一种基于场景统计特性的SAR图像实时动态量化方法与流程
本发明涉及sar图像处理,具体涉及一种基于场景统计特性的sar图像实时动态量化方法。
背景技术:
1、合成孔径雷达(sar)作为主动微波对地观测的核心成像技术,具备全天时、全天候、高分辨率成像能力,已成为遥感测绘、灾害监测、海洋管控、国防侦察等领域不可或缺的技术手段。sar原始成像数据具备极宽的辐射动态范围,需通过量化处理将高精度连续幅度数据映射为8位或16位等标准位宽的离散整型灰度图像,量化过程直接决定了输出图像的信息保真度、地物细节表现力与视觉对比度,同时需适配星载、机载等平台严苛的实时处理与硬件实现要求。
2、现有sar图像量化普遍采用最大值线性量化与直方图截断量化两类主流技术方案,受sar图像固有乘性斑点噪声与重尾分布特性的制约,两类方案均存在难以突破的技术瓶颈:其一,最大值量化方法以图像全局最大值为基准开展线性映射,计算逻辑简单且可保持辐射线性关系,但sar图像中少量角反射器、金属建筑等强散射点会导致全局最大值异常增大,绝大多数植被、水体等背景像素被压缩至极窄的低灰度区间,输出图像整体偏暗,地物边缘、纹理等关键细节大量丢失,无法兼顾亮部与暗部的信息呈现;其二,直方图类量化方法通过灰度分布统计截断极值像素,一定程度上缓解了强散射点的干扰,但需构建完整的图像灰度直方图,计算复杂度高、内存开销大,难以满足嵌入式实时成像平台的处理时效要求,且针对同时包含城市、水体、植被的多模态分布场景,无法自适应确定最优截断阈值,易出现局部过曝或暗部细节丢失,场景适配能力有限;其三,现有量化方案多采用固定截断系数与映射规则,无法根据场景离散程度动态调整量化策略,均匀地物场景易出现灰度利用率不足、对比度偏低,复杂强散射场景则易出现亮部信息饱和截断,难以在全类型观测场景下同时实现高信息完整性与良好的视觉呈现效果。
3、因此,亟需一种可基于场景统计特性自适应调整量化参数、兼顾绝大多数像素信息完整性与图像对比度、且计算复杂度低、易于软硬件并行实现的sar图像实时动态量化方法,满足各类sar成像平台高精度、高实时性的图像处理需求。
4、可以理解的是,上述陈述仅提供与本发明有关的背景技术,而并不必然地构成现有技术。
技术实现思路
1、本发明的目的是提供一种基于场景统计特性的sar图像实时动态量化方法,旨在解决现有技术中固定参数无法适应sar图像复杂场景分布的问题,在保留绝大多数有效像素信息的同时,实时高效地最大化图像的视觉对比度和信息熵。
2、为了达到上述目的,本发明提供了一种基于场景统计特性的sar图像实时动态量化方法,包含以下步骤:s1、获取sar传感器采集的复图像,对所述复图像进行求模运算得到原始sar幅度图像,并去除图像中的无效值;s2、计算所述原始sar幅度图像的全局均值、全局标准差,并基于全局标准差与全局均值的比值计算反映场景离散程度的变异系数;s3、基于切比雪夫不等式,设定基准系数、调节因子和映射函数,并以所述变异系数为输入,计算得到动态量化系数;s4、根据所述全局均值、全局标准差与动态量化系数确定量化上限阈值,并对原始sar幅度图像进行图像增强处理得到sar增强幅度图像;s5、进行削峰量化输出,对sar增强幅度图像中超出量化上限阈值的像素幅度值进行饱和截断,输出量化后的16bit整型sar幅度图像。
3、优选的,步骤s2具体包含以下子步骤:
4、s21、计算所述原始sar幅度图像中所有像素的全局均值,计算公式如下:
5、;
6、式中,为图像总行数,为图像总列数,为坐标处的像素幅度值;
7、s22、计算所述原始sar幅度图像中所有像素的全局标准差,计算公式如下:
8、;
9、s23、结合所述全局均值和全局标准差,计算变异系数:
10、。
11、优选的,在步骤s21中,采用dsp多核并行策略计算全局统计量;其中,将原始sar幅度图像按dsp的核心总数划分为对应数量的多个子区域,各核心分别计算所对应的子区域的局部均值,再通过多核共享内存与互锁机制汇总得到全图的全局均值与全局标准差。
