[发明专利]基于GPU编程的SAR图像去噪方法

说明书

技术领域

本发明涉及图像处理领域，具体涉及SAR图像的去噪，可用于提高图像去噪的处理速度。

背景技术

近年来，国内外研究人员在图像去噪领域做了大量的相关研究工作，提出了很多图像去噪的方法，这些方法中大多数研究的是加性高斯白噪声模型，其余的则是专门针对非高斯模型设计的。几乎很少有去噪方法能够适用于不同的噪声模型。例如：

邻域滤波方法，是利用像素灰度值之间的差异来定义邻域内的像素点与中心像素点之间的权值，在去噪的同时能够保持图像的边缘和纹理信息，该方法的问题之一是受到噪声干扰的单个像素的灰度值之间的差异往往不能准确的体现真实像素之间的相似性。其次，与某一像素相似的像素点不一定都存在于当前像素周围的邻域内，还可能存在于整个图像空间。

由Buades等提出的非局部均值图像去噪算法，是对传统邻域滤波方法的一个重大改进。首先，它考虑到图像的自相似性质，突破了邻域滤波只进行局部滤波的限制，能够在更大的范围内寻找相似像素。其次，该方法将相似像素定义为具有相同邻域模式的像素，利用像素周围固定大小的窗口内的信息来表示该像素的特征，这种表示方法比仅仅利用单个像素本身的信息得到的相似性更加可靠。

PPB图像去噪算法，是对非局部均值图像去噪算法的一个扩充，该方法提出了一个依赖于噪声分布模型的更为通用的而且更具统计根据性的相似性准则。它把去噪的过程定义为一个权值最大似然估计问题，这里的权值用数据驱动的方式得出，即这些权值可以通过迭代的方式根据噪声块之间的相似性和前一次估计中得到的噪声块之间的相似性来进行改进。该方法在处理噪声图像尤其是在处理低信噪比的SAR图像时明显提升了图像去噪的效果。

由于PPB图像去噪算法具有良好的边缘保持能力，同时对SAR图像进行去噪时体现了明显的优越性，因此得到了广泛应用。但是现有的图像去噪算法一般都是串行算法，随着遥感图像的分辨率不断提高，图像数据量也越来越大，在处理这些超大图像时，这种方法的最大缺陷是速度慢，不能满足对图像后续处理的实时性要求。

发明内容

本发明的目的在于克服上述已有问题的缺点，提出了一种基于GPU编程的SAR图像去噪方法，以提高对大规模SAR图像进行PPB去噪的速度，满足对图像后续处理的实时性要求。

本发明的技术方案是利用NVIDIA公司提出的计算统一设备架构CUDA来实现，具体步骤如下：

(1)对待去噪图像I进行延拓；

1a)对待去噪图像I按照尺寸D=2向四周延拓，得到延拓后的第一含噪图像I₁；

1b)对待去噪图像I按照尺寸W=7向四周延拓，得到延拓后的第二含噪图像I₂；

(2)在图形处理器GPU内设置内存区域A，分别将待去噪图像I、第一含噪图像I₁和第二含噪图像I₂存储到图形处理器GPU的内存A中；

(3)计算待去噪图像I中的每个像素点与其他像素点之间的权值w(s,t)：

3a)在图形处理器GPU内设置内存区域B；

3b)利用处理器GPU的内存A中的第一含噪图像I₁和第二含噪图像I₂，在图形处理器GPU内由多个线程并行计算待去噪图像I中每个像素点与其他像素点之间的中间权值R_s，t：

Rs,t=log(As,kAt,k+At,kAs,k),]]>