[发明专利]无监督SAR图像去噪方法

摘要

本发明公开了一种无监督SAR图像去噪方法，主要解决现有SAR图像去噪时容易丢失图像边缘信息和细节信息的问题。其实现方案为：1)获取训练数据集；2)在用于无监督图像转换网络CycleGAN的基础上，构建SAR图像去噪网络；3)对CycleGAN网络的损失函数进行改进，得到SAR图像去噪网络的损失函数；4)利用训练数据集对SAR图像去噪网络进行训练，得到训练好的SAR图像去噪网络；5)将待去噪的SAR图像输入到训练好的SAR图像去噪网络中，得到去噪后的SAR图像。本发明能在保留图像边缘信息和细节信息的条件下有效地抑制实际SAR图像的相干斑噪声，可用于改善SAR图像质量和提高SAR图像的可解释性。

主权项

1.一种无监督SAR图像去噪方法，其特征在于：/n(1)制作数据集；/n1a)获取SAR图像，将其裁剪成256×256大小的图像，得到有噪声图像数据集，并将该数据集称为初始域A；/n1b)获取光学灰度图像，将其裁剪成256×256大小的图像，得到无噪声图像数据集，并将该数据集称为目标域B；/n(2)在用于无监督图像转换网络CycleGAN的基础上，构建SAR图像去噪网络DnCycleGAN；/n2a)对CycleGAN网络中的两个生成器结构进行改进，得到改进后的生成器G和F,其中G用于将初始域A中的图像x转换为类似于目标域B中图像的生成图像G(x)，F用于将目标域B中的图像y转换为类似于初始域A中图像的生成图像F(y)；/n2b)对CycleGAN网络中的两个判别器结构进行改进，得到改进后的判别器D_A和D_B，其中D_A用于判断它的输入图像是初始域A中的图像还是生成图像F(y)，D_B用于判断它的输入图像是目标域B中的图像还是生成图像G(x)；/n2c)在改进后的CycleGAN网络中添加两个判别器和得到SAR图像去噪网络DnCycleGAN，其包含改进后的两个生成器G和F、改进后的两个判别器D_A和D_B、新添加的两个判别器和其中用于判断它的输入图像是初始域A中的图像还是重建图像F(G(x))，用于判断它的输入图像是目标域B中的图像还是重建图像G(F(y))；/n(3)在用于无监督图像转换网络CycleGAN的损失函数的基础上进行改进，得到SAR图像去噪网络DnCycleGAN的损失函数Loss：/nLoss＝loss_GAN+loss_cyc+loss_glo,/n其中，loss_GAN、loss_cyc和loss_glo分别表示SAR图像去噪网络DnCycleGAN的对抗损失函数、循环一致损失函数和全局一致损失函数；/n(4)利用(1)中的数据集对(2)中的SAR图像去噪网络DnCycleGAN进行训练：/n4a)从初始域A和目标域B中分别随机抽取两张图片作为SAR图像去噪网络DnCycleGAN的输入；/n4b)采用后向传播算法更新SAR图像去噪网络DnCycleGAN的权值；/n4c)设置学习率为0.0001，重复步骤4a)和4b),直至SAR图像去噪网络DnCycleGAN的损失函数Loss收敛，得到训练好的SAR图像去噪网络DnCycleGAN；/n(5)将待去噪的SAR图像输入到训练好的SAR图像去噪网络DnCycleGAN的生成器G中，得到去噪后的SAR图像。/n