[发明专利]一种基于采样矩阵方向优化的SAR图像去噪方法

说明书

技术领域

本发明属于合成孔径雷达图像去噪技术领域，具体涉及一种基于采样矩阵方向优化的ND-GSM模型的SAR图像去噪方法。

背景技术

合成孔径雷达(SAR)作为新一代的遥感信息源，具有全天候、多极化、多视角以及较强的地表松散物穿透能力，在军事、遥感等领域发挥出越来越大的作用。相干斑噪声(speckle)是SAR图像固有的一种确定性干涉现象，因此，抑制相干斑噪声成为SAR图像处理的一个重要环节。

相干斑噪声抑制技术可分为成像前多视平滑技术和成像后滤波技术两大类，后处理技术又可分为空域滤波和频域滤波。对于前者，如Lee,Gamma-MAP等基于局部统计量的自适应滤波方法得到了广泛的应用，此类滤波器的相干斑抑制能力与固定窗口的大小成正比，难以兼顾均匀区域的平滑和细节信息的保持。近二十年来，小波分析在SAR图像处理方面取得了较成功的应用。1995年Donoho等人提出对小波系数进行阈值处理来达到去噪的目的，此后小波阈值去噪方法被广泛应用于各种去噪处理中，并取得了巨大成功。但是由一维小波通过张量积而形成的二维可分离小波变换(Separable wavelet)只具有有限个方向，不能“最优”表示含线或者面奇异的二维图像。针对这个至关重要的问题，许多学者提出了“多尺度几何分析”(Multiscale Geometric  Analysis，MGA)研究方法。

2004年由Vladan Velisavljevic和Baltasar Beferull Lozano等人最初提出的Directionalet(方向小波)是一种新的多尺度几何分析工具，是以一维小波为基础，对小波变换在多方向上的扩展。它继承了小波变换可分性的特点，根据计算机图形学中数字化线段的理论和整数栅格理论，构造了多方向框架和多方向小波基。方向小波克服了标准二维小波在图像处理中不能很好地捕获图像方向特性的缺点，是Contourlet(轮廓小波)之后，基于离散域的又一种新的有效的图像处理工具。

非下采样的Directionlet变换(Nonsubsampled Directionlet，ND)在Directionlet变换的基础上改变了陪集的滤波方式，不再进行下采样，从而产生的冗余性使得变换系数之间具有更好的相关性，而且能够有效地捕捉图像中的各向异性特征。对于变换后各子带系数，高斯混合尺度(GSM)模型能有效地表示其边缘分布，同时体现了邻域系数间的强相关性。可是非下采样Directionlet变换的方向选取都是固定的角度，没有根据图像的特征进行变换，在图像直线边缘处有划痕和失真现象。因此，提出了一种非下采样Directionlet域高斯混合尺度(ND-GSM)模型的采样矩阵方向优化及SAR图像去噪，在分割子图中将采样矩阵优化的非下采样Directionalet变换与GSM方法相结合，构造采样矩阵方向优化的ND-GSM分解系数的邻域模型，利用Bayes最小均方估计对子图变换域进行局部去噪，最后合成去噪后的分割子图。相关实验研究结果表明，该方法能够有效抑制相干斑噪声，较完整地保持图像中的边 缘等细节信息，更加充分的体现邻域间系数的相关性，获得良好的视觉效果，其综合性能指标均优于小波等其他方法。

发明内容

本发明的目的是要提供一种新的SAR图像的去噪方法。该方法解决了当非下采样的Directionlet基函数的方向与图像中各向异性目标不一致时，对图像的逼近效果差，甚至退化为小波的现象。

首先采用非下采样Directionlet变换的采样矩阵的方向优化方法寻找方向优化的采样矩阵，其特征包含以下步骤：

步骤1：对图像进行几何平面分割，要求被分割图像的水平分辨率和垂直分辨率相等且都为64的整数倍，该整数倍数值即为分割的次数，分割后的子图尺寸像素大小应为64×64；

步骤2：对各子图进行二进小波变换，得到水平方向细节图h (i，j)和垂直方向的细节图v(i，j)；

其中(i，j)表示当前子带中二进小波变换系数的位置，i，j＝1，2，...，64；

步骤3：根据h(i，j)和v(i，j)，计算分割子图在(i，j)处的方向θ(i，j)，方法如下：

步骤3.1：若v(i，j)＞＞h(i，j)；

步骤3.2：θ(i，j)＝0，若h(i，j)＞＞v(i，j)；