[发明专利]基于SAR图像局部统计特性的K-SVD相干斑抑制方法

摘要

本发明公开了一种基于SAR图像局部统计特性的K-SVD相干斑抑制方法，主要解决现有相干斑抑制方法中存在的边缘和纹理等细节信息被模糊的问题。其实现过程是：输入一幅SAR图像，对SAR图像进行重叠块提取操作，得到重叠块向量集合；然后对重叠块向量集合进行随机抽样，得到训练样本集合；对训练样本进行SAR_KSVD字典训练，得到最终的训练字典；在最终的训练字典下对重叠块向量集合进行SAR_OMP稀疏编码，得到稀疏编码系数；根据冗余稀疏表示图像噪声抑制理论，利用最终的训练字典和稀疏编码系数，得到相干斑抑制后图像。本发明能够有效地抑制同质区域的斑点噪声，能很好的保持强反射点目标的亮度和边缘纹理清晰，可用于土地资源监测、自然灾害分析等诸多领域的SAR图像。

主权项

1.一种基于SAR图像局部统计特性的字典训练K-SVD相干斑抑制方法，包括如下步骤：(1)对大小为的SAR图像I进行重叠块提取，并将其向量化，得到重叠块向量集合其中N是图像I中所有的像素个数，y_i是一个重叠块向量，M是重叠块向量的个数；(2)对重叠块向量集合进行随机选取，得到训练样本集合其中任意一个训练样本M′是训练样本数目，且满足0＜M′≤M的正整数；(3)基于SAR图像局部统计特性，根据冗余稀疏表示图像噪声抑制理论，得到相干斑抑制目标函数f₁；(4)用训练样本集合对训练字典D进行如下SAR_K-SVD字典训练，得到最终的训练字典(4.1)令i＝1，k＝1，P＝1，其中i是训练样本y_i′的下标，k是字典D的第k列d_k的下标，P是迭代次数；(4.2)根据步骤(3)中的相干斑抑制目标函数f₁，在保持训练字典D不变的情况下，得到适用于SAR图像的稀疏编码目标函数f₂；(4.3)对训练样本集合Y′的第i个训练样本y_i′进行如下SAR正交匹配追踪SAR_OMP稀疏编码，得到y_i′的稀疏编码系数α_i：(4.3a)令初始下标集合I⁰＝()，初始残差r⁰＝yi′，初始稀疏表示系数初始误差(4.3b)令残差r′＝r⁰，下标集合I′＝I⁰，稀疏程度j＝0；(4.3c)根据公式求得最佳下标其中d_k是字典D的第k列，是d_k的转置，是对求绝对值；(4.3d)将步骤(4.3c)中求得的代入下标集合更新公式中，得到更新后的下标集合I′；(4.3e)将步骤(4.3d)中求得的I′代入稀疏表示系数更新公式α_i＝(D_I′)⁺y_i′中，得到更新后的稀疏表示系数α_i，其中D_I′是字典D的子矩阵，(D_I′)⁺是对矩阵D_I′进行求矩阵逆运算；(4.3f)将步骤(4.3e)中求得的α_i代入残差更新公式r′＝y_i′-D_I′α_i中，得到更新后的残差r′；(4.3g)根据步骤(4.2)中的稀疏编码目标函数f₂，构建误差更新公式其中r′是更新后的残差，D_I′是更新后的训练字典D的子矩阵，α_i是更新后的稀疏表示系数；(4.3h)将步骤(4.3e)、(4.3f)中求得的α_i，r′代入步骤(4.3g)中的误差更新公式中，得到更新后的误差E′；(4.3i)令稀疏程度j＝j+1，下标集合I⁰＝I′，如果E′＞ε且j＜L，则转入步骤(4.3j)，否则α_i即为训练样本y_i′的稀疏编码系数，其中ε是控制误差，L是最大稀疏程度；(4.3j)重复执行步骤(4.3c)-(4.3h)；(4.4)利用步骤(4.3)中得到的稀疏编码系数α_i，采用奇异值分解法SVD对字典D的第k列d_k进行更新，得到更新后的字典D′；(4.5)令训练字典D的列下标k＝k+1，D＝D′；如果k≤T，则转入步骤(4.6)，否则转入步骤(4.7)，其中T是字典的列数目；(4.6)重复执行步骤(4.3)-(4.5)；(4.7)令训练字典D的列下标k＝1，训练样本下标i＝i+1，如果i≤M′，则转入步骤(4.8)，否则转入步骤(4.9)，其中M′是训练样本数目；(4.8)重复执行步骤(4.3)-(4.7)；(4.9)令迭代次数P＝P+1，如果P≤J，则转入步骤(4.10)，否则得到最终的训练字典其中D是迭代过程中的训练字典，J是最大迭代次数；(4.10)重复执行步骤(4.3)-(4.8)；(5)根据冗余稀疏表示图像噪声抑制理论，利用步骤(4)中得到的最终训练字典对所有的重叠块向量集合Y进行噪声抑制，获得相干斑抑制后图像