專利名稱：基于NSCT域邊緣檢測和Bishrink模型的SAR圖像去噪方法
技術(shù)領(lǐng)域：
本發(fā)明屬于數(shù)字圖像處理領(lǐng)域，涉及一種SAR圖像的去噪方法，該方法可用于SAR 圖像中的解譯分析和圖像理解的預(yù)處理。
背景技術(shù)：
SAR圖像具有十分廣泛的應(yīng)用領(lǐng)域，但SAR圖像成像時，成像散射體的散射回波具 有相干作用，使圖像不能有效的反應(yīng)地物目標(biāo)的散射特性，這種干涉現(xiàn)象在SAR圖像中稱 為斑點噪聲。由于成像系統(tǒng)的相干性，SAR圖像不可避免地受到噪聲的污染，降低了圖像 的分辨率、隱藏了圖像的細(xì)節(jié)、損害了圖像的質(zhì)量，給目標(biāo)識別和圖像解譯造成了極大的困 難。因此，有效地抑制相干斑噪聲對SAR圖像的后續(xù)處理與解譯十分重要。抑制斑點噪聲 的主要目標(biāo)是有效的抑制斑點噪聲的同時又要保持圖像的邊緣等細(xì)節(jié)特征?？臻g域的濾波方法是最早運(yùn)用的SAR圖像濾波技術(shù)。代表性的濾波方法有Lee濾 波、Kuan濾波、Frost濾波、Gamma-MAP及其它們的增強(qiáng)型濾波、自適應(yīng)濾波方法。這些濾波 都使用局部統(tǒng)計參數(shù)如均值、方差等來描述真實圖像，進(jìn)而估計像素的真實值。這些方法適 用于背景簡單、紋理信息不豐富的圖像，而對于復(fù)雜背景、含豐富紋理的SAR圖像，則會產(chǎn) 生過平滑現(xiàn)象，不能很好的保持邊緣信息。頻率域相干斑濾波方法是通過頻域變換，對SAR圖像進(jìn)行濾波處理的方法。典型 的是通過小波變換后，對小波系數(shù)進(jìn)行處理來達(dá)到去噪的效果?；谛〔ㄗ儞Q的濾波方法， 目前研究較多的是通過研究斑點對小波系數(shù)影響，根據(jù)含噪小波系數(shù)的模型，對小波系數(shù) 進(jìn)行域值收縮處理，然后重建圖像。這種方法利用小波技術(shù)抑制斑點噪聲的同時能夠一定 程度上保持邊緣，但卻犧牲了平滑性能，導(dǎo)致圖像中的目標(biāo)容易丟失，對后續(xù)的圖像處理和 解譯分析帶來錯誤結(jié)果。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出一種基于NSCT域邊緣檢測和 Bishrink模型的SAR圖像去噪方法，能有效地保持圖像的邊緣和目標(biāo)特性，為后續(xù)的圖像 處理和解譯分析提供準(zhǔn)確的目標(biāo)特性和邊緣保持度。實現(xiàn)本發(fā)明的技術(shù)方案是以非下采樣輪廓波為變換工具，采用Bishrink模型對 變換后的系數(shù)進(jìn)行收縮，非下采樣輪廓波逆變換得到重構(gòu)圖像，檢測重構(gòu)圖像的邊緣，對均 勻區(qū)域進(jìn)行均值濾波，得到濾波后圖像；對輸入圖像和濾波后的差值圖像進(jìn)行非線性各向 異性擴(kuò)散，得到相干斑抑制后的圖像。具體步驟如下(1)對選取的測試圖像I進(jìn)行非下采樣輪廓波NSCT變換，將測試SAR圖像分解為 6層子帶系數(shù)；(2)保持第1層和第2層的子帶系數(shù)不變；(3)對第3 6層的子帶系數(shù)用Bishrink模型進(jìn)行收縮；
