基于字典學(xué)習(xí)融合的sar圖像降噪處理方法
【專利摘要】本發(fā)明提供了一種基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法，其通過(guò)聯(lián)合非下采樣輪廓波字典學(xué)習(xí)和K?SVD字典學(xué)習(xí)，利用平移不變的非下采樣輪廓波變換濾波克服了輪廓波變換不能平移不變的缺陷，消除了去噪的劃痕效應(yīng)；同時(shí)，利用自適應(yīng)的K?SVD字典學(xué)習(xí)算法進(jìn)行去噪，根據(jù)圖像的特征不斷更新字典原子，不僅能很好地抑制圖像噪聲，還能夠?qū)吘壓图y理等重要的SAR圖像信息較好地保留；并且進(jìn)一步的通過(guò)對(duì)兩種降噪效果加以融合，融合后的圖像大大地提高了圖像的信噪比，圖像的等效視數(shù)也有一定的提高，而且邊緣和紋理信息也很好地保留下來(lái)，沒(méi)有出現(xiàn)劃痕、圖像對(duì)比度變暗等負(fù)面影響，使得SAR圖像降噪處理的綜合質(zhì)量得以明顯提升。
【專利說(shuō)明】
基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及微波遙感圖像處理技術(shù)領(lǐng)域，尤其涉及一種基于字典學(xué)習(xí)融合的SAR 圖像降噪處理方法。
【背景技術(shù)】
[0002] 合成孔徑雷達(dá)（Synthetic Aperture Radar，簡(jiǎn)稱SAR)技術(shù)，是采用搭載在衛(wèi)星或 飛機(jī)上的移動(dòng)雷達(dá)，獲得高精度地理區(qū)域雷達(dá)目標(biāo)圖像的一種脈沖雷達(dá)技術(shù)。雷達(dá)目標(biāo)自 動(dòng)識(shí)別（Synthetic Aperture Radar Auto Targets Recognition，簡(jiǎn)稱SAR-ATR)在很多地 理信息分析技術(shù)領(lǐng)域中都具有重要的應(yīng)用價(jià)值。
[0003] 相干斑噪聲是SAR圖像的固有特性，那些在SAR圖像中隨機(jī)散布的相干斑會(huì)與較小 的地物目標(biāo)摻雜在一起，嚴(yán)重影響圖像的質(zhì)量，對(duì)SAR圖像的自動(dòng)解譯造成困難。因此，在 SAR圖像處理中，圖像噪聲抑制成為關(guān)鍵，也是對(duì)SAR圖像進(jìn)行邊緣檢測(cè)、特征提取、圖像分 害J、模式識(shí)別等后續(xù)處理工作的技術(shù)基礎(chǔ)。
[0004] 目前常見(jiàn)的SAR圖像降噪方法有：
[0005] (1)空域?yàn)V波技術(shù)，主要包括均值法、中值法，最小均方差法等。但是，這些方法通 常很難保持SAR圖像的細(xì)節(jié)特征，經(jīng)常會(huì)造成SAR圖像的邊緣和線性目標(biāo)被模糊等問(wèn)題，此 外濾波性能的好壞很大程度取決于所選窗口的大小，因此應(yīng)用場(chǎng)景受到很多限制。
[0006] (2)頻域?yàn)V波技術(shù)，就是首先對(duì)SAR圖像進(jìn)行某種變換，然后根據(jù)圖像噪聲的頻率 范圍對(duì)變換域中的變換系數(shù)進(jìn)行濾波處理，最后進(jìn)行反變換將圖像反變換回空域。主要有 基于傅里葉變換域、小波域變換、輪廓波變換等降噪方法，但由于噪聲和圖像邊緣具有相似 的頻率特性，即都是高頻信號(hào)，因此噪聲抑制后的SAR圖像在均勻區(qū)域和邊緣附近常會(huì)出現(xiàn) 偽吉布斯效應(yīng)，而且不能很好處理圖像的邊緣和細(xì)節(jié)信息，效果不夠理想。
[0007]如何通過(guò)更好的方法來(lái)降低SAR圖像中的噪點(diǎn)，從而提升SAR圖像質(zhì)量，一直都是 領(lǐng)域內(nèi)研究的重要課題。

【發(fā)明內(nèi)容】

[0008] 針對(duì)現(xiàn)有技術(shù)中存在的上述缺陷，為了解決現(xiàn)有技術(shù)中SAR圖像降噪處理效果不 夠理想的問(wèn)題，本發(fā)明提供了一種基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法，其通過(guò)聯(lián)合 非下采樣輪廓波字典學(xué)習(xí)和K-SVD字典學(xué)習(xí)，形成對(duì)SAR圖像的多字典學(xué)習(xí)融合降噪處理， 能夠大幅度提高SAR圖像的信噪比，同時(shí)很好地保留SAR圖像的邊緣和紋理信息，從而提升 SAR圖像降噪處理質(zhì)量。
[0009] 為實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)手段：
[0010] 基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法，包括如下步驟：
[0011] 1)獲取觀測(cè)場(chǎng)景的SAR圖像；
[0012] 2)對(duì)觀測(cè)場(chǎng)景的SAR圖像分別進(jìn)行非下采樣輪廓波變換降噪處理和K-SVD字典學(xué) 習(xí)降噪處理，得到SAR圖像的輪廓波變換降噪圖像和K-SVD降噪圖像；
[0013] 3)采用預(yù)設(shè)定的融合準(zhǔn)則，對(duì)SAR圖像的輪廓波變換降噪圖像和K-SVD降噪圖像進(jìn) 行圖像融合處理，得到融合圖像，作為SAR圖像的降噪處理結(jié)果。
