[发明专利]基于PCA变换的SAR图像相干斑抑制方法

说明书

技术领域

本发明属于图像数据处理技术领域，具体地说是一种相干斑抑制方法，可用于SAR图像斑点噪声的抑制。

背景技术

合成孔径雷达SAR是一种高分辨率成像雷达。它具有全天候，多极化，多视角，多俯角数据获取能力及对一些地物的穿透能力，不仅被广泛地应用在军事上，在农业、气象、地形地貌、灾情监控等民用上也有大量的应用。但由于SAR发射的是相干波，这些相干波经过与地物的相干作用，特别是地物的后向散射作用,使目标回波信号产生了衰减,这种衰减表现在图像上就是相干斑噪声。因为原理的缺陷性，导致SAR图像存在着严重的相干斑噪声，影响了后续的图像解译，因此如何抑制SAR图像中的相干斑噪声，提高图像的解读能力以及获得更多的信息成为一个重要的问题。SAR图像相干斑抑制的首要目标是在滤除斑点噪声的同时，尽可能的保持图像的细节信息。

SAR图像的相干斑噪声是一种复杂的乘性噪声模型，对于斑点噪声这种特殊的性质，在过去的近二十年中，人们提出了很多经典的SAR图像相干斑抑制方法，如Lee滤波，增强Lee滤波，Kuan滤波等。这些方法是用一个已定义好的滤波器窗来估计局域相干斑噪声的方差，并进行滤波处理，其结果通常过分的平滑了图像的边缘细节信息，在一定程度上取得了较好的效果。除了在空域进行图像相干斑抑制外，1995年，美国学者Donoho把小波理论引入到图像去噪中，提出了小波软阈值方法。小波软阈值法开创了变换域进行图像去噪的先河，之后涌现了许多变换域去噪的优秀成果，包括多尺度变换的图像去噪方法。小波软阈值方法是一种非线性的算法，依然存在破坏图像细节信息的问题，对图像的辐射特性保持也不好。

PCA变换作为一种数据降维和去噪的相关工具，广泛的应用于很多领域，比如人脸识别等。PCA变换已有人用来做自然图像的去噪，跟小波变换一样，它也能捕获图像的结构特征，但是由一维小波基张成的二维小波变换，不是图像的最优表示，用一个固定的小波基无法表示图像中大量丰富的局部结构，因此基于小波的去噪方法，会引入视觉上的划痕，也就是变换域中最常见的“振铃”现象。为了克服小波变换去噪方法带来的一些问题，Muresan和Parks等人第一次提出了空间自适应的PCA去噪的策略。2010年Lei Zhang和Weisheng Dong等人在Muresan的算法基础上提出了性能更加优良的方法，这种方法为PLG-PCA，其效果与目前非常优秀的非局部均值方法NLM和三维块匹配的联合滤波BM3D方法相差无几，但是以上PCA算法目前只应用于噪声模型为加性的自然图像中，不能用到噪声模型为乘性的SAR图像中。

发明内容

本发明的目的在于提出了一种基于PCA变换的SAR图像相干斑抑制方法，将性能优异的PCA变换域去噪方法扩展到噪声模型为乘性的SAR图像中，实现对SAR图像充分滤波的同时保持点目标和边缘细节信息。

为实现上述目的，本发明技术方案包括如下步骤：

(1)取SAR图像的一个像素点x，以像素点x为中心取7×7大小的邻域窗，记为图像块v；

(2)以像素点x为中心取21×21的大窗为训练样本搜索窗，并在训练样本搜索窗中选取与图像块v相似的图像块s，共同组成样本矩阵X；

(3)计算样本矩阵X的协方差矩阵Ω，求出协方差矩阵Ω的特征值和特征向量；

(4)对特征值与特征向量进行PCA变换，即将协方差矩阵Ω的特征值按从大到小排列，得到新的特征值V，将特征值所对应的特征向量也重新排列，得到新的特征向量P；

(5)由样本矩阵X的中心化矩阵和特征向量P的转置矩阵P^T，求得含噪的特征系数：Y=X‾PT;]]>

(6)用线性最小均方误差方法对含噪特征系数Y的第一列Y₁进行估计，得到估计后的特征系数

(7)用估计后的特征系数重建图像块，得到去噪后的图像块其中，μ是样本矩阵X的均值；

(8)将SAR图像的每一个像素点对应的图像块，进行步骤(2)-步骤(7)处理，并对一些重复估计的像素点，取平均，得到基本的去噪结果；

(9)在基本的去噪结果上，更新噪声水平，再重复一次步骤(1)-步骤(8)，得到最终的噪声抑制结果。