(4)對經(jīng)過步驟(3)收縮后的子帶系數(shù)，進(jìn)行非下采樣輪廓波逆變換得到重構(gòu)圖 像R;(5)對重構(gòu)圖像進(jìn)行如下邊緣檢測和均值濾波；(5a)對重構(gòu)圖像中每個像素點取3X3領(lǐng)域，在這個鄰域內(nèi)設(shè)定12個方向，記 P1和P2分別為12個方向線上兩邊像素的平均值，設(shè)ρ = P1Av若P < 1，則比率檢測因 子r = p，否則r = p—1，記12個方向上比率檢測因子的最小值為rmin ；設(shè)邊緣檢測閾值Ttl 0. 5 ^ T0 ^ 1，若rmin > Ttl，則認(rèn)為當(dāng)前點是邊緣點，標(biāo)記為1，否則標(biāo)記為0 ；所有像素標(biāo)記 完后，若像素點標(biāo)記為1，則以它為中心取3X3的鄰域窗口，若該鄰域窗口內(nèi)標(biāo)記為1的個 數(shù)少于4，則把這個像素點標(biāo)記為0 ；實現(xiàn)對重構(gòu)圖像的邊緣檢測；(5b)檢測出重構(gòu)圖像的邊緣后，以每一個標(biāo)記為0的像素R(i，j)為中心取它的 5X5鄰域W1，若W1內(nèi)標(biāo)記為1的像素點個數(shù)少于4個，則R(i，j)的像素值取為W1內(nèi)所有 像素的平均值；否則以R(i，j)為中心，取它的3X3鄰域W2，若W2內(nèi)標(biāo)記為1的像素點個數(shù) 少于4個，則R(i，j)的像素值取為W2內(nèi)所有像素的平均值，否則R(i，j)的像素值取為W2 內(nèi)所有標(biāo)記為0的像素的平均值，完成邊緣檢測后圖像的均值濾波，得到濾波后圖像U ；(6)將原始圖像I和濾波后的圖像U相減，并對得到的差值圖像ν進(jìn)行非線性各向 異性擴(kuò)散k次，k = 140-230 ；(7)將非線性各向異性擴(kuò)散k次迭代得到的圖像Vk與濾波后圖像U相加，得到相 干斑抑制后的圖像；本發(fā)明與現(xiàn)有技術(shù)相比具有如下優(yōu)點1、本發(fā)明能有效的保留圖像的點目標(biāo)等細(xì)節(jié)信息。由于非下采樣輪廓波本身的方向較多，對圖像中的點目標(biāo)稀疏表示后點目標(biāo)的能 量會發(fā)散，因此非下采樣輪廓波逆變換后使圖像的點目標(biāo)模糊，而本發(fā)明所用的差值圖像 進(jìn)行非線性各向異性擴(kuò)散的方法能有效的保留圖像的點目標(biāo)。2、本發(fā)明能較好的保持圖像的邊緣。由于非下采樣輪廓波變換具有多尺度、多方向和平移不變性，且其奇函數(shù)滿足各 向異性，使得非下采樣輪廓波變換具有很強(qiáng)的方向性和各向異性，能夠最優(yōu)的稀疏表示具 有直線和曲線奇異性的邊緣，因此，本發(fā)明比Lee濾波和小波等現(xiàn)有方法能更有效的保持 圖像的邊緣，使相干斑抑制后的圖像邊緣保持的較好。 3、本發(fā)明能消除劃痕效應(yīng)。本發(fā)明通過邊緣檢測后對圖像的均勻區(qū)域進(jìn)行均值濾波，能消除非下采樣輪廓波 本身不足所帶來的劃痕效應(yīng)。


圖1是本發(fā)明的流程示意圖；圖2是本發(fā)明中邊緣檢測時設(shè)定的12個方向線示意圖；圖3是用本發(fā)明與已有方法對測試圖像Horse track one 256X256的相干斑抑 制效果對比圖；圖4是用本發(fā)明與已有方法對測試圖像Horse track two 256X256的相干斑抑 制效果對比5
圖5是用本發(fā)明與已有方法對測試圖像Bedfordshire 256X256的相干斑抑制效 果對比圖。
