[发明专利]基于SVD字典和线性最小均方误差估计的SAR图像去斑方法

权利要求书

1.基于SVD字典和线性最小均方误差估计的SAR图像去斑方法，其特征在于包括如下步骤：

1)对输入图像v进行窗口大小为3×3的Lee滤波，得到预处理后的图像v₀；

2)在图像中每隔5个像素点采样一个图像块作为中心块，根据距离公式计算各个中心块与其搜索邻域内所有图像块的距离：

d(v(xi),v(xj))=Σm=1M×M((2L-1)log(v(m)(xi)v(m)(xj)+v(m)(xj)v(m)(xi))+γL|v0(m)(xi)-v0(m)(xj)|v0(m)(xi)v0(m)(xj)),]]>

其中，L为SAR图像视数，x_i是待估计的像素点，x_j是以x_i为中心的大小为N×N的搜寻区域中的像素点，v(x_i)是以x_i为中心的M×M大小的块的灰度值所形成的向量，v(x_j)是以x_j为中心的M×M大小的块的灰度值所形成的向量，v^(m)(x_i)表示向量v(x_i)的第m个元素，v^(m)(x_j)表示向量v(x_j)的第m个元素，γ是一个调和参数；

3)根据计算出的搜寻区域内所有图像块到中心块的距离，选择距离最小的20个图像块，从图像v中提取此20个图像块进行向量化形成一个含噪的相似集合Y；同样地，从预处理图像v₀中提取此20个图像块进行向量化形成一个预处理后的相似集合Y₀；

4)对Y₀中的图像块取均值，得到均值图像块y₀，对y₀取倒数得到向量β，将β作为该相似集合的权值向量；

5)利用权值向量β分别对含噪相似集合Y和预处理后的相似集合Y₀进行噪声均匀化处理，得到含有匀质噪声的相似集合和即

Y‾=βTY,Y‾0=βTY0]]>

其中，T为矩阵转置；

6)将和分别向SVD字典上投影得到系数矩阵A和A₀，即

A=U0TY‾,A0=U0TY‾0]]>

其中，T为矩阵转置，U₀是对预处理后的相似集合进行SVD分解得到的SVD字典，即对进行SVD分解

Y‾0=U0ΣVT]]>

得到SVD字典U₀；

7)利用系数矩阵A₀估计无噪图像在变换域的方差，即计算矩阵A₀在各行上的方差得到向量并利用公式

σn2(i)=D(n)D(n)+E2(n)Σk=1t⟨di2,yk2⟩]]>

计算噪声在变换域的方差向量

其中表示向量的第i个元素，D(n)和E(n)分别为乘性斑点噪声的方差和均值，d_i是字典U₀的第i个原子，y_k为相似集合中第k个图像块对应的向量，t为相似集合的势；

8)根据线性最小均方误差准则，计算无噪相似集合在变换域的系数矩阵的估计值即：

A^i=A0i+σ02(i)σ02(i)+σn2(i)[Ai-A0i]]]>

其中，是无噪图像在变换域的系数矩阵的估计值，表示的第i行，表示A₀的第i行，表示第i个元素；

9)利用真实系数矩阵的估计值得到去噪后的相似集合其中，T为矩阵转置；

Y^=y0TU0A^]]>

10)按照步骤3)至9)，计算出每个含噪相似集合Y₀的无噪估计值用各个相似集合的无噪估计值重构出整幅图像

11)判断是否已经完成w次迭代，如果未完成，则步骤10)中的图像取代原预处理后的SAR图像v₀，转到步骤1)；如果已经完成，则结束执行，将作为去斑结果图像。