[发明专利]基于变化检测的SAR图像稀疏去噪方法

摘要

本发明公开了一种基于变化检测的SAR图像稀疏去噪方法，其实现步骤为：（1）输入图像；（2）得到变化区域图像；（3）设定变化类；（4）得到两分类二值图；（5）得到两区域图像；（6）不变化区域去噪；（7）估计噪声标准差；（8）获得合成图；（9）稀疏字典去噪；（10）输出结果。本发明是针对SAR图像变化检测的去噪预处理，具有对变化区域一致性保持较好，能很好的抑制不变化区域的噪声，同时保留SAR图像特别是对后期变化检测影响较大的变化区域的纹理、轮廓、边缘细节信息，消除图像去噪后产生的划痕，减少因噪声抑制产生的伪信息，提高变化检测的精度的优点。

主权项

一种基于变化检测的SAR图像稀疏去噪方法，包括如下步骤：（1）输入图像：1a）选取两幅卫星对同一地点、不同时间产生的已配准的大小相同的单极化SAR图像；1b）读入第一幅单极化SAR图像矩阵中的时相图像1；1c）读入第二幅单极化SAR图像矩阵中的时相图像2；（2）得到变化区域图像：2a）对两时相SAR图像作差，并将作差运算结果取绝对值，得到一幅差异图像；2b）对差异图像进行窗口大小为3×3模板的均值滤波，得到滤波后的差异图像；2c）按照下式计算，得到滤波后的差异图像中任意一个像素点的平均能量， E = 1 9 Σ q ∈ B g q 2 其中，E表示任意一个像素点的平均能量，q表示以像素点为中心，大小为3×3像素的邻域内的像素序号，q=1，2，…，9，B表示以像素点为中心，大小为3×3像素的邻域，gq表示邻域B内的第q个像素的灰度值；2d）用每个差异图像中的像素点的平均能量，替代每个差异图像中的像素点的灰度值，得到一幅平均能量图；2e）计算平均能量图的灰度均值，将该均值设定为阈值，将大于等于阈值的灰度值赋为1，小于阈值的灰度值赋为0，得到一幅二值化的平均能量图；2f）对二值化的平均能量图，用3×3的结构元素进行形态学腐蚀操作，得到变化检测图像，该变化检测图像中像素值为1的区域表示检测出的两时相图像的变化区域；2g）将时相图像1和时相图像2中与两时相图像变化区域对应的空间位置之 外的像素灰度值分别设置为0，得到时相图像1的初始变化区域图像和时相图像2的初始变化区域图像；（3）设定变化类：3a）用时相图像1的初始变化区域图像减去时相图像2的初始变化区域图像，得到一个初始变化区域差异图像；3b）将初始变化区域差异图像中像素值小于等于设定的阈值T1的像素点，设定为非变化类；将初始变化区域差异图像中像素值大于阈值T1的像素点设定为变化类；3c）分别将与初始变化区域差异图像中设定为变化类的像素点的空间位置对应的时相图像1初始变化区域和时相图像2初始变化区域中的像素值设置为1；（4）得到两分类二值图：4a）对初始变化区域差异图像中每一个属于非变化类的像素点，在以该像素点为中心的3×3大小的邻域内，统计大于0的像素个数；4b）比较邻域内大于0的像素个数与阈值T2、T3的大小，进行以下操作，得到时相图像1的两分类二值图和时相图像2的两分类二值图：若邻域内大于0的像素个数大于等于阈值T2，则将与满足此条件的非变化类的像素空间位置对应的时相图像1的初始变化区域图像的像素点的值设置为1；若邻域内大于0的像素个数小于阈值T3，则将与满足此条件的非变化类的像素空间位置对应的时相图像2的初始变化区域图像的像素点的值设置为1；若邻域内大于0的像素个数小于阈值T2并大于等于阈值T3，则将与满足此条件的非变化类的像素空间位置对应的时相图像1的初始变化区域图像和时相图像2的初始变化区域图像的像素点的值均设置为1；将时相图像1的初始变化区域图像和时相图像2的初始变化区域图像中没有标记的像素点的值设置为0；(5)获得两区域图像：5a）将时相图像1的两分类二值图与时相图像1的图像的空间位置对应的 像素值逐像素点相乘，得到时相图像1的变化区域图像；用时相图像1减去时相1图像的变化区域图像，得到时相图像1的不变化区域图像；5b）将时相图像2的两分类二值图和时相图像2的空间位置对应的像素值逐像素点相乘，得到时相图像2的变化区域图像；用时相图像2减去时相图像2的变化区域图像，得到时相图像2的不变化区域图像；（6）不变化区域去噪：用小波隐马尔科夫树WHMT法，分别对时相图像1和时相图像2的不变化区域图像去噪，得到时相图像1和时相图像2的不变化区域去噪后图像；（7）估计噪声标准差：7a）按照下式，分别得到时相图像1和时相图像2的不变化区域图像噪声标准差 σ = 1 Z Σ Q ( v 1 - v 2 ) - 1 Z Σ Q ( v 1 - v 2 ) 2 其中，σ表示时相图像的不变化区域图像噪声标准差，Z表示时相图像的不变化区域图像中的像素点的总个数，Q表示时相图像的不变化区域图像，v1表示时相图像的不变化区域图像的像素点的灰度值，v2表示在时相图像的不变化区域去噪后图像中与v1空间位置对应的像素点的灰度值；（8）获得合成图：分别将每个时相图像的不变化区域去噪后图像，与该时相图像的变化区域图像对应空间位置的像素值相加，得到时相图像1的合成图像和时相图像2的合成图像；（9）稀疏字典去噪：9a）分别对两时相图像的过完备稀疏表示字典初始化，过完备稀疏表示字典都选取为离散余弦变换DCT字典；9b）按照下式，分别得到两时相图像的合成图像的图像块：Iij=RijI其中，Iij表示两时相图像合成图像的图像块，i，j表示两时相图像合成图像的图像块的行的标号和列的标号，Rij表示图像抽取矩阵，I表示两时相图像合成图像；9c）判断不变化区域图像的噪声标准差是否小于等于5，若是，则执行步骤9d）5次；否则，执行步骤9d）10次；9d）采用稀疏表示的字典设计方法KSVD法，对时相图像1和时相图像2，分别更新过完备稀疏表示字典和合成图像的图像块Iij的稀疏表示系数；9e）采用重构公式，分别估计时相图像的去噪结果图，得到时相图像1去噪结果图和时相图像2去噪结果。（10）输出结果：输出时相图像1和时相图像2的去噪结果图。