具體實施例方式參照圖1，本發(fā)明的具體實現(xiàn)步驟如下步驟1 選取測試SAR圖像I，對其進(jìn)行非下采樣輪廓波變換。本發(fā)明選取測試SAR圖像的數(shù)學(xué)模型為 其中
表示 SAR 圖像，χ = {x(i, j)|i，j = 1， 2，...N}表示SAR圖像真實場景的后向散射強(qiáng)度，η = {n(i, j) |i，j = 1，2，...N}表示零 均值和方差等于σ 2的高斯噪聲，N表示圖像的大?。粚x取的測試SAR圖像進(jìn)行非下采樣輪廓波變換，將測試SAR圖像分解為6層子 帶系數(shù)m為第S層的系數(shù)，y2為第S-I層的系數(shù)，S = 3、4、5、6。步驟2 保持SAR圖像非下采樣輪廓波變換后的第1層和第2層的系數(shù)不變，采用 Bishrink模型對第3 6層的系數(shù)進(jìn)行收縮。Bishrink模型最先使用于小波系數(shù)收縮處理，本發(fā)明將其用于非下采用輪廓波。 Bishrink模型系數(shù)收縮過程如下用先驗估計形式估計當(dāng)前系數(shù)Y1的噪聲方差CTn2 用局部自適應(yīng)的方法估計當(dāng)前系數(shù)yi的模型邊緣方差Q2
其中
，當(dāng)
Σ想
I其中N(k)表示第S層
的系數(shù)Y1為中心的正方形窗口，S = 3、4、5、6 ；M為窗口系數(shù)的大小，取值為11 ；
計算第S層的系數(shù)yi的估計值^，S = 3、4、5、6
；yi為第S層的系數(shù)，y2為第S-I層的系數(shù)，S = 3、4、
其中
時結(jié)果為零，當(dāng)^βσ
2
yl+y22 0時結(jié)果保持不變。 σ步驟3 對收縮處理后的系數(shù)進(jìn)行非下采樣輪廓波逆變換，得到重構(gòu)圖像R。步驟4 檢測重構(gòu)圖像R的邊緣，對邊緣檢測后的圖像進(jìn)行均值濾波，得到濾波后 圖像U。(4a)對重構(gòu)圖像每個像素點R(i，j)取3X3的鄰域窗口，在該窗口中分別計算12 條方向線兩邊的像素平均值P1和P2,本發(fā)明采用的12條方向線如圖2所示；設(shè)P = P1AV 若P彡1，則比率檢測因子r = p，否則r = p—1，找出12條方向上的最小比率檢測因子rmin ； 設(shè)置邊緣檢測閾值Ttl 0. 5 ^ T0 ^ 1，若rmin > Ttl，則認(rèn)為R(i，j)是邊緣點，標(biāo)記為1，否則 標(biāo)記為0，所有像素標(biāo)記完成后，若像素點標(biāo)記為1，則以它為中心取3X3的鄰域窗口，若 該鄰域窗口內(nèi)標(biāo)記為1的個數(shù)少于4，則把這個像素點標(biāo)記為0 ；完成對重構(gòu)圖像的邊緣檢 測；(4b)如果像素R(i，j)標(biāo)記為0，則以R(i，j)為中心取它的5X5鄰域W1，若W1內(nèi) 標(biāo)記為1的像素點個數(shù)少于4個，則R(i，j)的像素值取為W1內(nèi)所有像素的平均值；否則以 R(i，j)為中心，取它的3X3鄰域W2，若W2內(nèi)標(biāo)記為1的像素點個數(shù)少于4個，則R(i，j)的 像素值取為W2內(nèi)所有像素的平均值，否則R(i，j)的像素值取為W2內(nèi)所有標(biāo)記為0的像素 的平均值，完成邊緣檢測后圖像的均值濾波，得到濾波后圖像U ；步驟5 將原始圖像和濾波后的圖像相減得到差值圖像，對差值圖像進(jìn)行非線性 各向異性擴(kuò)散k次迭代
_8] k+1 k —釗2 1 Ij IXW.
