[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

说明书

技术领域

本发明属于图像处理技术领域，具体涉及一种基于SVD字典和线性最小均方误差估计的SAR图像去斑方法。

背景技术

合成孔径雷达（Synthetic Aperture Radar，SAR）所成的图像具有全天候、全天时、高分辨率和强大的穿透能力等特点，被广泛地应用于目标识别、变换检测和水面监视。斑点噪声是SAR成像系统的一大特色，缘自基本分辨单元内地物的随机散射，在图像上表现为信号相关的小斑点，它既降低了图像的画面质量，又严重影响图像的自动分割、分类、目标检测以及其它定量专题信息的提取，因此，需要对斑点噪声进行抑制和去除。去斑方法的目标就是在去除噪声的同时保留图像的特征信息，比如保留图像的纹理、边缘和点状目标等信息。但是由于斑点噪声的乘性背景，这一目标的实现非常困难。目前，SAR图像去斑方法有多种，一般可以分为两大类，一类是基于空域的方法，一类是基于变换域的方法。

传统的空域统计类去斑方法一般先假定噪声的乘性模型，然后基于像素邻域窗口的局部统计特性进行滤波，其中具有代表性的空域滤波方法有Lee滤波、Kuan滤波、Frost滤波及其增强滤波。空域统计类去斑方法在同质区域取均值，对变化较快的点采取保留的策略，其缺点是去斑能力不足，对图像纹理的处理过于平滑或者不能有效的去除边缘周围的噪声。近年来，受非局部均值思想在自然图像去噪成功的启发，在SAR图像去斑领域涌现出了一系列基于非局部均值思想的去斑方法，其中具有代表性的去斑方法有PPB、基于贝叶斯非局部的均值滤波等。基于非局部均值思想的去斑方法，其本质上也属于空域统计类去斑方法，去斑能力非常强，但保持图像细节的的能力不够，存在易模糊图像的纹理、细节和点目标的缺点，传统的基于变换域的方法首先通过对数运算将斑点噪声的乘性模型转为加性模型，然后直接利用自然图像去噪算法去除斑点噪声。基于小波、Contourlet等变换的SAR图像去斑算法由于其多尺度、多分辨等优点获得了广泛的应用。该类方法中，由Sara Parrilli于2011年提出的SAR-BM3D方法是在PSNR指标上效果最好的方法之一。但是，变换域去斑算法本质上仍是基于固定窗口的滤波，在图像的边缘、线等区域会产生吉布斯现象。

发明内容

本发明的目的在于克服现有技术的不足，提出了一种基于SVD字典和线性最小均方误差估计的SAR图像去斑方法，以达到在增强SAR图像降斑能力的同时保持图像细节的去斑效果。

为实现上述目的，本发明所采取的技术方案:基于SVD字典和线性最小均方误差估计的SAR图像去斑方法,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：