CN109146803A - 基于多角度图像的sar图像辐射分辨率提升方法及装置 - Google Patents
基于多角度图像的sar图像辐射分辨率提升方法及装置 Download PDFInfo
- Publication number
- CN109146803A CN109146803A CN201810830496.3A CN201810830496A CN109146803A CN 109146803 A CN109146803 A CN 109146803A CN 201810830496 A CN201810830496 A CN 201810830496A CN 109146803 A CN109146803 A CN 109146803A
- Authority
- CN
- China
- Prior art keywords
- image
- pixel point
- angle
- target pixel
- pixel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 238000001914 filtration Methods 0.000 claims abstract description 85
- 238000012545 processing Methods 0.000 claims abstract description 80
- 238000007781 pre-processing Methods 0.000 claims abstract description 19
- 238000013139 quantization Methods 0.000 claims abstract description 12
- 230000005855 radiation Effects 0.000 claims description 62
- 230000008569 process Effects 0.000 claims description 32
- 230000006870 function Effects 0.000 claims description 16
- 238000009499 grossing Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006872 improvement Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 2
- 239000013589 supplement Substances 0.000 claims description 2
- 230000000717 retained effect Effects 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 6
- 230000001629 suppression Effects 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000002474 experimental method Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000002238 attenuated effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 230000002829 reductive effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/50—Image enhancement or restoration using two or more images, e.g. averaging or subtraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20024—Filtering details
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本发明涉及一种基于多角度图像的SAR图像辐射分辨率提升方法、装置和计算机存储介质，其特征在于，所述方法包括：对基于SAR图像的多角度图像进行预处理，所述预处理至少包括统一量化处理和补边处理；以所述多角度图像中一副作为基础图像进行非局部均值滤波处理，得到参考图像；将所述参考图像与未处理的多角度图像进行联合非局部均值滤波处理，得到该图像的重建图像；以重建图像作为新的参考图像继续对未处理的多角度图像进行联合非局部均值滤波处理，直至达到预设条件或者全部多角度图像处理完毕结束迭代，并将最终得到的重构图像作为目标地区的观测图像。本发明能够有效提升图像的辐射分辨率，同时较好的保留图像中的细节信息。
Description
技术领域
本发明涉及图像处理技术领域，尤其涉及一种基于多角度图像的SAR(SyntheticAperture Radar)图像辐射分辨率提升方法、装置及计算机存储介质。
背景技术
如今，合成孔径雷达因其全天候、全天时、高精度和范围广等优良特性已成为对地观测的重要手段之一，并被广泛应用于军事和民用领域。在SAR图像中，辐射分辨率反映了其区分目标间后向散射系数的能力，并用于衡量图像灰度分辨率。图像辐射分辨率的高低会在一定程度上对图像后续的边缘检测、分割和识别等应用产生影响。因此，如何提升SAR图像的辐射分辨率是SAR图像处理过程中重要的一环。
SAR图像中斑点噪声的强度直接决定了辐射分辨率的大小，斑点噪声抑制算法的效果越好，意味着噪声抑制后图像的辐射分辨率越高。目前，斑点噪声的抑制方法主要可以分为两类：
1、成像前的多视处理技术
第一类方法在成像之前进行，称为多视处理技术。通过降低处理器带宽形成多视子图像，然后对多视子图像进行非相干叠加来降低相干斑噪声。但是多视处理中图像辐射分辨率的提高是以牺牲空间分辨率为代价的。
2、成像后的滤波技术
在成像之后，针对图像进行处理。该方法又可以分为两类：第一类是基于斑点噪声统计特性的空域滤波算法，在图像上取一个滑动窗，以窗内像素作为输入，基于局部统计特性进行滤波处理，经典的算法有Lee算法，Kuan算法，Frost算法等。另一类是给予多分辨分析的算法，例如基于小波变换的阈值法，通过取阈值的方法来抑制被噪声干扰的小波系数。但此类方法的处理结果都需要在噪声抑制和边缘保留两者之间进行妥协。在保证图像细节信息可识别的前提下，此类方法的辐射分辨率提升效果往往也是有限的。
目前，这两种技术都相对比较成熟，然而，随着技术的发展，SAR图像的应用范围较过去更加广泛，这往往对于SAR图像的辐射分辨率有着更高的要求。因此，在不损失图像空间分辨率和图像细节信息的前提下，如何进一步提升图像的辐射分辨率是一个亟待解决的问题。