v.. =v.. +τ >-
hJ l,J(r+s^ 其中ν是原始圖像I和濾波后的圖像U相減得到的差值圖像，Vy是ν的 第i行，第j列的像素，vi+r, J+s是ν的第i+r行，第j+s列的像素；r和s為像素鄰
XrIc+]
域值，(r，s) Φ (0,0) 是進(jìn)行各向異性擴(kuò)散之前的差值圖像，/+1是進(jìn)行一次各
U)',J
向異性擴(kuò)散后的差值圖像；τ為尺度參數(shù)，τ ;k = 140-230 ；g是擴(kuò)散率函數(shù)，
g
/ /^i-M-H ,Λ
V其中rr是對比參數(shù)，rr = 6,原始圖像I和濾波后的圖像U相減得到的差值圖像ν經(jīng)過上述非線性各向異性擴(kuò) 散k次迭代后，即可得到非線性擴(kuò)散圖像vk。步驟6 將迭代k次后得到非線性擴(kuò)散圖像Vk與濾波后的圖像U相加，得到相干斑
7
本發(fā)明的效果通過以下仿真進(jìn)一步說明1、仿真條件采用SAR圖像去噪實驗中常用的圖像①大小為256X256、分辨率為lm、等效視 數(shù)為4的Ku波段新墨西哥Horse track one地區(qū)SAR強(qiáng)度圖像，如圖3 (a)所示；②大小 為256X 256、分辨率為lm、等效視數(shù)為4的Ku波段新墨西哥Horse track two地區(qū)SAR 強(qiáng)度圖像，如圖4(a)所示；③大小為256X256、分辨率為3m、等效視數(shù)為2的X波段英國 Bedfordshire地區(qū)SAR幅度圖像，如圖5 (a)所示；一共3幅SAR圖像作為測試對象，分別用 Lee濾波方法、G-MAP濾波方法、平穩(wěn)小波軟閾值方法、非下采樣輪廓波方法，簡稱為NSCT， 以及本發(fā)明方法進(jìn)行實驗。2、仿真結(jié)果分析對上述圖像①的仿真結(jié)果如圖3所示，其中圖3(b)為Lee濾波方法的仿真結(jié)果， 圖3 (c)為G-MAP濾波方法的仿真結(jié)果，圖3 (d)為平穩(wěn)小波軟閾值方法的仿真結(jié)果，圖3 (e) 為NSCT方法的仿真結(jié)果，圖3(f)為本發(fā)明方法的仿真結(jié)果；對上述圖像②的仿真結(jié)果如圖4所示，其中圖4(b)為Lee濾波方法的仿真結(jié)果， 圖4 (c)為G-MAP濾波方法的仿真結(jié)果，圖4(d)為平穩(wěn)小波軟閾值方法的仿真結(jié)果，圖4(e) 為NSCT方法的仿真結(jié)果，圖4(f)為本發(fā)明方法的仿真結(jié)果；對上述圖像③的仿真結(jié)果如圖5所示，其中圖5(b)為Lee濾波方法的仿真結(jié)果， 圖5 (c)為G-MAP濾波方法的仿真結(jié)果，圖5 (d)為平穩(wěn)小波軟閾值方法的仿真結(jié)果，圖5 (e) 為NSCT方法的仿真結(jié)果，圖5(f)為本發(fā)明方法的仿真結(jié)果；從圖3中可以看出，現(xiàn)有的Lee濾波方法存在著模糊現(xiàn)象，丟失了邊緣和紋理等 細(xì)節(jié)信息，如圖3(b)所示；現(xiàn)有的G-MAP濾波方法同樣存在著模糊現(xiàn)象，在某些地方出現(xiàn) 了本來沒有的亮點，而且丟失了全部的弱紋理和大部分的點目標(biāo)等細(xì)節(jié)信息，如圖3(c)所 示；現(xiàn)有的平穩(wěn)小波軟閾值方法基本保持了圖像的輪廓，對圖像中的弱紋理也保持了一部 分，但是比較的模糊，如圖3(d)所示；現(xiàn)有的NSCT方法存在著邊緣丟失和失真的情況，如 圖3(e)所示；本發(fā)明均勻區(qū)域比較平滑，而且邊緣和點目標(biāo)等細(xì)節(jié)信息也保持的較好，如 圖3(f)所示。