[发明专利]基于SVD字典和线性最小均方误差估计的SAR图像去斑方法

摘要

本发明涉及一种基于SVD字典和线性最小均方误差估计的SAR图像去斑方法1)对输入的SAR图像中每一个图像块，根据距离公式计算该图像块与其搜寻区域内所有图像块的距离；2)根据距离最小原则构建相似集合；3)对相似集合进行奇异值分解得到SVD字典，并将相似集合向SVD字典上投影得到变换系数；4)依据线性最小均方误差准则，对变换系数进行收缩；5)对处理后的变换系数进行反变换得到去噪后的相似集合，用相似集合重构出去噪后的图像；6)迭代进行上述过程，得到最终去噪结果。本发明有效地解决了现有SAR图像去斑结果中细节保持与平滑程度的矛盾问题，在更好平滑斑点噪声同时保持SAR图像的特征信息。

主权项

基于SVD字典和线性最小均方误差估计的SAR图像去斑方法，其特征在于包括如下步骤：1)对输入图像v进行窗口大小为3×3的Lee滤波，得到预处理后的图像v0；2)在图像中每隔5个像素点采样一个图像块作为中心块，根据距离公式计算各个中心块与其搜索邻域内所有图像块的距离：d(v(xi),v(xj))=Σm=1M×M((2L-1)log(v(m)(xi)v(m)(xj)+v(m)(xj)v(m)(xi))+γL|v0(m)(xi)-v0(m)(xj)|v0(m)(xi)v0(m)(xj)),]]>其中，L为SAR图像视数，xi是待估计的像素点，xj是以xi为中心的大小为N×N的搜索邻域中的像素点，v(xi)是以xi为中心的M×M大小的块的灰度值所形成的向量，v(xj)是以xj为中心的M×M大小的块的灰度值所形成的向量，v(m)(xi)表示向量v(xi)的第m个元素，v(m)(xj)表示向量v(xj)的第m个元素，γ是一个调和参数；3)根据计算出的搜索邻域内所有图像块到中心块的距离，选择距离最小的20个图像块，从图像v中提取此20个图像块进行向量化形成一个含噪的相似集合Y；同样地，从预处理后的图像v0中提取此20个图像块进行向量化形成一个预处理后的相似集合Y0；4)对Y0中的图像块取均值，得到均值图像块y0，对y0取倒数得到向量β，将β作为该相似集合的权值向量；5)利用权值向量β分别对含噪相似集合Y和预处理后的相似集合Y0进行噪声均匀化处理，得到含有匀质噪声的相似集合和即Y‾=βTY,Y‾0=βTY0]]>其中，T为矩阵转置；6)将和分别向SVD字典上投影得到系数矩阵A和A0，即A=U0TY‾,A0=U0TY‾0]]>其中，T为矩阵转置，U0是对含有匀质噪声的相似集合进行SVD分解得到的SVD字典，即对进行SVD分解Y‾0=U0ΣVT]]>得到SVD字典U0；∑和V分别表示SVD分解中的对角阵和另一个正交矩阵；7)利用系数矩阵A0估计无噪图像在变换域的方差，即计算系数矩阵A0在各行上的方差得到向量并利用公式σn2(i)=D(n)D(n)+E2(n)Σk=1t<di2,yk2>]]>计算噪声在变换域的方差向量其中表示向量的第i个元素，D(n)和E(n)分别为乘性斑点噪声的方差和均值，di是SVD字典U0的第i个原子，yk为含有匀质噪声的相似集合中第k个图像块对应的向量，t为含有匀质噪声的相似集合的势；(8)根据线性最小均方误差准则，计算预处理后的相似集合Y0在变换域的系数矩阵的估计值即：A^i=A0i+σ02(i)σ02(i)+σn2(i)[Ai-A0i]]]>其中，是无噪图像在变换域的系数矩阵的估计值，表示的第i行，表示A0的第i行，表示第i个元素；9)利用真实系数矩阵的估计值得到去噪后的相似集合其中，T为矩阵转置；Y^=y0TU0A^]]>10)按照步骤3)至9)，计算出每个预处理后的相似集合Y0的去噪后的相似集合用各个去噪后的相似集合重构出整幅图像11)判断是否已经完成w次迭代，如果未完成，则步骤10)中的图像取代原预处理后的SAR图像v0，转到步骤1)；如果已经完成，则结束执行，将作为去斑结果图像。