[0014] 上述基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法中，具體而言，所述步驟2)中，對(duì) 觀測(cè)場(chǎng)景的SAR圖像進(jìn)行非下采樣輪廓波變換降噪處理的具體流程為：
[0015] 2al)對(duì)SAR圖像進(jìn)行L層的非下采樣輪廓波變換，得到低頻子帶六"!!!，!!)和不同尺 度上的高頻子帶{&4(111，11)，0彡1^^-1，1紀(jì)<11}，11表示尺度2- 1上的高頻子帶數(shù)量山(111， n)表示SAR圖像在尺度T1上處于第m列第n行像素位置的低頻子帶，表示SAR圖像在 尺度上的第i個(gè)高頻子帶上處于第m列第n行像素位置的高頻子帶系數(shù)，L取值為3~5;
[0016] 2a2)估算各高頻子帶系數(shù)的噪聲方差4，取閾值Th的初始值為hrf，k在1~5之間 取值；
[0017] 2a3)在當(dāng)前閾值Th取值下采用閾值分割法將各高頻子帶系數(shù)Ci,i(m，n)區(qū)分為信 號(hào)系數(shù)和噪聲系數(shù);區(qū)分方式如下：
[0018] 計(jì)算以高頻子帶系數(shù)對(duì)應(yīng)的像素位置為中心的rXr像素區(qū)域內(nèi)各個(gè)像 素位置的高頻子帶系數(shù)的均值mean [ Ci, i (m，n) ]，r為奇數(shù)，且r在3~9之間取值，若mean [Ci, i (m,n)]彡Th則判定高頻子帶系數(shù)Ci,i(m，n)屬于信號(hào)系數(shù)，若mean[Ci,i(m，n)]<Th則判定高 頻子帶系數(shù)屬于噪聲系數(shù)；由此將各尺度上的各個(gè)高頻子帶系數(shù)進(jìn)行區(qū)分；
[0019] 2a4)計(jì)算出當(dāng)前閾值Th取值下高頻子帶系數(shù)屬于信號(hào)系數(shù)的閾值概率P(H〇以及 信號(hào)系數(shù)的方差
[0020] 2a5)根據(jù)所述信號(hào)系數(shù)的方差和噪聲方差〇n，對(duì)當(dāng)前閾值Th取值下的信號(hào)系數(shù) 和噪聲系數(shù)分別采用高斯分布模型建模，得到信號(hào)系數(shù)的高斯分布模型和噪聲系數(shù)的高斯 分布模型，求出信號(hào)系數(shù)在其高斯分布模型中的均值和方差，并根據(jù)所述信號(hào)系數(shù)的均值 和方差，計(jì)算出噪聲系數(shù)屬于信號(hào)系數(shù)的含噪概率Pm^y);
[0021] 2a6)比較當(dāng)前閾值Th取值下的閾值概率P(出)和含噪概率P (Hi | y)的值;若| P (Hi)- P(ft | y) |小于或等于預(yù)設(shè)定的概率誤差閾值e，則執(zhí)行步驟2a7);否則，根據(jù)含噪概率P(m y)的值和信號(hào)系數(shù)的高斯分布模型重新計(jì)算得到對(duì)應(yīng)的閾值，作為閾值Th的新的取值，返 回步驟2a3);
[0022] 2a7)循環(huán)執(zhí)行步驟2a3)~2a6)，根據(jù)最后確定的閾值Th的取值，在相應(yīng)閾值Th取值 下采用閾值分割法區(qū)分得到的各尺度上的各個(gè)高頻子帶系數(shù)中屬于噪聲系數(shù)的值置為零， 從而得到不同尺度上經(jīng)過(guò)噪聲抑制后的高頻子帶，（)</< A-1，丨A丨_，ii表 示尺度T1上的高頻子帶數(shù)量，(揪，⑷表示SAR圖像在尺度T1上的第i個(gè)高頻子帶上處于第 m列第n行像素位置的經(jīng)過(guò)噪聲抑制后的高頻子帶系數(shù)；
[0023] 2a8)對(duì)低頻子帶AKm，!!）和不同尺度上經(jīng)過(guò)噪聲抑制后的高頻子帶?。?丨力， 0 W夂-1，K S /,丨進(jìn)行非下采樣輪廓波逆變換，重構(gòu)得到SAR圖像的輪廓波變換降噪圖 像。
[0024]上述基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法中，作為優(yōu)選方案，所述概率誤差 閾值￡的取值為〇. 〇〇〇 1~〇. 〇 1。
[0025]上述基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法中，具體而言，其特征在于，所述 步驟2)中，對(duì)SAR圖像進(jìn)行K-SVD字典學(xué)習(xí)降噪處理的具體流程為：
[0026] 2bl)采用K-SVD字典學(xué)習(xí)方法進(jìn)行優(yōu)化求解得到對(duì)SAR圖像的圖像像素值矩陣Y進(jìn) 行稀疏表示的字典D和稀疏系數(shù)矩陣X;K-SVD字典學(xué)習(xí)方法的優(yōu)化目標(biāo)函數(shù)為：
[0027] < 從1>= argi^n || Y -廉舊，滿足 || Ip 丨；
[0028] 其中，圖像像素值矩陣Y中的每個(gè)元素表示SAR圖像中一個(gè)像素位置的像素值;xm,n 表示稀疏系數(shù)矩陣X中與SAR圖像的圖像像素值矩陣Y中第m列第n行像素位置的像素值相對(duì) 應(yīng)的稀疏系數(shù);SP表示稀疏度閾值；| | ? | |〇為1〇范數(shù)運(yùn)算符，| | ? | |F為F范數(shù)運(yùn)算符；
[0029] 2b2)將SAR圖像的圖像像素值矩陣Y劃分為P個(gè)子圖，其中第p個(gè)子圖的子圖像素值 矩陣R P中的每個(gè)元素表示該子圖中一個(gè)像素位置的像素值，P G {1，2，…，P};然后根據(jù)K-SVD字典學(xué)習(xí)方法優(yōu)化求解得到的字典D和稀疏系數(shù)矩陣X，按下式求解得到K-SVD降噪圖像 Z.t
[0030] 之=(AB + 坌R；：(狀 + fXDaP); P-~l