從圖4中，現(xiàn)有的Lee濾波方法存在著模糊現(xiàn)象，邊緣細(xì)節(jié)也被模糊，如圖4(b)所 示；G-MAP濾波方法也存在著模糊現(xiàn)象，在某些地方出現(xiàn)了本來沒有的亮點，如圖4(c)所 示；現(xiàn)有的平穩(wěn)小波軟閾值方法對均勻區(qū)域過度光滑，如圖4(d)所示；本發(fā)明均勻區(qū)域比 較平滑，而且邊緣也保持的較好，如圖4(f)所示。從圖5中可以看出，現(xiàn)有的Lee濾波、G-MAP濾波、平穩(wěn)小波軟閾值三種方法都丟失 了測試圖像的白色點目標(biāo)，而且邊緣也被模糊了，分別如圖5(b)、5(c)和5(d)所示；現(xiàn)有的 NSCT方法的點目標(biāo)保持較好，但丟失了方形區(qū)域內(nèi)的一部分邊緣，且均勻區(qū)域不夠平滑，如 圖5(e)所示；本發(fā)明較好的保持了點目標(biāo)和邊緣等細(xì)節(jié)信息，而且比其他方法提高了均勻 區(qū)域的平滑性，如圖5(f)所示。綜上，本發(fā)明不僅能有效的去除斑點噪聲，而且能有效的保 持圖像的邊緣和點目標(biāo)等圖像細(xì)節(jié)特征。為了具體的比較各種方法的去噪性能，給出了評價Horse track one地區(qū)SAR圖 像去噪方法性能的指標(biāo)均勻區(qū)域的等效視數(shù)和圖像均值，等效視數(shù)是衡量SAR圖像去噪方法的一個常用指標(biāo)，等效視數(shù)越大，說明去噪效果越好；圖像均值代表圖像中像素的平均 值，一般要求去噪前后的圖像均值保持一致，兩者相差越大，說明后向輻射度失真越大。表1是Horse track one地區(qū)SAR圖像去噪實驗指標(biāo)對比，包括等效視數(shù)和圖像 均值的對比；表1中A、B、C分別表示圖3(a)中的三個白色方框區(qū)域1、區(qū)域2、區(qū)域3的等 效視數(shù)。表1 Horse track one地區(qū)SAR圖像去噪實驗指標(biāo)對比
指標(biāo)ABC圖像均值原圖12. 32718. 48510. 65974. 2231Lee濾波66. 511222. 8569. 61573. 7958G-MAP濾波66. 511222.8569. 61572.7787平穩(wěn)小波軟閾值84. 085411.0476. 92766.6424NSCT90. 093354.0999. 25874.2231本發(fā)明的方法131.7823571.7528243. 043374.2085從表1可見，本發(fā)明方法的等效視數(shù)都比現(xiàn)有的Lee濾波、G-MAP濾波、平穩(wěn)小波 軟閾值、NSCT方法等效視數(shù)大，說明本發(fā)明方法在去噪上的優(yōu)勢，本發(fā)明方法的圖像均值雖 然不如NSCT方法的圖像均值和原圖像均值完全保持一致，但也十分接近原圖像的均值，說 明后向輻射度的失真非常小。表2是Horse track two地區(qū)SAR圖像去噪實驗指標(biāo)對比，包括等效視數(shù)和圖像 均值的對比；表2中A、B、C分別表示圖4(a)中的三個白色方框區(qū)域1、區(qū)域2、區(qū)域3的等 效視數(shù)。表2 Horse track two地區(qū)SAR圖像去噪實驗指標(biāo)對比
