[发明专利]一种基于MCA的SAR图像抑噪方法

摘要

本发明涉及一种基于MCA的SAR图像抑噪方法，技术特征在于：将MCA方法应用于SAR图像中乘性噪声的抑制。由于图像中一般包含边缘/轮廓和纹理两种形态成分，根据curvelet良好的边缘/轮廓表示特性和局部离散余弦变换(Local DiscreteCosine Transform，LDCT)良好的局部纹理表达能力，本发明在MCA的统一框架下，利用curvelet和LDCT的字典组合，从而达到对SAR图像进行抑噪的目的。因此对于含噪图像，该方法能将图像的有效成分分离出来而将噪声保留在残余图像中，从而达到抑噪的目的。在仿真和真实SAR图像上的实验结果均表明，本发明与传统的基于wavelet和curvelet的方法相比能得到较好的抑噪效果。

主权项

一种基于MCA的SAR图像抑噪方法，其特征在于步骤如下：步骤1：将SAR图像的灰度值矩阵镜像扩展至边长为2的指数次方的方阵，所述的镜像扩展为：首先将原SAR图像复制到模板方阵的中央，然后将原SAR图像面向模板方阵的四个边进行对称扩展；步骤2：对步骤1中扩展后方阵取对数得到对数图像；步骤3：选择curvelet和LDCT的字典组合，分别对对数图像进行curvelet和LDCT变换，得到对应的两个变换系数矩阵；步骤4：对得到的两个变换系数矩阵分别进行硬阈值处理，得到两个硬阈值处理系数矩阵；所述硬阈值处理中的阈值选取分别为：curvelet中阈值选为λ*Ejw，其中Ejw表示curvelet变换第j个尺度下第w个方向的系数矩阵的二范数，j≥2；λ为两个变换系数矩阵中的最大幅值，LDCT中阈值选为λ；步骤5：对两个硬阈值处理系数矩阵分别进行逆变换，且对curvelet逆变换后的矩阵采用Haar小波软阈值方法进行全变差Total Variation，TV规则化，得到两个原子表示的对应图像成分矩阵；步骤6：对两个原子表示的对应图像成分矩阵相加得到的和矩阵后进行指数变换，得到指数变换图像；步骤7：对指数变换图像按照镜像扩展时原始图像在模板方阵中的位置和大小进行裁剪，得到抑噪后的SAR图像。