[0031]其中，A是Lagrange乘法因子，E表示單位矩陣;ap表示稀疏系數(shù)矩陣X中對(duì)應(yīng)于第p 個(gè)子圖的子圖像素值矩陣RP的稀疏系數(shù)矢量;右上角字符T為轉(zhuǎn)置符號(hào)。
[0032]上述基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法中，具體而言，所述步驟3)中，所 述預(yù)設(shè)定的融合準(zhǔn)則為取像素最大值的融合準(zhǔn)則;采用取像素最大值的融合準(zhǔn)則，對(duì)SAR圖 像的輪廓波變換降噪圖像和K-SVD降噪圖像進(jìn)行圖像融合處理的處理方式為：
[0033] I(m，n) = C>NscT(m，n)lNscT(m，n) + C>K-svD(m，n)lK-svD(m，n);
[0034] 其中，I(m，n)表示融合處理后得到的融合圖像中第m列第n行像素位置的像素值； lNscT(m，n)和lK-svD(m，n)分別表不SAR圖像的輪廓波變換降噪圖像中第m列第n行像素位置的 像素值以及K-SVD降噪圖像中第m列第n行像素位置的像素值；〇 NSCT(m，n)和〇K-SVD(m，n)分 別表示輪廓波變換降噪圖像中第m列第n行像素位置對(duì)應(yīng)的加權(quán)系數(shù)和K-SVD降噪圖像第m 列第n行像素位置對(duì)應(yīng)的加權(quán)系數(shù)，該兩個(gè)加權(quán)系數(shù)的取值分別為： 服'r 心-il， 若 I游
[0036] Ux, V) = I1， Wd'）； ^ - l〇， ^ W y) > y)
[0037]由此，確定融合圖像中各個(gè)像素位置的像素值，得到融合圖像。
[0038]相比于現(xiàn)有技術(shù)，本發(fā)明具有如下有益效果：
[0039] 1、本發(fā)明基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法，其通過(guò)聯(lián)合非下采樣輪廓 波（Non-Subsampled Contourlet Transform，縮寫為NSCT)字典學(xué)習(xí)和K-SVD字典學(xué)習(xí)，形 成對(duì)SAR圖像的多字典學(xué)習(xí)融合降噪處理，能夠大幅度提高SAR圖像的信噪比，同時(shí)很好地 保留SAR圖像的邊緣和紋理等重要信息。
[0040] 2、在本發(fā)明基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法中，利用平移不變的非下 采樣輪廓波變換(NSCT)濾波克服了輪廓波變換(Contourlet)不能平移不變的缺陷，消除了 去噪的劃痕效應(yīng)；同時(shí)，利用自適應(yīng)的K-SVD字典學(xué)習(xí)算法進(jìn)行去噪，根據(jù)圖像的特征不斷 更新字典原子，不僅能很好地抑制圖像噪聲，還能夠?qū)吘壓图y理等重要的SAR圖像信息較 好地保留；并且進(jìn)一步的通過(guò)對(duì)兩種降噪效果加以融合，融合后的圖像大大地提高了圖像 的信噪比，圖像的等效視數(shù)也有一定的提高，而且邊緣和紋理信息也很好地保留下來(lái)，沒(méi)有 出現(xiàn)劃痕、圖像對(duì)比度變暗等負(fù)面影響，使得SAR圖像降噪處理的綜合質(zhì)量得以明顯提升。
【附圖說(shuō)明】
[0041]圖1為本發(fā)明基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法的流程圖。
[0042]圖2為本發(fā)明的SAR圖像降噪處理方法中對(duì)SAR圖像進(jìn)行非下采樣輪廓波變換降噪 處理的流程圖。
[0043 ]圖3為實(shí)施例中所給定的SAR原始圖像。
[0044]圖4為實(shí)施例中對(duì)圖3中SAR圖像加入高斯白噪聲的SAR圖像。
[0045]圖5為實(shí)施例中對(duì)加噪后SAR圖像進(jìn)行小波變換(WT)去噪處理所得到的降噪處理 結(jié)果圖像。
[0046] 圖6為實(shí)施例中對(duì)加噪后SAR圖像進(jìn)行曲波變換(Curvelet)去噪處理所得到的降 噪處理結(jié)果圖像。
[0047] 圖7為實(shí)施例中對(duì)加噪后SAR圖像進(jìn)行非下采樣輪廓波變換(NSCT)降噪處理所得 到的降噪處理結(jié)果圖像。
[0048]圖8為實(shí)施例中K-SVD字典學(xué)習(xí)降噪處理方法中所采用的K-SVD字典實(shí)例圖。
[0049]圖9為實(shí)施例中對(duì)加噪后SAR圖像進(jìn)行K-SVD字典學(xué)習(xí)降噪處理所得到的降噪處理 結(jié)果圖像。
[0050] 圖10為實(shí)施例中對(duì)加噪后SAR圖像采用本發(fā)明方法處理所得到的降噪處理結(jié)果圖 像。
【具體實(shí)施方式】
[0051] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步的說(shuō)明。
[0052] 本發(fā)明提出了一種基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法。該方法流程如圖1 所示，包括如下步驟：
[0053] 1)獲取觀測(cè)場(chǎng)景的SAR圖像。
[0054] -幅像素密度為M行XN列的數(shù)字SAR圖像由MXN個(gè)像素元素組成，其各個(gè)像素元 素的像素值特征能夠體現(xiàn)出遙感圖像目標(biāo)的特點(diǎn)。圖2示出了一幅原始SAR圖像。