指標(biāo)ABC圖像均值原圖14.69213.2029.503883. 8504Lee濾波217. 19122.2190. 75383. 6654G-MAP濾波217. 19122.2190. 75383. 1247平穩(wěn)小波軟閾值304. 56141. 67108.9777. 7831NSCT210. 4127.77173.4683. 8504 從表2可見，本發(fā)明方法的等效視數(shù)比現(xiàn)有的Lee濾波、G-MAP濾波、平穩(wěn)小波軟 閾值、NSCT方法的等效視數(shù)要大，圖像均值也很接近原圖像的均值，說明后向輻射度的失真表3是Bedfordshire地區(qū)SAR圖像去噪實驗指標(biāo)對比，包括等效視數(shù)和圖像均值 的對比；表3中A、B、C分別表示圖5(a)中的三個白色方框區(qū)域1、區(qū)域2、區(qū)域3的等效視數(shù)。表3 Bedfordshire地區(qū)SAR圖像去噪實驗指標(biāo)對比 從表3可見本發(fā)明的方法在三個區(qū)域的等效視數(shù)都大于現(xiàn)有的Lee濾波、G-MAP濾 波、平穩(wěn)小波軟閾值、NSCT方法；均值也很接近原圖像的均值，說明后向輻射度的失真非常
權(quán)利要求
一種基于NSCT域邊緣檢測和Bishrink模型的SAR圖像去噪方法，包括如下步驟(1)對選取的測試圖像I進(jìn)行非下采樣輪廓波NSCT變換，將圖像分解為6層子帶系數(shù)；(2)保持第1層和第2層的子帶系數(shù)不變；(3)對第3～6層的子帶系數(shù)用Bishrink模型進(jìn)行收縮；(4)對經(jīng)過步驟(3)收縮后的子帶系數(shù)，進(jìn)行非下采樣輪廓波逆變換得到重構(gòu)圖像R；(5)對重構(gòu)圖像進(jìn)行如下邊緣檢測和均值濾波；(5a)對重構(gòu)圖像中每個像素點取3×3領(lǐng)域，在這個鄰域內(nèi)設(shè)定12個方向，記P1和P2分別為12個方向線上兩邊像素的平均值，設(shè)p＝P1/P2，若P≤1，則比率檢測因子r＝p，否則r＝p 1，記12個方向上比率檢測因子的最小值為rmin；設(shè)邊緣檢測閾值T00.5≤T0≤1，若rmin＞T0，則認(rèn)為當(dāng)前點是邊緣點，標(biāo)記為1，否則標(biāo)記為0；所有像素標(biāo)記完后，若像素點標(biāo)記為1，則以它為中心取3×3的鄰域窗口，若該鄰域窗口內(nèi)標(biāo)記為1的個數(shù)少于4，則把這個像素點標(biāo)記為0；實現(xiàn)對重構(gòu)圖像的邊緣檢測；(5b)檢測出重構(gòu)圖像的邊緣后，以每一個標(biāo)記為0的像素R(i，j)為中心取它的5×5鄰域W1，若W1內(nèi)標(biāo)記為1的像素點個數(shù)少于4個，則R(i，j)的像素值取為W1內(nèi)所有像素的平均值；否則以R(i，j)為中心，取它的3×3鄰域W2，若W2內(nèi)標(biāo)記為1的像素點個數(shù)少于4個，則R(i，j)的像素值取為W2內(nèi)所有像素的平均值，否則R(i，j)的像素值取為W2內(nèi)所有標(biāo)記為0的像素的平均值，完成邊緣檢測后圖像的均值濾波，得到濾波后圖像U；(6)將原始圖像I和濾波后的圖像U相減，并對得到的差值圖像v進(jìn)行非線性各向異性擴(kuò)散k次迭代，k＝140 230；(7)將非線性各向異性擴(kuò)散k次迭代得到的圖像vk與濾波后圖像U相加，得到相干斑抑制后的圖像。
