本發明屬于數字圖像處理
技術領域：
，它特別涉及基于圖像塊排序與聯合稀疏表示的圖像降斑方法，用于sar圖像降斑處理。
背景技術：
：合成孔徑雷達(sar)圖像在軍用和民用領域有著廣泛的應用，而相干斑噪聲嚴重影響了對圖像中各類目標的識別，因此對相干斑噪聲的有效抑制是sar圖像處理的重要前提與關鍵技術之一。sar圖像由于成像系統及地物目標的復雜性，使其本身具有大量豐富的細節信息，因此sar降斑的主要目標是在盡量保留圖像細節的情況下，去除相干斑噪聲的影響，而由于其成像原理的不同，普通的光學圖像的降斑方法并不能直接用于sar圖像降斑。傳統的基于空域的sar圖像降斑方法對相干斑噪聲的抑制能力有限且邊緣信息損失嚴重，而基于變換域的降斑方法利用了真實圖像信號在變換域中稀疏的特性，更加有效地實現了圖像真實信息與噪聲的分離，取得了較好的降斑效果。隨后基于變換域的稀疏降斑與非局部相似相結合的降斑方法逐漸發展，并取得了較大提高，如sar-bm3d方法將非局部相似圖像塊組成相似圖像塊集合，并利用線性最小均方誤差方法來對其進行估計，并重構出最終的估計圖像，取得了非常不錯的效果，但該方法在保留細節的同時產生了大量偽影，抑斑后sar圖像的整體效果仍需提高，因此在保留細節的同時如果能對偽影進行有效抑制，將進一步提高圖像的降斑效果。技術實現要素：本發明的目的在于針對現有sar圖像降斑中對圖像細節保留和偽影抑制所存在的不足，提出一種基于排序聯合稀疏表示的sar圖像降斑方法。該方法充分考慮了sar圖像的非局部相似性與不同區域的特性，在對所有圖像塊根據相似度排序的基礎上構建相似圖像塊集合即結構組，并建立起聯合稀疏表示模型對結構組稀疏系數進行約束，以更精確的估計出真實sar圖像的稀疏系數，因此采用本發明方法降斑后的sar圖像不僅能充分抑制相干斑而且能極大的保留圖像的細節信息。包括以下步驟：步驟一、圖像塊排序首先在sar圖像中按固定尺寸逐像素抽取圖像塊，在所有圖像塊中隨機選取第i個圖像塊xi為初始目標圖像塊，并在以xi為中心的小范圍內尋找與其最相似的圖像塊，若在小范圍內搜索不到其最相似的圖像塊，則在整個圖像內尋找，并將與xi最相似的圖像塊xj排在xi之后，然后以xj為目標圖像塊在剩余圖像塊中尋找與xj最相似的圖像塊，再將xj的相似圖像塊作為下一目標圖像塊繼續尋找其最相似的圖像塊，以此得到排序后的圖像塊序列，其中相鄰圖像塊之間相似度最高。步驟二、聯合稀疏表示模型通過步驟一圖像塊排序后，將目標圖像塊xi與其在圖像塊序列中鄰近的s-1個圖像塊構建成一個相似圖像塊集合即結構組為利用圖像在變換域下的稀疏性，先對結構組內每個圖像塊進行小波變換，再對小波變換后系數矩陣的行向量進行離散余弦變換，以獲得結構組稀疏系數在抑制偽影現象的同時為保留更多的圖像細節，使圖像整體降斑效果更好，建立聯合稀疏模型為：其中為估計出的代表真實圖像的非局部稀疏系數，λ1和λ2為正則化參數，通過式(1)右邊最后兩個l1范數的約束實現對稀疏系數的聯合約束。步驟三、參數的估計及模型的求解為求解步驟二中的聯合稀疏表示模型，需要對該模型中的非局部稀疏系數以及正則化參數λ1和λ2進行估計。為估計非局部稀疏系數首先在步驟一獲得的圖像塊序列中為結構組中的每個圖像塊尋找各自對應的相似圖像塊，并將這些相似圖像塊構成與結構組相似的結構組再對每個相似結構組稀疏表示得到對應的稀疏系數集合{γg,i,γh,i,γi,i,γj,i,γk,i}，并對各稀疏系數做加權平均以估計非局部稀疏系數即利用式(2)得到：其中wj,i表示每個稀疏系數的權重，而正則化參數λ1和λ2則通過基于最大后驗概率的貝葉斯估計來求解：其中p(y|α,α-β)項服從瑞利分布，p(α,α-β)項服從拉普拉斯分布，將這兩項的分布模型代入式(3)，即可求解出λ1和λ2的值。在得到降斑模型中的這三個參數后，可利用分離伯格曼迭代算法對模型進行迭代求解，首先將式(1)分解為兩個子問題：b(t+1)＝b(t)-(x(t+1)-ξοα(t+1))式(6)其中μ為固定值以避免數值不穩定問題，b為修正參數，通過式(4)到式(6)循環迭代求解，即可重構出最終的圖像。本發明的創新點是在sar圖像降斑過程中利用圖像的非局部相似性，將圖像中所有的圖像塊進行排序，并將相似圖像塊相鄰排列；分別對相似圖像塊集合進行小波變換和離散余弦變換后獲得稀疏系數；并建立聯合稀疏模型對稀疏系數進行約束，在約束系數稀疏性的同時利用估計出的非局部稀疏系數對待估計的真實圖像稀疏系數進行約束；進一步利用分離伯格曼迭代算法對該模型進行求解，并將該方法應用于sar圖像降斑。本發明的有益效果：結合圖像塊的非局部相似性得到排序后的圖像塊序列，有利于相似圖像塊的尋找；對結構組進行小波變換和離散余弦變換，可進一步提高稀疏度；結合非局部相似性建立聯合稀疏表示模型，可使估計出的結果更接近真實圖像的系數值，抑制偽影現象；采用分離伯格曼迭代算法對整個稀疏模型進行循環迭代求解，在保證估計精度的同時上可提高整個模型的求解效率，因此最終降斑后的sar圖像不僅保留了大量的細節，而且有效抑制了偽影的產生，使整體效果更接近于真實圖像。