[0055] 2)對(duì)觀測(cè)場(chǎng)景的SAR圖像分別進(jìn)行非下采樣輪廓波變換降噪處理和K-SVD字典學(xué) 習(xí)降噪處理，得到SAR圖像的輪廓波變換降噪圖像和K-SVD降噪圖像。
[0056] 非下米樣輪廓波變換（Non-Subsampled Contourlet Transform，縮寫為NSCT)是 稀疏表示理論中的一種固定字典下的變換。輪廓波變換(Contour 1 et)的圖像濾波雖能夠較 好地保持邊緣，但會(huì)在重構(gòu)圖像中會(huì)出現(xiàn)嚴(yán)重的劃痕，原因是輪廓波變換在拉普拉斯塔形 (Laplacian Pyramid，縮寫為L(zhǎng)P)分解和方向?yàn)V波器組(Directional Filter Bank，縮寫為 DFB)分解中采用了下采樣操作，所以基函數(shù)的正則化不夠高，空域和頻域的局部性不夠理 想，不能夠平移不變，嚴(yán)重影響了輪廓波變換在圖像處理中的應(yīng)用效果。在輪廓波變換去噪 的基礎(chǔ)上，通過(guò)改進(jìn)輪廓波變換的LP濾波器和DFB濾波器，克服輪廓波變換不能夠平移不變 的缺點(diǎn)，從而衍生出非下采樣輪廓波變換，將其運(yùn)用在SAR圖像去噪上，不僅繼承了輪廓波 變換多分辨率、多方向性的特點(diǎn)，還具有平移不變性，濾波效果明顯，而且不會(huì)出現(xiàn)劃痕效 應(yīng)。
[0057]基于該理論，本發(fā)明中，對(duì)SAR圖像進(jìn)行非下采樣輪廓波變換降噪處理的流程如圖 2所示，具體步驟為：
[0058] 2al)對(duì)SAR圖像進(jìn)行L層的非下采樣輪廓波變換，得到低頻子帶六"!!!，!!)和不同尺 度上的高頻子帶{&4(111，11)，0彡1^^-1，1紀(jì)<11}，11表示尺度2-1上的高頻子帶數(shù)量山(111， n)表示SAR圖像在尺度T 1上處于第m列第n行像素位置的低頻子帶，表示SAR圖像在 尺度上的第i個(gè)高頻子帶上處于第m列第n行像素位置的高頻子帶系數(shù)，L取值為3~5;
[0059] 2a2)估算各高頻子帶系數(shù)的噪聲方差％2，取閾值Th的初始值為，k在1~5之間 取值；
[0060] 該步驟的操作方式是，先估計(jì)原SAR圖像的噪聲，根據(jù)估計(jì)的噪聲來(lái)計(jì)算各高頻子 帶系數(shù)的噪聲方差 <，進(jìn)而確定閾值Th的初始值；
[0061 ] 2a3)在當(dāng)前閾值Th取值下采用閾值分割法將各高頻子帶系數(shù)Ci, i (m，n)區(qū)分為信 號(hào)系數(shù)和噪聲系數(shù);區(qū)分方式如下：
[0062]計(jì)算以高頻子帶系數(shù)對(duì)應(yīng)的像素位置為中心的rXr像素區(qū)域內(nèi)各個(gè)像 素位置的高頻子帶系數(shù)的均值mean [ Ci, i (m，n) ]，r為奇數(shù)，且r在3~9之間取值，若mean [Ci, i (m,n)]彡Th則判定高頻子帶系數(shù)Ci,i(m，n)屬于信號(hào)系數(shù)，若mean[Ci,i(m，n)]<Th則判定高 頻子帶系數(shù)屬于噪聲系數(shù)；由此將各尺度上的各個(gè)高頻子帶系數(shù)進(jìn)行區(qū)分；
[0063] 2a4)計(jì)算出當(dāng)前閾值Th取值下高頻子帶系數(shù)屬于信號(hào)系數(shù)的閾值概率P(H〇以及 信號(hào)系數(shù)的方差
[0064] 2a5)根據(jù)所述信號(hào)系數(shù)的方差a〖和噪聲方差〇n，對(duì)當(dāng)前閾值Th取值下的信號(hào)系數(shù) 和噪聲系數(shù)分別采用高斯分布模型建模，得到信號(hào)系數(shù)的高斯分布模型和噪聲系數(shù)的高斯 分布模型，求出信號(hào)系數(shù)在其高斯分布模型中的均值和方差，并根據(jù)所述信號(hào)系數(shù)的均值 和方差，計(jì)算出噪聲系數(shù)屬于信號(hào)系數(shù)的含噪概率Pm^y);
[0065] 2a6)比較當(dāng)前閾值Th取值下的閾值概率P(出)和含噪概率P (Hi | y)的值;若| P (Hi)- P(m | y) |小于或等于預(yù)設(shè)定的概率誤差閾值e，則執(zhí)行步驟2a7);否則，根據(jù)含噪概率P(m y)的值和信號(hào)系數(shù)的高斯分布模型重新計(jì)算得到對(duì)應(yīng)的閾值，作為閾值Th的新的取值，返 回步驟2a3);其中，概率誤差閾值e的取值可為0.0001~0.01;
[0066] 2a7)循環(huán)執(zhí)行步驟2a3)~2a6)，根據(jù)最后確定的閾值Th的取值，在相應(yīng)閾值Th取值 下采用閾值分割法區(qū)分得到的各尺度上的各個(gè)高頻子帶系數(shù)中屬于噪聲系數(shù)的值置為零， 從而得到不同尺度上經(jīng)過(guò)噪聲抑制后的高頻子帶?)，0$/<!：-1， 示尺度T1上的高頻子帶數(shù)量，表示SAR圖像在尺度T1上的第i個(gè)高頻子帶上處于第 m列第n行像素位置的經(jīng)過(guò)噪聲抑制后的高頻子帶系數(shù)；
[0067] 2a8)對(duì)低頻子帶Ai(m,n)和不同尺度上經(jīng)過(guò)噪聲抑制后的高頻子帶丨， OS/SL-l，進(jìn)行非下采樣輪廓波逆變換，重構(gòu)得到SAR圖像的輪廓波變換降噪圖 像。
