù)：

SAR(合成孔徑雷達(dá)(Synthetic Aperture Radar，簡(jiǎn)稱SAR))是一種高分辨成像雷達(dá)，屬于主動(dòng)式遙感系統(tǒng)，具有全天時(shí)、全天候、多極化、多視角、多俯角數(shù)據(jù)獲取能力及對(duì)一些地物的穿透性能，和其它傳感器相比，能呈現(xiàn)更多的細(xì)節(jié)，能精確地確定目標(biāo)地域的大小，能更好地區(qū)分鄰近目標(biāo)的特性，然而SAR圖像固有的相干斑噪聲，嚴(yán)重降低了SAR圖像的可解譯程度，影響了后續(xù)目標(biāo)檢測(cè)、分類、識(shí)別和信息提取等應(yīng)用。因此，對(duì)SAR圖像相干斑抑制方法的研究就成為SAR圖像處理技術(shù)中極為重要的一部分，其基本目標(biāo)是在抑制圖像均勻區(qū)域斑點(diǎn)噪聲水平的前提下，保持圖像邊緣和紋理等細(xì)節(jié)信息。

由于SAR圖像斑點(diǎn)噪聲具有乘性特點(diǎn)，相對(duì)于加性噪聲，斑點(diǎn)抑制更加困難。多尺度幾何分析是近幾年在國(guó)際上興起的“第二次小波浪潮”，克服了小波不能稀疏表示高維特征的缺點(diǎn)，越來越受到重視。專注于SAR圖像去噪的方法也不少，如基于曲波Curvelet的SAR圖像去噪方法、基于輪廓波Contourlet的去噪方法等。然而，在隨后的研究中，曲波和輪廓波已被證明不具備平移不變性，所以在圖像去噪方法的應(yīng)用受到了限制。剪切波變換由于其穩(wěn)定性、方向敏感性、平移不變性、以及最優(yōu)稀疏近似性、易于實(shí)現(xiàn)等優(yōu)點(diǎn)在眾多的多尺度幾何分析工具中脫穎而出，在圖像的邊緣提取及去噪方面顯示了巨大的潛力。但是，目前基于剪切波域SAR圖像去噪的算法、將相干斑噪聲經(jīng)對(duì)數(shù)處理后用類似于高斯噪聲去除的方法處理或者是將變換系數(shù)分為紋理、 邊緣和平滑區(qū)三類進(jìn)行處理的方法，大多沒有考慮噪聲的模型。

技術(shù)實(shí)現(xiàn)要素：

要解決的技術(shù)問題

為了避免現(xiàn)有技術(shù)的不足之處，本發(fā)明提出一種基于剪切波域參數(shù)估計(jì)的合成孔徑雷達(dá)SAR圖像去噪方法。

技術(shù)方案

一種基于剪切波域參數(shù)估計(jì)的合成孔徑雷達(dá)SAR圖像去噪方法，其特征在于步驟如下：

步驟1、剪切波Shearlet分解：對(duì)含乘性斑點(diǎn)噪聲的SAR圖像做剪切波分解，得到分解后的系數(shù)S，以L(S)表示低頻近似系數(shù)，以Y(S)表示高頻細(xì)節(jié)系數(shù)；

步驟2、參數(shù)估計(jì)：

利用低頻近似系數(shù)L(S)估計(jì)噪聲方差σ和瑞利分布的衰減參數(shù)α：

利用高頻細(xì)節(jié)系數(shù)Y(S)估計(jì)每個(gè)系數(shù)的邊緣標(biāo)準(zhǔn)差σ_s(s)、計(jì)算局部自適應(yīng)閾值λ和對(duì)當(dāng)前系數(shù)做軟閾值處理；

每個(gè)系數(shù)的邊緣標(biāo)準(zhǔn)差σ_s(s)：

其中：N(s)是以當(dāng)前系數(shù)y(s)為中心的鄰域窗口，M是窗口中系數(shù)個(gè)數(shù)；

計(jì)算局部自適應(yīng)閾值λ：

對(duì)當(dāng)前系數(shù)做軟閾值處理：

其中：sign(y)為符號(hào)函數(shù)，

()₊是示性函數(shù)，

步驟3、剪切波逆變換重構(gòu)：對(duì)處理后的低頻近似系數(shù)L(S)和高頻細(xì)節(jié)系數(shù)Y(S)做剪切波逆變換，得到去噪后的恢復(fù)圖像。

所述步驟1對(duì)包含乘性斑點(diǎn)噪聲的SAR圖像進(jìn)行剪切波變換，分解層數(shù)為4，窗口中系數(shù)個(gè)數(shù)為3×3。

有益效果

本發(fā)明提出的一種基于剪切波域參數(shù)估計(jì)的合成孔徑雷達(dá)SAR圖像去噪方法，在SAR圖像的相干斑濾波處理中，用瑞利(Rayleigh)分布描述斑點(diǎn)噪聲的統(tǒng)計(jì)特性。由于拉普拉斯分布模型的數(shù)學(xué)表達(dá)式簡(jiǎn)單，結(jié)合貝葉斯理論通常可得到估計(jì)的解析解，對(duì)于代表后向散射分量的剪切波系數(shù)，則采用拉普拉斯分布表示剪切波系數(shù)的概率密度函數(shù)。