2.根據(jù)權(quán)利要求1所述的SAR圖像相干斑抑制方法，其中步驟(3)所述的用Bishrink 模型進(jìn)行系數(shù)收縮，按如下步驟進(jìn)行(2a)設(shè)yi為第S層的系數(shù)，y2為第S-I層的系數(shù)，S = 3、4、5、6 ；(2b)用先驗估計形式估計當(dāng)前系數(shù)71的噪聲方差ση2:2 Jnedian^yl |) σ" 0.6745(2c)用局部自適應(yīng)的方法估計當(dāng)前每個系數(shù)的模型邊緣方差ο2: 2 (2其中 _σ 2)+表示當(dāng) < 一σ 2 <0 時？ = 0，當(dāng) ^ _σ 2 >0 時 2 2σ =0V1-Cr ；cjV12 =Τ7 Σ 少21(^0’其中則10表示第s層的系數(shù)71為中心的正方形窗口，m乃(φ釋)S = 3、4、5、6，Μ為窗口系數(shù)的大小，取值為11 ；(2d)利用如下公式計算系數(shù)71的估計值y1: / Y1為第S層的系數(shù)，y2為第S-I層的系數(shù)，S = 3、4、5、6 ；σ表示當(dāng)V^F-祝<ο時其結(jié)果為零，當(dāng)包>0時其 σU結(jié)果保持不變。
3.根據(jù)權(quán)利要求1所述的SAR圖像相干斑抑制方法，其中步驟(6)所述的對差值圖像 進(jìn)行非線性各向異性擴(kuò)散k次迭代，按照如下公式進(jìn)行1 其中V是原始圖像I和濾波后的圖像U相減得到的差值圖像，Vi, J是ν的第i行，第j 列的像素，^^力是^的第i+r行，第j+s列的像素；r和s為像素鄰域值，(r, s) Φ (0,0)； Vk.是進(jìn)行各向異性擴(kuò)散之前的差值圖像，VA+1是進(jìn)行一次各向異性擴(kuò)散后的差值圖像；τ 為尺度參數(shù)，τ =-,g是擴(kuò)散率函數(shù)，
全文摘要
本發(fā)明公開了一種基于NSCT域邊緣檢測和Bishrink模型的SAR圖像去噪方法，主要解決非下采用輪廓波變換對SAR圖像去噪過程帶來的劃痕效應(yīng)及細(xì)節(jié)丟失問題。其步驟為對選取的SAR圖像進(jìn)行非下采樣輪廓波變換，將圖像分成6層子帶系數(shù)；保持第1層和第2層的子帶系數(shù)不變，用Bishrink模型對第3～6層的子帶系數(shù)進(jìn)行收縮；非下采樣輪廓波逆變換重構(gòu)圖像，檢測重構(gòu)圖像的邊緣，對邊緣檢測后的圖像進(jìn)行均值濾波，得到濾波后圖像；對輸入圖像和濾波后的圖像相減獲得的差值圖像進(jìn)行非線性各向異性擴(kuò)散，得到去噪后的圖像。本發(fā)明能較好的保持圖像的邊緣信息和點目標(biāo)特征信息，可用于SAR圖像中的解譯分析和圖像理解的預(yù)處理。
文檔編號G06T7/00GK101901476SQ20101022544
公開日2010年12月1日 申請日期2010年7月12日 優(yōu)先權(quán)日2010年7月12日
發(fā)明者侯彪, 張向榮, 焦李成, 王爽, 賀富強(qiáng), 馬文萍 申請人:西安電子科技大學(xué)