[0068]而K-SVD是稀疏表示理論中的一種自適應(yīng)學(xué)習(xí)字典算法。將含有噪聲的SAR圖像進(jìn) 行稀疏表示，稀疏表示字典采用K-SVD字典，即將SAR圖像表示為K-SVD原子的線性組合，如 公式（1)所示;其中，Y表示SAR圖像的圖像像素值矩陣，作為訓(xùn)練樣本;D和X分別表示對(duì)SAR 圖像的圖像像素值矩陣Y進(jìn)行稀疏表示的字典和稀疏系數(shù)矩陣，T表示稀疏度。此時(shí)字典D是 通過(guò)滿足1〇范數(shù)稀疏性約束條件下的重構(gòu)誤差最小優(yōu)化得到的。稀疏表示實(shí)現(xiàn)算法采用正 交匹配追蹤算法(Orthogonal Matching Pursuit，縮寫為OMP)。
[0069] < D,X>=argi^n 滿足▽(，《,?)，|| ,(1)
[0070]其中，圖像像素值矩陣Y中的每個(gè)元素表示SAR圖像中一個(gè)像素位置的像素值;xm,n 表示稀疏系數(shù)矩陣X中與SAR圖像的圖像像素值矩陣Y中第m列第n行像素位置的像素值相對(duì) 應(yīng)的稀疏系數(shù);SP表示稀疏度閾值；U ? | |〇為1〇范數(shù)運(yùn)算符，U ? | |F為F范數(shù)運(yùn)算符。同時(shí) 在訓(xùn)練過(guò)程中，根據(jù)處理圖像的各種不同的特點(diǎn)從而來(lái)調(diào)整字典獲得每一幅圖像相應(yīng)的自 適應(yīng)字典。而對(duì)于稀疏編碼部分，選用0MP算法進(jìn)行稀疏編碼。
[0071] 對(duì)圖像的K-SVD字典學(xué)習(xí)降噪處理方法已是較為成熟的技術(shù)。在K-SVD字典學(xué)習(xí)降 噪方法中，首先訓(xùn)練含噪圖像Y的字典，然后根據(jù)找到的字典重構(gòu)去噪后的圖像含，這可以 構(gòu)造成為一個(gè)優(yōu)化問(wèn)題：
[0072] Z = argmin {；"||F- Zj|； + f ||?;, ||〇 + - ^z|[]； Z，ap i?=l p=l
[0073]其中，A是Lagrange乘法因子，它調(diào)節(jié)去噪圖像輸出矩陣Z與含噪圖像Y之間的相似 程度;E表示單位矩陣;RP表示含噪圖像Y被劃分為P個(gè)子圖后其中的第p個(gè)子圖的子圖像素 值矩陣，子圖像素值矩陣心中的每個(gè)元素表示該第P個(gè)子圖中一個(gè)像素位置的像素值;％表 示稀疏系數(shù)矩陣X中對(duì)應(yīng)于第p個(gè)子圖的子圖像素值矩陣心的稀疏系數(shù)矢量，它決定子圖p 的稀疏性；I I ? I |2為12范數(shù)運(yùn)算符;右上角字符T為轉(zhuǎn)置符號(hào)。上式中，等號(hào)右邊的第一項(xiàng)是 用于衡量含噪圖像Y與原始圖像（以去噪圖像輸出矩陣Z來(lái)表示)之間的總體相似程度，第二 項(xiàng)是稀疏性約束，第三項(xiàng)中以R PZ來(lái)表示去噪后的圖像中第p個(gè)子圖像，RP是用于提取子圖的 像素值矩陣，DaP是表示通過(guò)稀疏表示的字典D重建得到的第p個(gè)子圖，所以希望0<^與心2之 間的誤差盡量小。
[0074] 在K-SVD去噪算法中，首先需要定義初始字典，初始字典中的原子采用原始圖像中 的子圖，輸出圖像初始化為然后執(zhí)行多次K-SVD算法中的迭代(稀疏編碼和字典更 新）。稀疏編碼階段計(jì)算每個(gè)子圖的稀疏表示矢量％，利用正交匹配追蹤算法求解。
[0075] V/?： min|ap 技 \Dap - RpZ < ca2 ；
[0076] 其中，c為增益因子，可取0.5;〇2表示允許的最大方差。
[0077]字典更新階段即使K-SVD算法中的字典更新過(guò)程。
[0078]通過(guò)K-SVD算法得到訓(xùn)練字典，在已知字典D的情況下，求解每一張子圖的稀疏表 示，則去噪之后的圖像可以通過(guò)解下邊的式子得到：
[0079] Z = arg min \\Y - Zj|； + f；\\〇ap - ；}；
[0080] 這個(gè)二次項(xiàng)的解形式為：
[0081] Z = (IE+ YRTp Rp y\XY + X RpDatl); #=1 P=\
[0082]應(yīng)用K-SVD字典學(xué)習(xí)降噪技術(shù)的原理，在本發(fā)明中，對(duì)SAR圖像進(jìn)行K-SVD字典學(xué)習(xí) 降噪處理的具體流程為：
[0083] 2bl)采用K-SVD字典學(xué)習(xí)方法進(jìn)行優(yōu)化求解得到對(duì)SAR圖像的圖像像素值矩陣Y進(jìn) 行稀疏表示的字典D和稀疏系數(shù)矩陣X;K-SVD字典學(xué)習(xí)方法的優(yōu)化目標(biāo)函數(shù)為：
[0084] < 認(rèn)叉 >=噸嚷111| Y-DX |丨】，滿足 |丨 " Ip \ ;
[0085] 其中，圖像像素值矩陣Y中的每個(gè)元素表示SAR圖像中一個(gè)像素位置的像素值;xm,n 表示稀疏系數(shù)矩陣X中與SAR圖像的圖像像素值矩陣Y中第m列第n行像素位置的像素值相對(duì) 應(yīng)的稀疏系數(shù);SP表示稀疏度閾值；| | ? | |〇為1〇范數(shù)運(yùn)算符，| | ? | |F為F范數(shù)運(yùn)算符；
[0086] 2b2)將SAR圖像的圖像像素值矩陣Y劃分為P個(gè)子圖，其中第p個(gè)子圖的子圖像素值 矩陣R P中的每個(gè)元素表示該子圖中一個(gè)像素位置的像素值，P G {1，2，…，P};然后根據(jù)K-SVD字典學(xué)習(xí)方法優(yōu)化求解得到的字典D和稀疏系數(shù)矩陣X，按下式求解得到K-SVD降噪圖像 .Z：
[0087] Z = +1；i?；Rpy1 (IF + XRrpDap)： 產(chǎn) 1
