[发明专利]基于非局部平均和异质性测量的SAR图像斑点噪声抑制方法

说明书

技术领域

本发明属于图像处理技术领域，更具体地，涉及一种基于非局部平均和SAR图像异质性测量的SAR图像斑点噪声抑制方法。

背景技术

合成孔径雷达（Synthetic aperture radar，简称SAR）是一种主动式微波遥感器，由于具有全天时、全天候成像、高分辨率和强穿透力等优点，被广泛应用到军事和民用的各领域。然而，由于SAR系统的相干成像特点，SAR图像不可避免地受到相干斑噪声的污染。相干斑噪声的存在严重影响了SAR图像的视觉效果及其自动解译。SAR图像去噪需要在有效地抑制斑点噪声的同时，保持边缘和点目标等重要信息不丢失，它是保证后续SAR图像处理如分割、目标识别及图像解译等工作顺利完成的基础。

目前，SAR图像的去斑算法主要在局部空间域和小波域进行。传统的基于空域的滤波算法主要有Lee滤波、Frost滤波等；SAR图像的局部统计信息量（变差系数CV,又称为SAR图像异质性测量方式）在这类去斑算法中扮演着重要的角色，它们都是利用变差系数来判断待处理的局部区域是平坦的区域、边界区域、或高反射区域，从而决定对该局部区域进行平滑的程度。这些基于局部空域的滤波方法，虽然能有相对较好的降斑结果，但是对图像中的边缘和细节信息保持得不够好。其原因在于它们都假设真实的SAR图像场景是平稳的，而这种假设在SAR图像的边缘和细节区域是不成立的。基于小波的斑点噪声抑制算法主要有硬阈值、软阈值、小波域的维纳滤波及小波域Bayesian估计等方法，这类方法能克服空域滤波的缺点，假设真实的SAR图像场景是非平稳的，利用小波变换的多尺度特性分析SAR图像，能较好地在抑制斑点噪声的同时保持图像的边缘、纹理等细节信息，但是这类信号容易引入假信号（如光晕现象）。

最近，Buades等人利用图像的冗余性（即图像中小图像块之间的相似性），提出了针对自然图像加性白噪声的非局部均值（Non Local means,简称NL-means）去噪方法。该方法的基本思想是通过计算图像块之间的欧式距离来构造求均值的权重，而不是仅仅利用传统的单像素点的相似性来构造权重。这种非局部的方法在滤波的过程中将整幅图像的冗余信息考虑进来，可以更好地保持图像的边缘、纹理等特征。该NL-means只是在处理加性噪声的时非常有效；在面对乘性噪声（相干斑噪声、Possion噪声）时，效果不是很明显。究其原因：Buades的非局部平均滤波主要利用欧式距离作为图像块之间相似性的度量方式，这种度量方式在含有加性噪声图像中可以很好地度量图像块之间的结构相似性；但是，在含有乘性噪声的图像中，由于噪声与信号的相关性，这种度量方式的稳健性得不到保障。为了解决这个问题，研究者们对含有乘性噪声的图像块之间的相似性度量方式进行了深入的研究。Deledalle通过研究SAR图像中具有相同后向散射系数的两像素的联合概率密度函数（Probability density function,简称PDF）,给出了一种迭代的SAR图像像素相似性测量方法。Feng等人认为比值距离是一种鲁棒性更强的SAR图像像素相关性度量方式，并用此比值距离的PDF来分割SAR图像中同质区域，进而对真实后向散射系数进行估计。这类滤波算法成功地将非局部平局的思想引入到SAR图像的相干斑抑制中，取得了很好的滤波效果。Buades等提出非局域滤波器，由于其计算量比较大，限制了该滤波算法的实际使用。Deledalle等提出的利用联合PDF作为SAR图像像素相似性度量方式，其计算量在原始非局域滤波器算法的基础上增加了1倍。Feng等人提出的用比值距离的PDF来分割SAR图像中的同质区域，然后再在同质区域内进行非局部平均；该方法需要对8个方向进行自适应形状的同质区域分割，这也进一步增加了算法的计算量。

发明内容

针对现有技术的以上缺陷或改进需求，本发明提供了一种基于非局部平均和异质性测量的SAR图像去斑方法，其目的在于，解决现有基于空域和小波域的去斑算法中存在的边缘和细节信息保持得不够好和容易引入假信号的技术问题，以及现有利用PDF度量SAR图像像素相似性的非局部去斑算法方法中存在的计算复杂度偏高等技术问题。

为实现上述目的，按照本发明的一个方面，提供了一种基于非局部平均和异质性测量的SAR图像斑点噪声抑制方法，包括如下步骤：

（1）获取SAR图像，将该SAR图像划分成M个相同大小的搜索子块，根据这些搜索子块中包括平坦区域的子块的变差系数估计该SAR图像的异质性区域和同质性区域的变差系数范围，其中M为任意正整数；