[发明专利]经验模态分解和稀疏表示相结合的SAR图像去噪方法

摘要

经验模态分解和稀疏表示相结合的SAR图像去噪方法，属于图像去噪技术领域。本发明是为了解决传统基于经验模态分解的SAR图像去噪方法对SAR图像中的细节保留不足，造成目标缺失，影响去噪效果的问题。它是将待处理SAR图像转换为原始趋势图像；然后对原始趋势图像进行分解和去噪，它利用经验模态分解的时频特性、分解后图像的稀疏性以及稀疏表示对噪声不敏感的特性，通过对高频分量噪声部分的分析，对高频分量进行稀疏分解，再通过估计高频分量重噪声方差进行稀疏分解的重构和经验模态分解重构，最终实现了SAR图像的噪声抑制。本发明用于SAR图像去噪。

主权项

一种经验模态分解和稀疏表示相结合的SAR图像去噪方法，其特征在于，它首先对含噪SAR图像进行经验模态分解，获得N个固有模态分量，N＝1,2,3,……，N；然后应用稀疏表示对获得的N个固有模态分量进行噪声抑制，获得去噪后的SAR图像；具体包括以下步骤：步骤一：将待处理SAR图像转换为原始趋势图像；步骤二：判断原始趋势图像是否需要分解，若是，执行步骤三；否则，执行步骤八；步骤三：对原始趋势图像进行极值点求解，获得区域极大值点集和区域极小值点集；步骤四：对区域极大值点集和区域极小值点集进行平面插值，获得原始趋势图像的上、下包络面，根据原始趋势图像的上、下包络面获得原始趋势图像的均值包络面；步骤五：用原始趋势图像减去均值包络面获得新趋势图像，判断当前新趋势图像是否满足筛分停止条件，若是，则执行步骤六；否则，将当前新趋势图像赋值给原始趋势图像，然后执行步骤三；步骤六：将当前新趋势图像作为迭代产生的一个当前固有模态分量；步骤七：用原始趋势图像减去当前固有模态分量，获得的过程趋势图像赋值给原始趋势图像后，执行步骤二，直至获得N个固有模态分量和一个最终过程趋势图像，执行步骤八；步骤八：分解结束；步骤九：对顺序获得的前三个固有模态分量进行稀疏分解，获得三个新模态分量；步骤十：对三个新模态分量和顺序获得的后N‑3个固有模态分量进行经验模态分解重构，获得去噪后的SAR图像。