[0088]其中，A是Lagrange乘法因子，E表示單位矩陣;ap表示稀疏系數(shù)矩陣X中對(duì)應(yīng)于第p 個(gè)子圖的子圖像素值矩陣RP的稀疏系數(shù)矢量;右上角字符T為轉(zhuǎn)置符號(hào)。
[0089] 3)采用預(yù)設(shè)定的融合準(zhǔn)則，對(duì)SAR圖像的輪廓波變換降噪圖像和K-SVD降噪圖像進(jìn) 行圖像融合處理，得到融合圖像，作為SAR圖像的降噪處理結(jié)果。
[0090] 進(jìn)行圖像融合處理過(guò)程中，可以采用的融合準(zhǔn)則和融合處理方式有很多。但在本 發(fā)明方法中，進(jìn)行圖像融合處理時(shí)，預(yù)設(shè)定的融合準(zhǔn)則最好采用取像素最大值的融合準(zhǔn)則， 因此為像素最大值的融合準(zhǔn)則不僅運(yùn)算處理數(shù)據(jù)量較小，效率較高之外，對(duì)于本發(fā)明得到 的SAR圖像的輪廓波變換降噪圖像和K-SVD降噪圖像的融合效果也比較好。采用取像素最大 值的融合準(zhǔn)則，對(duì)SAR圖像的輪廓波變換降噪圖像和K-SVD降噪圖像進(jìn)行圖像融合處理的處 理方式為：
[0091 ] I(m，n) = C>NscT(m，n)lNscT(m，n) + C>K-svD(m，n)lK-svD(m，n);
[0092]其中，I(m，n)表示融合處理后得到的融合圖像中第m列第n行像素位置的像素值； lNscT(m，n)和lK-svD(m，n)分別表不SAR圖像的輪廓波變換降噪圖像中第m列第n行像素位置的 像素值以及K-SVD降噪圖像中第m列第n行像素位置的像素值；〇 NSCT(m，n)和〇K-SVD(m，n)分 別表示輪廓波變換降噪圖像中第m列第n行像素位置對(duì)應(yīng)的加權(quán)系數(shù)和K-SVD降噪圖像第m 列第n行像素位置對(duì)應(yīng)的加權(quán)系數(shù)，該兩個(gè)加權(quán)系數(shù)的取值分別為： a r 、」0， mcr(x, y) < IK_SVD (x, y) NSCI X'} i 1, A.scr(x,y) > IK_SW(x, v) ' |Jj， )
[0095]由此，確定融合圖像中各個(gè)像素位置的像素值，得到融合圖像。
[0096] 本發(fā)明基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法可以應(yīng)用于基于計(jì)算機(jī)編程自 運(yùn)行對(duì)含噪SAR圖像的降噪處理，得到SAR圖像的降噪處理結(jié)果。
[0097] 下面通過(guò)實(shí)施例對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步的說(shuō)明。
[0098] 實(shí)施例：
[0099] 本實(shí)施例利用一幅給定的SAR圖像(如圖3所示），首先加入高斯噪聲，加入高斯白 噪聲后的SAR圖像如圖4所示，加噪后SAR圖像的噪聲標(biāo)準(zhǔn)差〇 = 25,加噪后SAR圖像的的峰值 信噪比PSNR=20.1891;然后，利用本發(fā)明基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法對(duì)加 噪后的SAR圖像進(jìn)行降噪處理，處理流程是:采用非下采樣輪廓波變換算法(NSCT)對(duì)加噪的 SAR圖像降噪;然后，再將加噪的SAR圖像基于K-SVD字典的稀疏表示，將該圖像表示為K-SVD 原子的稀疏線性組合，這種稀疏表示可以有效反映SAR圖像的特點(diǎn)，然后利用正交匹配追蹤 算法(0MP)進(jìn)行稀疏編碼，然后不斷更新字典原子對(duì)優(yōu)化問(wèn)題進(jìn)行求解，重建SAR圖像，達(dá)到 對(duì)SAR圖像降噪的目的；最后，將NSCT降噪處理后得到的輪廓波變換降噪圖像和K-SVD字典 學(xué)習(xí)降噪處理后得到的K-SVD降噪圖像按照本發(fā)明方法進(jìn)行圖像融合處理，得到融合圖像， 作為SAR圖像的降噪處理結(jié)果。
[0100] 同時(shí)，為了體現(xiàn)本發(fā)明圖像降噪處理方法與其它圖像去噪方法的效果差別，本實(shí) 施例還采用了小波變換去噪算法(Wavelet Transfer，縮寫為WT)、曲波變換(Curvelet)去 噪算法、單獨(dú)的非下采樣輪廓波變換（Non-Subsampled Contourlet Transform，縮寫為 NSCT)降噪處理方法以及單獨(dú)的K-SVD字典學(xué)習(xí)降噪處理方法，分別對(duì)上述加噪后的SAR圖 像進(jìn)行降噪處理，并對(duì)經(jīng)過(guò)上述各去噪算法和本發(fā)明方法所得到的降噪處理結(jié)果圖像的峰 值信噪比（PSNR)、等效視數(shù)(Equivalent Number of Looks，ENL)和邊緣輪廓保持指數(shù) (Edge Preservation Index，EPI)進(jìn)行對(duì)比，各指標(biāo)參數(shù)對(duì)照情況如表1所示。
[0101] 表1
[0103]本實(shí)施例中，中對(duì)加噪后SAR圖像進(jìn)行小波變換（WT)去噪處理、曲波變換 (Curvelet)去噪處理、非下采樣輪廓波變換(NSCT)降噪處理、K-SVD字典學(xué)習(xí)降噪處理所得 到的降噪處理結(jié)果圖像，分別如圖5、圖6、圖7和圖9所示，對(duì)加噪后SAR圖像采用本發(fā)明方法 處理所得到的降噪處理結(jié)果圖像如圖10所示，其中K-SVD字典學(xué)習(xí)降噪處理和本發(fā)明方法 中所采用的K-SVD字典如圖8所示。