12、优选的,步骤s21包括:
13、s211、将待处理的所述原始sar幅度图像依据dsp的核心总数进行均匀分块;其中,若所述原始sar幅度图像无法均分,则规定其中一个核心处理均分后余下的图像数据;
14、s212、在多核dsp实现中,各核心在自身划分的子区域内,循环取每行数据计算该行的均值,得到行均值向量,再对全部子区域内的行均值向量求取平均值,得到各核心对应划分区域的局部均值,计算式为:
15、
16、式中,为dsp对应的核号,为各核心对应的子区域均值,为图像总行数,为图像总列数,为对应划分子区域坐标处的像素幅度值;
17、s213、通过多核共享内存机制完成各核心计算结果的数据交互,计算得到sar幅度图像中所有像素的全局均值;计算式为:
18、
19、式中,为dsp的核心总数,为各核心对应的子区域均值。
20、优选的,在步骤s211中,图像子区域的划分依据图像的存储方向确定:若幅度图像按行存储于ddr内存,则按行数划分各核心的处理区域;若按列存储,则按列数划分各核心的处理区域。
21、优选的,在步骤s3中,具体包含以下子步骤:
22、s31、根据切比雪夫不等式,设定基准系数;
23、s32、映射函数采用非线性映射函数,计算式为:
24、;
25、s33、结合基准系数与调节因子,计算动态量化系数,计算式为:
26、。
27、优选的,在步骤s33中,调节因子为5。
28、优选的,在步骤s4中,量化上限阈值的计算式为:
29、;
30、基于该阈值进行线性映射,对原始sar幅度图像进行增强处理,得到sar增强幅度图像,将原本的像素幅度区间线性拉伸至16位无符号整型的取值范围[0,65535];
31、其中,sar增强幅度图像中的各个像素对应的量化映射关系为:
32、;
33、式中,为增强后的各个像素的像素幅度值;为量化系数。
34、优选的,在步骤s5中,削峰量化输出的具体计算方式为:
35、。
36、优选的,所述步骤s4与步骤s5设计为合并执行;各dsp核心在各自划分的子区域内,并行完成像素幅度值与量化系数的点乘运算,直接输出对应的子区域的uint16格式的量化结果;将各dsp核心输出的量化结果拼接形成完整的输出结果。
37、综上所述,与现有技术相比,本发明提供的一种基于场景统计特性的sar图像实时动态量化方法,至少具有以下有益效果:
38、(1)本发明的方法针对sar图像固有的乘性斑点噪声与重尾分布,以及现有量化方法存在的固定参数场景适配性差、地物细节丢失严重、计算复杂度高的问题,通过场景统计特征的动态感知与量化参数的自适应调节,实现了高动态sar幅度数据向整型灰度图像的高效、高质量映射。
39、(2)本发明的方法以图像全局均值、标准差及变异系数为核心统计依据,基于切比雪夫不等式构建量化上限基准框架;同时引入非线性对数映射函数将变异系数转化为动态调节分量,使量化系数可随场景离散程度自适应调整:对重尾效应显著、强散射点集中的复杂场景,自动增大量化系数以包容高值像素;对灰度分布均匀的平缓场景,自动减小量化系数以抬升背景亮度。这解决了传统固定系数量化导致的复杂场景过暗、均匀场景过曝的适配性难题。
40、(3)本发明的方法采用dsp多核并行处理架构,通过图像分块计算、多核共享内存交互、量化映射与类型转换合并执行等优化策略,并结合dsp专用内联函数实现向量级运算加速,大幅压缩运算耗时,满足实时处理要求。该方法兼具鲁棒性、自适应性与低计算复杂度,能有效抑制强散射离群值干扰,保留地物边缘与纹理细节,提升图像视觉对比度与信息熵,易于软硬件实现,可广泛适配各类sar成像场景,在遥感测绘、灾害监测、实时成像传输等领域具备显著工程应用价值。
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