一种超像素约束迭代PPB的SAR图像去噪方法
本发明涉及sar图像处理,具体涉及一种超像素约束迭代ppb的sar图像去噪方法。
背景技术:
1、合成孔径雷达(synthetic aperture radar,sar)作为一种主动微波遥感成像系统,具有全天时、全天候的工作能力,已广泛应用于地球观测、资源勘探、灾害监测和军事侦察等领域。然而,由于sar成像基于相干成像机理,所获取的图像中不可避免地存在相干斑噪声。该类噪声通常表现为颗粒状斑点,会降低图像信噪比和视觉质量,掩盖真实地物散射信息,并影响后续地物分类、目标检测、变化检测和定量反演等图像解译任务的准确性。
2、为了抑制sar图像中的相干斑噪声,现有技术中提出了多种空间域滤波、变换域滤波以及非局部均值类去噪方法。空间域滤波方法计算过程相对简单,但在平滑噪声的同时容易造成边缘和细节模糊;变换域方法能够在一定程度上分离信号与噪声,但仍可能存在振荡效应或细节丢失问题。非局部均值类方法利用图像中相似结构之间的冗余信息进行加权去噪,相较传统滤波方法具有更好的结构保持能力。其中,迭代ppb滤波方法通过概率模型构建像素或图像块之间的相似性关系,并采用加权最大似然估计进行图像重建,在sar图像相干斑抑制中具有一定应用价值。
3、但是,现有迭代ppb滤波方法通常依赖固定尺寸的矩形图像块进行相似性匹配。在包含边缘、纹理和不同目标区域的复杂sar图像中,固定矩形块容易跨越真实区域边界,使不同目标区域或强边缘两侧的不相似图像块被错误纳入同一匹配过程,从而产生跨区域误匹配,导致边缘模糊、结构混淆或伪影。同时,sar图像中的强相干斑噪声会干扰基于像素强度或统计距离的相似性度量,使权重估计难以准确反映真实结构关系,影响细节、弱边缘和微细结构的保留。因此,如何在抑制相干斑噪声的同时,减少跨区域误匹配并提高边缘、纹理及结构细节的保持能力,成为sar图像去噪处理中亟需解决的技术问题。
技术实现思路
1、为了克服现有迭代ppb滤波方法在sar图像去噪中依赖固定矩形块进行相似性匹配,容易产生跨区域误匹配,并且在强相干斑噪声干扰下相似性权重估计不准确,导致边缘、纹理及结构细节保持能力不足的问题,本发明提供了一种超像素约束迭代ppb的sar图像去噪方法。
2、本发明提供了一种超像素约束迭代ppb的sar图像去噪方法,包括:获取待处理sar图像;对所述sar图像进行预处理,得到用于超像素生成的预处理图像;基于所述预处理图像的局部纹理复杂度生成自适应超像素;利用所述自适应超像素对迭代ppb滤波中的候选匹配范围进行约束,使图像块在同质超像素内部或邻近超像素之间进行匹配;基于灰度共生矩阵纹理先验构建匹配图像块之间的纹理发散项,并将数据保真项、先验正则项和所述纹理发散项融合,得到纹理感知的相似性权重;基于所述纹理感知的相似性权重进行加权最大似然估计,并迭代更新得到去噪后的sar图像。
3、进一步地,所述预处理包括:对待处理sar图像进行对数域变换,得到对数域sar图像,其中,对数域变换用于降低sar图像中乘性相干斑噪声对后续处理的影响;对所述对数域sar图像进行形态学开运算处理,所述形态学开运算包括基于结构元素对图像进行腐蚀处理后再进行膨胀处理,以初步抑制小尺度相干斑噪声并获得用于超像素划分的预处理图像。
4、进一步地,所述基于所述预处理图像的局部纹理复杂度生成自适应超像素,包括:基于改进slic算法对所述预处理图像进行聚类划分;在初始化聚类中心时,将聚类中心移动至预设邻域内局部梯度最小的像素位置,以降低噪声扰动或边界不稳定区域对聚类中心选取的影响;在聚类迭代过程中,依据图像特征距离和空间距离构建归一化联合距离,并根据所述归一化联合距离确定像素归属,直至连续迭代之间的聚类中心变化小于预设阈值。