[0104]從表1所示的各指標(biāo)數(shù)據(jù)以及圖5~圖9所示的降噪處理結(jié)果圖像對(duì)比情況都可以 看到，小波變換(WT)去噪處理后得到的降噪處理結(jié)果圖像（圖5)和曲波變換(Curvelet)去 噪處理后得到的降噪處理結(jié)果圖像（圖6)整體效果都較差，信噪比較低，而且都存在較為明 顯的去噪劃痕效應(yīng);而非下采樣輪廓波變換(NSCT)降噪處理后得到的降噪處理結(jié)果圖像 (圖7)的信噪比情況較優(yōu)，但是等效視數(shù)和邊緣輪廓保持指數(shù)的值較低，體現(xiàn)在降噪處理結(jié) 果圖像中呈現(xiàn)為圖像脈絡(luò)和邊緣較為模糊;而K-SVD字典學(xué)習(xí)降噪處理后得到的降噪處理 結(jié)果圖像（圖9)和采用本發(fā)明方法降噪處理后得到的降噪處理結(jié)果圖像（圖10)相比，降噪 效果較為接近，明顯消除了去噪劃痕效應(yīng)，但本發(fā)明方法所得到的降噪處理結(jié)果圖像大大 地提高了圖像的信噪比，邊緣和紋理信息也很好地保留下來(lái)，也沒(méi)有出現(xiàn)圖像對(duì)比度變暗 等負(fù)面影響，綜合的降噪處理效果優(yōu)于其它各對(duì)比去噪處理方法。
[0105] 綜上所述，本發(fā)明基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法，其通過(guò)聯(lián)合非下采 樣輪廓波（Non-Subsampled Contourlet Transform，縮寫為NSCT)字典學(xué)習(xí)和K-SVD字典學(xué) 習(xí)，形成對(duì)SAR圖像的多字典學(xué)習(xí)融合降噪處理;其中，利用平移不變的非下采樣輪廓波變 換(NSCT)濾波克服了輪廓波變換(Contourlet)不能平移不變的缺陷，消除了去噪的劃痕效 應(yīng);同時(shí)，利用自適應(yīng)的K-SVD字典學(xué)習(xí)算法進(jìn)行去噪，根據(jù)圖像的特征不斷更新字典原子， 不僅能很好地抑制圖像噪聲，還能夠?qū)吘壓图y理等重要的SAR圖像信息較好地保留；并且 進(jìn)一步的通過(guò)對(duì)兩種降噪效果加以融合，融合后的圖像大大地提高了圖像的信噪比，圖像 的等效視數(shù)也有一定的提高，而且邊緣和紋理信息也很好地保留下來(lái)，沒(méi)有出現(xiàn)劃痕、圖像 對(duì)比度變暗等負(fù)面影響，使得SAR圖像降噪處理的綜合質(zhì)量得以明顯提升。
[0106] 最后說(shuō)明的是，以上實(shí)施例僅用以說(shuō)明本發(fā)明的技術(shù)方案而非限制，盡管參照較 佳實(shí)施例對(duì)本發(fā)明進(jìn)行了詳細(xì)說(shuō)明，本領(lǐng)域的普通技術(shù)人員應(yīng)當(dāng)理解，可以對(duì)本發(fā)明的技 術(shù)方案進(jìn)行修改或者等同替換，而不脫離本發(fā)明技術(shù)方案的宗旨和范圍，其均應(yīng)涵蓋在本 發(fā)明的權(quán)利要求范圍當(dāng)中。
【主權(quán)項(xiàng)】
1. 基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法，其特征在于，包括如下步驟： 1) 獲取觀測(cè)場(chǎng)景的SAR圖像； 2) 對(duì)觀測(cè)場(chǎng)景的SAR圖像分別進(jìn)行非下采樣輪廓波變換降噪處理和K-SVD字典學(xué)習(xí)降 噪處理，得到SAR圖像的輪廓波變換降噪圖像和K-SVD降噪圖像； 3) 采用預(yù)設(shè)定的融合準(zhǔn)則，對(duì)SAR圖像的輪廓波變換降噪圖像和K-SVD降噪圖像進(jìn)行圖 像融合處理，得到融合圖像，作為SAR圖像的降噪處理結(jié)果。2. 根據(jù)權(quán)利要求1所述基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法，其特征在于，所述 步驟2)中，對(duì)觀測(cè)場(chǎng)景的SAR圖像進(jìn)行非下采樣輪廓波變換降噪處理的具體流程為： 2al)對(duì)SAR圖像進(jìn)行L層的非下采樣輪廓波變換，得到低頻子帶"化，!!)和不同尺度上的 高頻子帶{Ci,i(m，n)，(XKL-1，KiCti}，Ιι表示尺度2"1上的高頻子帶數(shù)量，Ai(m，n)表示 SAR圖像在尺度上處于第m列第η行像素位置的低頻子帶，C1,dm，!!)表示SAR圖像在尺度2 4上的第i個(gè)高頻子帶上處于第m列第η行像素位置的高頻子帶系數(shù)，L取值為3~5; 2a2)估算各高頻子帶系數(shù)的噪聲方!，取閾值Th的初始值為私X〗，k在1~5之間取值； 2a3)在當(dāng)前閾值Th取值下采用閾值分割法將各高頻子帶系數(shù)C1,Κπι,η)區(qū)分為信號(hào)系數(shù) 和噪聲系數(shù);區(qū)分方式如下： 計(jì)算以高頻子帶系數(shù)C1,dm，!!)