本發明主要采用仿真實驗的方法進行驗證，所有步驟、結論都在matlab8.0上驗證正確。附圖說明圖1是本發明的工作流程框圖；圖2是本發明仿真中使用的待降斑sar圖像；圖3是ppb方法對圖2的降斑結果圖；圖4是sar-bm3d方法對圖2的降斑結果圖；圖5是本發明方法對圖2的降斑結果圖。具體實施方式參照圖1，本發明是基于排序聯合稀疏表示的sar圖像降斑方法，具體步驟包括如下：步驟一、圖像塊排序在對圖像塊進行排序時，結合sar圖像噪聲分布，建立相似度計算模型為：其中k代表圖像塊內像素位置，d(xi,xj)越小，表示兩個圖像塊間相似度越高。通過式(7)這種相似度計算方法，來尋找與每一目標圖像塊最相似的圖像塊，以此得到排序后的圖像序列。步驟二、聯合稀疏模型通過步驟一的圖像塊排序后，將目標圖像塊xi與其在圖像塊序列中鄰近的s-1個圖像塊構建成一個相似圖像塊集合即結構組并通過式(8)對結構組進行稀疏表示：其中s3d表示將的每個圖像塊進行堆疊，ψ3d表示先對結構組內每個圖像塊進行小波變換，然后對小波變換后系數矩陣的行向量進行離散余弦變換，通過這兩個算子，便可得到每個結構組的稀疏系數并建立起式(1)的聯合稀疏表示模型。步驟三、參數的估計及模型的求解在得到式(1)的聯合稀疏模型后，為求解該模型，首先需要估計該模型中的非局部稀疏系數以及正則化參數λ1和λ2，在利用式(2)計算時，其權重wj,i可根據兩個圖像塊的相似度即式(9)求解得到：其中w為歸一化因子。在利用式(3)計算兩個正則化參數時，需要結合噪聲u服從的瑞利分布：并結合α和α-β服從的拉普拉斯分布：其中σ和δ分別表示α和α-β的標準差，將式(10)和式(11)代入式(3)，可得：對比式(12)與式(1)可得正則化參數λ1和λ2的值為：在得到非局部稀疏系數和兩個正則化參數后，即可對聯合稀疏模型進行求解。在對聯合稀疏模型進行求解的過程中，對于式(4)，若α已知，則可轉化為：其優化解為：其中i為單位陣。當式(5)中的x和b確定后，對于式(5)中的保真項有：其中n,k為尺度參數，γ為x-b的稀疏系數，則將式(16)代入式(5)可得：由于式(17)中對向量α的優化可轉化為對向量α中每一維標量α的優化，即：其中對于式(18)可進行軟閾值求解：其中收縮算子為：求出所有結構組稀疏系數后，即可求得每次迭代中式(5)的所有稀疏系數的估計結果α(t+1)，而根據式(4)和式(5)的結果，b可在式(6)中根據其結果進行更新。通過對結果進行循環迭代，直到滿足迭代條件，得到最終的降斑圖像。本發明的效果可以通過以下仿真實驗進一步說明：一、實驗條件和內容實驗條件：實驗使用的輸入圖像為圖2，圖像大小為256×256。實驗中各降斑方法都使用matlab語言編程實現。實驗內容：在上述實驗條件下，使用ppb方法和sar-bm3d方法與本發明方法進行對比。降斑能力的客觀評價指標用同質區等效視數enl來衡量。實驗1：用本發明方法和現有的ppb方法和sar-bm3d方法分別對圖2進行降斑處理。其中ppb方法是目前有效的sar圖像降斑方法之一，尤其是在同質區，其降斑結果為圖3；sar-bm3d方法與本方法類似，也是對圖像進行變換處理，尤其是具有良好的細節保留能力，其降斑結果為圖4。實驗中本發明方法設置圖像塊大小為相似圖像塊集合包含的圖像塊個數為s，并以與s＝15進行實驗；最終重構結果為圖5。對比ppb方法與本發明方法可知，該方法在平滑區的表現與本發明方法接近，但在異質區中細節的保持能力上表現不如本發明方法；sar-bm3d方法的結果在異質區與本方法有類似的細節保留能力，但是在同質區可明顯看到大量偽影，但本發明方法可有效抑制偽影現象；本發明方法不僅利用圖像變換后的稀疏性和非局部相似性，還對稀疏系數進行聯合約束，使得稀疏系數更接近于真實圖像的系數，因此在保留異質區的細節信息的同時能有效地抑制偽影現象，使降斑后sar圖像的整體效果更加良好。表1不同降斑方法的enl指標區域1均值方差enl值區域2均值方差enl值原始75.97153911.27原始75.71207010.51ppb79.0624.77658.73ppb79.0080.56168.74sarbm78.31667.1124.41sarbm377.75259.386.85本方法79.0913.84968.61本方法78.9640.81198.30表1給出了采用不同方法對圖2中兩個不同區域進行降斑后所得圖像的均值、方差和enl指標情況，其中方差越小或者enl值越高表示平滑區降斑效果越好。從表1可見，本發明方法獲得的各項性能指標均優于其他方法，此結果與降斑效果圖相吻合。上述實驗表明，本發明降斑方法不僅降斑效果顯著，而且降斑后圖像細節信息更加豐富，同時視覺效果及客觀評價指標都較好，由此可見本發明對sar圖像降斑是有效的。當前第1頁12