5、进一步地,所述生成自适应超像素,包括:采用灰度共生矩阵熵表征局部纹理复杂度;将局部纹理复杂度与纹理阈值进行比较;当局部纹理复杂度大于纹理阈值时,判定对应区域为纹理丰富区域,并采用小于标准超像素尺寸的超像素尺度;当局部纹理复杂度小于或等于纹理阈值时,判定对应区域为纹理稀疏区域,并采用大于标准超像素尺寸的超像素尺度。通过上述方式,使纹理丰富区域获得更细粒度的超像素划分,使纹理稀疏区域获得较大尺度的超像素覆盖。
6、进一步地,所述利用所述自适应超像素对迭代ppb滤波中的候选匹配范围进行约束,包括:根据自适应超像素分割结果确定当前像素对应的超像素区域;以所述当前像素对应的超像素区域及其邻近超像素区域作为候选匹配范围;在所述候选匹配范围内执行图像块相似性搜索,使相似性匹配主要发生在同质超像素内部或邻近超像素之间,从而减少固定矩形块跨越真实边界造成的跨区域误匹配。
7、进一步地,所述基于灰度共生矩阵纹理先验构建纹理感知的相似性权重,包括:基于迭代ppb滤波中的数据保真项计算图像块之间的统计相似性;基于前一次迭代得到的图像参数估计结果计算先验正则项;基于灰度共生矩阵提取候选图像块的纹理先验信息,并根据所述纹理先验信息构建纹理发散项;将所述数据保真项、所述先验正则项和所述纹理发散项进行融合,得到所述纹理感知的相似性权重。所述纹理感知的相似性权重用于表示候选图像块在统计相似性、前次迭代先验一致性和纹理一致性共同约束下的匹配权重。
8、进一步地,所述基于所述纹理感知的相似性权重进行加权最大似然估计,并迭代更新得到去噪后的sar图像,包括:根据所述纹理感知的相似性权重对候选匹配范围内的图像块进行加权;以最大化加权对数似然函数为目标估计当前像素的参数;根据估计结果更新参数图;对更新后的参数图继续进行权重计算和加权最大似然估计;当连续两次迭代结果之间的散度小于预设收敛阈值,或迭代次数达到预设最大次数时,停止迭代并输出去噪后的sar图像。
9、进一步地,所述自适应超像素约束与所述灰度共生矩阵纹理先验分别作用于迭代ppb滤波的候选图像块生成阶段和相似性权重计算阶段。所述自适应超像素用于在候选匹配范围形成阶段减少跨真实区域边界的候选图像块参与匹配;所述灰度共生矩阵纹理先验用于在权重计算阶段修正仅依赖强度或统计距离得到的相似性判断。通过候选范围约束和纹理感知权重修正的配合,使迭代ppb滤波在候选图像块选择和相似性权重分配两个层面同时受到结构一致性约束。
10、本发明具有以下有益效果:
11、第一、本发明通过自适应超像素对迭代ppb滤波中的候选匹配范围进行约束,使图像块在同质超像素内部或邻近超像素之间进行匹配,能够降低固定矩形块跨越真实区域边界造成的跨区域误匹配,减少边缘模糊和结构混淆。
12、第二、本发明基于局部纹理复杂度生成自适应超像素,使纹理丰富区域获得较细粒度划分,使纹理稀疏区域获得较大尺度覆盖,能够提高超像素划分与sar图像真实结构边界的贴合程度,并降低错误相似性估计对后续去噪过程的影响。
13、第三、本发明在迭代ppb滤波的相似性权重计算中引入灰度共生矩阵纹理先验,并将纹理发散项与数据保真项、先验正则项共同用于权重生成,使相似性权重同时考虑统计相似性、迭代先验信息和纹理一致性,能够降低相干斑噪声对相似性度量的干扰,提高边缘、纹理及精细结构信息的保持能力。
14、第四、本发明通过纹理感知的相似性权重进行加权最大似然估计并迭代更新去噪结果,能够在抑制sar图像相干斑噪声的同时保持图像结构细节,有利于提高后续变化检测任务中输入图像的可用性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com