[发明专利]基于轮廓波域块隐马尔可夫模型SAR图像去噪方法

摘要

本发明公开了一种基于轮廓波域块隐马尔可夫模型SAR图像去噪方法，它涉及图像处理领域，主要解决现有方法缺少空间适应性，细节信息丢失严重，边缘模糊的问题。其步骤为：(1)对数变换和Contourlet分解；(2)对Contourlet系数进行Block HMM建模并训练；(3)利用估计参数对Contourlet系数进行校正；(4)对校正后的Contourlet数依次进行Contourlet逆变换和反对数变换，得到一次去噪图像；(5)对差值图像进行去噪，得到二次去噪图像；(6)对两次去噪图像进行融合，并对融合后的图像进行旋转平移，获得最终去噪图像并输出。本发明用于SAR图像去噪时改善了空间适应性，降低了计算复杂度，提高了去噪后图像边缘的清晰度。

主权项

1、一种基于轮廓波域块隐马尔可夫模型SAR图像去噪方法，包括：A建模步骤(A1)对输入SAR图像依次进行对数变换和Contourlet变换，获得Contourlet变换系数，得到高频Contourlet系数；(A2)对得到的高频Contourlet系数，按如下步骤建立Block HMM模型：①定义改进的背景为：$\mathrm{context}=w_0\·\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left|{\mathrm{NA}}_i\right|+w_1\·\underset{i=1}{\overset{4}{\mathrm{\Σ}}}\left|{\mathrm{NB}}_i\right|+w_2\·\left|P\right|+w_3\·\left(\right|C_1|+|C_2\left|\right)$其中NA是水平和垂直的相邻系数，NB是对角线相邻系数，C1，C2是最近的两个兄弟节点，P是高频Contourlet系数的父节点，w0＝1，w1＝0.6，w2＝0.2，w3＝0.6；②利用上述公式计算每一个高频Contourlet系数的改进背景；③利用下面的公式对每一个高频Contourlet系数的改进背景进行二值化，得到二值化值v：$v=\left\{\begin{array}{c}1,\mathrm{context}\<4w_0\·M+4w_1\·M+w_2\·\mathrm{Mp}+w_3\·({\mathrm{Mc}}_1+{\mathrm{Mc}}_2)\\ 0,\mathrm{context}\≥{4w}_0\·M+4w_1\·M+w_2\·\mathrm{Mp}+w_3\·({\mathrm{Mc}}_1+{\mathrm{Mc}}_2)\end{array}\right.$其中，w0＝1，w1＝0.6，w2＝0.2，w3＝0.6，v是改进背景二值化值，M，Mp，Mc1，Mc2分别表示高频Contourlet系数子节点所在子带的绝对平均值，父子带的绝对平均值，两个同尺度相邻方向子带的绝对平均值；④将高频Contourlet系数分成4×4或8×8或16×16的多个小块，再根据高频Contourlet系数的改进背景的二值化值把一个小块划分为两个互不相关的块；B模型训练步骤(B1)初始化Block HMM模型的均值、方差和初始状态概率，并通过EM算法训练Block HMM模型，得到该模型的最优估计参数；(B2)利用得到的最优估计参数按照贝叶斯最小均方误差准则，对高频Contourlet系数进行降斑处理，得到高频Contourlet无斑系数；(B3)对得到的高频Contourlet无斑系数依次进行Contourlet逆变换和反对数变换，得到一次去噪图像I1；C后处理步骤(C1)采用各向异性扩散方法对输入的SAR图像和一次去噪图像I1的差值图像进行去噪处理，得到二次去噪图像I2；(C2)用模极大值方法对一次去噪图像I1和二次去噪图像I2进行融合处理；(C3)对融合后的图像用CycleSpinning方法进行旋转平移处理，获得最终去噪图像，并输出。