對(duì)應(yīng)的像素位置為中心的r Xr像素區(qū)域內(nèi)各個(gè)像素位 置的高頻子帶系數(shù)的均值mean [Cl, i(m, n) ]，r為奇數(shù)，且r在3~9之間取值，若mean [Cl, i(m, 11)]彡1^則判定高頻子帶系數(shù)&,：1(111，11)屬于信號(hào)系數(shù)，若1116311[(：1,：1(111，11)]<1^則判定高頻子 帶系數(shù)C1,Κπι,η)屬于噪聲系數(shù)；由此將各尺度上的各個(gè)高頻子帶系數(shù)進(jìn)行區(qū)分； 2a4)計(jì)算出當(dāng)前閾值Th取值下高頻子帶系數(shù)屬于信號(hào)系數(shù)的閾值概率P(H1)以及信號(hào) 系數(shù)的方差大； 2a5)根據(jù)所述信號(hào)系數(shù)的方差σ〗,和噪聲方差〇n，對(duì)當(dāng)前閾值Th取值下的信號(hào)系數(shù)和噪 聲系數(shù)分別采用高斯分布模型建模，得到信號(hào)系數(shù)的高斯分布模型和噪聲系數(shù)的高斯分布 模型，求出信號(hào)系數(shù)在其高斯分布模型中的均值和方差，并根據(jù)所述信號(hào)系數(shù)的均值和方 差，計(jì)算出噪聲系數(shù)屬于信號(hào)系數(shù)的含噪概率P(H 1Iy); 2a6)比較當(dāng)前閾值Th取值下的閾值概率P(H1)和含噪概率P(H11 y)的值;若I P(H1)-P(H1 y) I小于或等于預(yù)設(shè)定的概率誤差閾值ε，則執(zhí)行步驟2a7);否則，根據(jù)含噪概率P(m I y)的 值和信號(hào)系數(shù)的高斯分布模型重新計(jì)算得到對(duì)應(yīng)的閾值，作為閾值Th的新的取值，返回步 驟2a3); 2a7)循環(huán)執(zhí)行步驟2a3)~2a6)，根據(jù)最后確定的閾值Th的取值，在相應(yīng)閾值Th取值下采 用閾值分割法區(qū)分得到的各尺度上的各個(gè)高頻子帶系數(shù)中屬于噪聲系數(shù)的值置為零，從而 得到不同尺度上經(jīng)過(guò)噪聲抑制后的高頻子帶{ (:?,.(%?)，() U L -〖，U，Ιι表示尺 度T1上的高頻子帶數(shù)量，表示SAR圖像在尺度T1上的第i個(gè)高頻子帶上處于第m列 第η行像素位置的經(jīng)過(guò)噪聲抑制后的高頻子帶系數(shù)； 2a8)對(duì)低頻子帶ΑΚπι,η)和不同尺度上經(jīng)過(guò)噪聲抑制后的高頻子帶?。?(/〃.〃），〇<1< L-I 進(jìn)行非下采樣輪廓波逆變換，重構(gòu)得到SAR圖像的輪廓波變換降噪圖像。3. 根據(jù)權(quán)利要求1所述基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法，其特征在于，所述 概率誤差閾值ε的取值為O. OOO1~0.01。4. 根據(jù)權(quán)利要求1所述基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法，其特征在于，所述 步驟2)中，對(duì)SAR圖像進(jìn)行K-SVD字典學(xué)習(xí)降噪處理的具體流程為： 2bl)采用K-SVD字典學(xué)習(xí)方法進(jìn)行優(yōu)化求解得到對(duì)SAR圖像的圖像像素值矩陣Y進(jìn)行稀 疏表示的字典D和稀疏系數(shù)矩陣X ;K-SVD字典學(xué)習(xí)方法的優(yōu)化目標(biāo)函數(shù)為：其中，圖像像素值矩陣Y中的每個(gè)元素表示SAR圖像中一個(gè)像素位置的像素值;Xm,n表示 稀疏系數(shù)矩陣X中與SAR圖像的圖像像素值矩陣Y中第m列第η行像素位置的像素值相對(duì)應(yīng)的 稀疏系數(shù);SP表示稀疏度閾值；I I · I |〇為Io范數(shù)運(yùn)算符，I I · I |F為F范數(shù)運(yùn)算符； 2b2)將SAR圖像的圖像像素值矩陣Y劃分為P個(gè)子圖，其中第p個(gè)子圖的子圖像素值矩陣 Rp中的每個(gè)元素表示該子圖中一個(gè)像素位置的像素值，P e {1，2，…，P};然后根據(jù)K-SVD字 典學(xué)習(xí)方法優(yōu)化求解得到的字典D和稀疏系數(shù)矩陣X，按下式求解得到K-SVD降噪圖像其中，λ是Lagrange乘法因子，E表示單位矩陣;αΡ表示稀疏系數(shù)矩陣X中對(duì)應(yīng)于第p個(gè)子 圖的子圖像素值矩陣Rp的稀疏系數(shù)矢量;右上角字符T為轉(zhuǎn)置符號(hào)。5. 根據(jù)權(quán)利要求1所述基于字典學(xué)習(xí)融合的SAR圖像降噪處理方法，其特征在于，所述 步驟3)中，所述預(yù)設(shè)定的融合準(zhǔn)則為取像素最大值的融合準(zhǔn)則;采用取像素最大值的融合 準(zhǔn)則，對(duì)SAR圖像的輪廓波變換降噪圖像和K-SVD降噪圖像進(jìn)行圖像融合處理的處理方式 為： I (m，n) = C>NscT(m，n) lNscT(m，n) + C>K-svD(m，n) Ik-svD(m，n); 其中，I(m，n)表示融合處理后得到的融合圖像中第m列第n行像素位置的像素值；Insct (m，η)和Ik-svd (m，η)分別表示SAR圖像的輪廓波變換降噪圖像中第m列第η行像素位置的像素 值以及K-SVD降噪圖像中第m列第η行像素位置的像素值；Φ NSCT(m，η)和Φ k-svd (m，η)分別表 示輪廓波變換降噪圖像中第m列第η行像素位置對(duì)應(yīng)的加權(quán)系數(shù)和K-SVD降噪圖像第m列第η 行像素位置對(duì)應(yīng)的加權(quán)系數(shù)，該兩個(gè)加權(quán)系數(shù)的取值分別為：由此，確定融合圖像中各個(gè)像素位置的像素值，得到融合圖像。
【文檔編號(hào)】G06T5/00GK105894476SQ201610251570
【公開(kāi)日】2016年8月24日
【申請(qǐng)日】2016年4月21日
【發(fā)明人】張新征, 汪勇, 常云鶴, 吳奇政
【申請(qǐng)人】重慶大學(xué)