剪切波變換是一種更適合于圖像處理的多尺度幾何分析(Multiscale Geometric Analysis，MGA)方法，具有穩(wěn)定性、方向性、平移不變性以及易于實(shí)現(xiàn)諸多優(yōu)點(diǎn)，其中，平移不變性使其更適合于圖像去噪。合成孔徑雷達(dá)(SAR)圖像有很強(qiáng)的相干斑噪聲，如何在保持邊緣和紋理細(xì)節(jié)的基礎(chǔ)上獲得較好的相干斑抑制效果一直以來都是SAR圖像處理的難點(diǎn)問題之一。基于剪切波對(duì)高維數(shù)據(jù)的最優(yōu)線性逼近能力，將剪切波變換引入SAR圖像去噪，對(duì)剪切波變換的系數(shù)結(jié)合SAR圖像的目標(biāo)特征進(jìn)行處理。對(duì)SAR圖像中的信號(hào)采用拉普拉斯模型、對(duì)相干斑噪聲采用乘性噪聲的瑞利模型，利用貝葉斯參數(shù)估計(jì)方法對(duì)變換系數(shù)采用類似于軟閾值的方法處理后得到新的剪切波變換系數(shù)。重構(gòu)后得到去斑圖像。實(shí)驗(yàn)結(jié)果表明，基于剪切波參數(shù)估計(jì)的去噪方法對(duì)SAR圖像中的相干斑噪聲有明顯的抑制，且較好地保持了圖像中的邊緣紋理信息。

附圖說明

圖1：本發(fā)明方法的基本流程圖

圖2：真實(shí)SAR圖像去噪結(jié)果：

(a)SAR圖像，(b)均值濾波，(c)中值濾波，(d)LEE濾波，(e)維納濾波，(f)小波濾波，(g)曲波濾波，(h)本方法的去噪結(jié)果

具體實(shí)施方式

現(xiàn)結(jié)合實(shí)施例、附圖對(duì)本發(fā)明作進(jìn)一步描述：

用于實(shí)施的硬件環(huán)境是：Intel(R)core(TM)i5-3230M計(jì)算機(jī)、4GB內(nèi)存，運(yùn)行的軟件環(huán)境是：Matlab7.0和Windows 8。用Matlab程序設(shè)計(jì)語言實(shí)現(xiàn)了本發(fā)明提出的方法。圖像數(shù)據(jù)采用在自然圖像上添加乘性噪聲的方法來模擬SAR圖像和一幅真實(shí)圖像SAR圖像。

本發(fā)明具體實(shí)施如下：

步驟1：剪切波(Shearlet)分解：對(duì)含乘性斑點(diǎn)噪聲的SAR圖像做剪切波分解，得到分解后的系數(shù)S，用L(S)表示低頻近似系數(shù)，用Y(S)表示高頻細(xì)節(jié)系數(shù)；

步驟2：參數(shù)估計(jì)

1)利用低頻近似系數(shù)L(S)估計(jì)噪聲方差σ和瑞利分布的衰減參數(shù)α；

2)高頻細(xì)節(jié)系數(shù)處理：對(duì)高頻細(xì)節(jié)系數(shù)Y(S)：

a)估計(jì)每個(gè)系數(shù)的邊緣標(biāo)準(zhǔn)差σ_s(s)：

其中N(s)是以當(dāng)前系數(shù)y(s)為中心的鄰域窗口，M是窗口中系數(shù)個(gè)數(shù)。

b)計(jì)算局部自適應(yīng)閾值λ：

c)對(duì)當(dāng)前系數(shù)做軟閾值處理：

sign(y)為符號(hào)函數(shù)，

()₊是示性函數(shù)，

步驟3：剪切波逆變換重構(gòu)：對(duì)處理后的低頻近似系數(shù)L(S)和高頻細(xì)節(jié)系數(shù)Y(S)做剪切波逆變換，得到去噪后的恢復(fù)圖像。

對(duì)于自然圖像添加乘性噪聲所得模擬SAR圖像，將本發(fā)明所得的去噪結(jié)果與其他去噪方法所得的結(jié)果進(jìn)行對(duì)比，客觀評(píng)價(jià)結(jié)果分別如表1所示。

不同的客觀評(píng)價(jià)指標(biāo)有著不同的物理意義，采用均值、等效視數(shù)、邊緣保持度、信噪比以及峰值信噪比來評(píng)價(jià)斑點(diǎn)噪聲濾波算法的效果。

邊緣保持度β(edge preservation measure)定義為：

其中ΔS、是S和通過3×3標(biāo)準(zhǔn)拉普拉斯算子的高通濾波結(jié)果。對(duì)于理想的邊緣保持，β應(yīng)該接近于1。

評(píng)價(jià)SAR圖像相干斑噪聲強(qiáng)度的常用指標(biāo)為等效視數(shù)，從表1(lena模擬SAR圖像)的各種去噪評(píng)價(jià)指標(biāo)中可以看出，均值濾波和中值濾波的相干斑抑制效果明顯 較差，去噪圖中仍然保留了相當(dāng)多的斑點(diǎn)噪聲，等效視數(shù)數(shù)值較小，LEE濾波的效果稍好，但是去噪圖像過于平滑；小波濾波明顯使去噪結(jié)果圖出現(xiàn)模糊，基于曲波變換的去噪方法抑制了大部分的斑點(diǎn)噪聲，但是由于曲波變換是非平移不變的，所以去噪結(jié)果圖中出現(xiàn)了明顯的劃痕。相比之下，本方法基于參數(shù)估計(jì)的去噪方法在目視效果上較佳。從真實(shí)SAR圖像的去噪結(jié)果圖來看，基本可以得出與模擬SAR去噪結(jié)果相同的結(jié)論，而曲波濾波方法雖然得到的等效視數(shù)數(shù)值最高，但濾波結(jié)果圖像出現(xiàn)了很明顯的劃痕，相比之下，本方法由于參數(shù)估計(jì)較為正確，得到的邊緣保持度和信噪比數(shù)值均為最優(yōu)。

表1真實(shí)SAR圖像去噪效果對(duì)比