[发明专利]一种基于伪PID的自然梯度的极化SAR图像相干斑去噪方法

权利要求书

1.一种基于伪PID的自然梯度的极化SAR图像相干斑去噪方法,其特征在于：

(1)把同一时刻采集的一组n幅极化SAR图转换成一维矢量图像，第i幅图像表示为x_i，每一幅图像的大小为N×M像素点，每一幅图像把后一行的第一个像素点紧跟着前一行的最后一个像素点，得到一个长度为N×M的一维行矢量X_i，将所有的行矢量组成一个输入图像矢量信号X=X1...Xn;]]>

(2)对一维图像信号进行预处理：

X中减去均值矢量E(X)，使X为均值为零的变量；每一路信号X_i的数学期望采用算术平均值代替，第i路信号去均值为：

X0i(t)=Xi(t)-1N×MΣi=1N×MXi(t)]]>

其中t是数据点数；

通过特征值分解X_0i的协方差矩阵其中D为特征值组成的对角矩阵，Q为对应特征值的特征向量组成的矩阵，得到白化矩阵T＝D^-1/2Q^T，由变换Z＝TX_0i得白化信号，最后得到白化数据Z；

(3)预处理之后的图像信号通过使用伪PID自然梯度算法进行迭代解算得到分离矩阵，与白化后的信号相乘得到各个图像一维信号输出；

伪PID自然梯度算法的实现包括：

(3.1)随机初始化第一个分离矩阵W(1)有||W(1)||＝1，Y(1)＝W(1)Z，k＝1；

(3.2)初始化参数kp、ki、kd和η(1)＝n(2)＝α，计算分离度：

SD(k)=||[I-f(Y)YT]W(k)||F2]]>

当k＞2时，

Δη(k)=kp*(SD(k)-SD(k-1))+ki*SD(k)+kd*(SD(k)-2*SD(k-1)+SD(k-2))η(k+1)=η(k)+Δη(k)]]>

W(k+1)＝W(k)+η(k)[I-f(Y)Y^T]W(k)更新权值矢量W(k+1)；

(3.3)归一化计算：W(k+1)=W(k+1)||W(k+1)||;]]>

(3.4)如果||W(k+1)-W(k)||≥ε，则算法不收敛，计算Y(k)＝W(k+1)Z，k＝k+1，返回(3.2)，否则算法结束输出W，并计算Y＝WZ；

(4)图像重构：因为Y的每一个行向量就是一个一维图像信号，计算各重构图像的等效视数ENL，第i幅图等效视数为：

ENLi=E2(Yi)Var(Yi)]]>

找出等效视数最大的一维信号，等效视数最大的是降噪后的SAR图，将等效视数最大的一维信号转换成二维图像，按照二维转一维相逆的方法转换成一个N×M像素点的灰度图像。