发明内容
本发明的目的在于解决现有技术中的至少一部分技术问题，提供了一种基于多角度图像的SAR图像辐射分辨率提升方法、装置及计算机存储介质，基于多角度观测的序贯图像利用改进的非局部均值算法提升SAR图像分辨率。
为了解决上述技术问题，本发明第一方面，提供了一种基于多角度图像的SAR图像辐射分辨率提升方法，所述方法包括：
对基于SAR图像多角度图像进行预处理，所述预处理至少包括统一量化处理和补边处理；
以所述多角度图像中一副作为基础图像进行非局部均值滤波处理，得到参考图像；
将所述参考图像与未处理的多角度图像进行联合非局部均值滤波处理，得到该图像的重建图像；以重建图像作为新的参考图像继续对未处理的多角度图像进行联合非局部均值滤波处理，直至达到预设条件或者全部多角度图像处理完毕结束迭代，并将最终得到的重构图像作为目标地区的观测图像。
可选地，所述联合非局部均值滤波处理包括以下步骤：
对于未处理的多角度图像中的目标像素点i，以目标像素点i为中心确定搜索区域，分别计算未处理的多角度图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第一欧氏距离，以及分别计算参考图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第二欧氏距离；
基于所述第一欧氏距离和第二欧氏距离，分别计算未处理的多角度图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第一权值，以及分别计算参考图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第二权值；
基于所述第一权值和第二权值对搜索区域所有像素点的像素值进行归一化的加权叠加，得到目标像素点i的重建值；
将目标像素点i移动至未处理的多角度图像的下一个待处理点，重复上述处理直至全图计算完毕，得到重建图像作为新的参考图像。
可选地，所述基于所述第一权值和第二权值对搜索区域所有像素点的像素值进行归一化的加权叠加，包括以下步骤：
通过以下公式计算目标像素点i的重建值
其中，w1(i,j)为未处理的多角度图像中搜索区域像素点j在目标像素点i加权叠加重建时的第一权值，w2(i,j)为参考图像中搜索区域像素点j在目标像素点i加权叠加重建时的第二权值；f2(j)为未处理的多角度图像中搜索区域像素点j的像素值，为参考图像中搜索区域像素点j的像素值，Ω1,Ω2分别是所述未处理的多角度图像和参考图像中对应的搜索区域。
可选地，所述非局部均值滤波处理包括以下步骤：
对于基础图像中的目标像素点i，以目标像素点i为中心确定搜索区域，分别计算基础图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的欧氏距离；
基于所述欧氏距离，计算基础图像中搜索区域所有像素点在目标像素点i加权叠加重建时的权值；
基于所述权值对搜索区域所有像素点的像素值进行归一化的加权叠加，得到目标像素点i的重建值；
将目标像素点i移动至基础图像的下一个待处理点，重复上述处理直至全图计算完毕，得到重建图像作为参考图像。
可选地，所述非局部均值滤波处理和/或联合非局部均值滤波处理中采用以下经过巴特沃斯滤波器改进后的权值函数计算搜索区域像素点j在目标像素点i加权叠加重建时的权值：
其中，d(i,j)是搜索区域像素点j的像素邻域与目标像素点i的像素邻域之间的欧氏距离，n为巴特沃斯低通滤波器的阶数，h为平滑参数。
本发明第二方面，提供了一种基于多角度图像的SAR图像辐射分辨率提升装置，所述装置包括：
预处理单元，用于对基于SAR图像的多角度图像进行预处理，所述预处理至少包括统一量化处理和补边处理；
基础滤波单元，用于以所述多角度图像中一副作为基础图像进行非局部均值滤波处理，得到参考图像；
联合滤波单元，用于将所述参考图像与未处理的多角度图像进行联合非局部均值滤波处理，得到该图像的重建图像；以重建图像作为新的参考图像继续对未处理的多角度图像进行联合非局部均值滤波处理，直至达到预设条件或者全部多角度图像处理完毕结束迭代；并将最终得到的重构图像作为目标地区的观测图像。
可选地，所述联合滤波单元通过以下方法进行联合非局部均值滤波处理：
对于未处理的多角度图像中的目标像素点i，以目标像素点i为中心确定搜索区域，分别计算未处理的多角度图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第一欧氏距离，以及分别计算参考图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第二欧氏距离；
基于所述第一欧氏距离和第二欧氏距离，分别计算未处理的多角度图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第一权值，以及分别计算参考图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第二权值；
基于所述第一权值和第二权值对搜索区域所有像素点的像素值进行归一化的加权叠加，得到目标像素点i的重建值；
将目标像素点i移动至未处理的多角度图像的下一个待处理点，重复上述处理直至全图计算完毕，得到重建图像作为新的参考图像。
可选地，所述联合滤波单元通过以下公式计算目标像素i的重建值
其中，w1(i,j)为未处理的多角度图像中搜索区域像素点j在目标像素点i加权叠加重建时的第一权值，w2(i,j)为参考图像中搜索区域像素点j在目标像素点i加权叠加重建时的第二权值；f2(j)为未处理的多角度图像中搜索区域像素点j的像素值，为参考图像中搜索区域像素点j的像素值，Ω1,Ω2分别是所述未处理的多角度图像和参考图像中对应的搜索区域。
本发明第三方面，提供了一种计算机存储介质，所述计算机存储介质中存储有可被计算机设备执行的指令代码；
所述指令代码在被计算机设备执行时，执行如上任一项所述的方法。
本发明第四方面，提供了另一种基于多角度图像的SAR图像辐射分辨率提升装置，包括：至少一个处理器和一个存储器；
所述存储器耦接至所述处理器；
所述处理器用于执行所述存储器中存储的计算机程序指令；
所述存储器在执行所述计算机程序指令时，执行如上任一项所述的方法。
实施本发明的基于多角度图像的SAR图像辐射分辨率提升方法、装置和存储介质，具有以下有益效果：
1、本发明基于多角度观测的序贯图像进行非局部均值滤波，并利用多角度图像之间的相似性，采用联合非局部均值滤波处理的方式，与仅对各个单幅图像进行滤波的方式相比，进一步提升了图像的辐射分辨率。
2、本发明利用巴特沃斯低通滤波器改进后的权值函数，使相似性较低的非同质像素迅速衰减，使该方法在低信噪比条件下依旧稳定运行，能够有效提升该算法在进行SAR图像斑点噪声抑制时的鲁棒性。
附图说明
图1为根据本发明优选实施例基于多角度图像的SAR图像辐射分辨率提升方法流程图；
图2为根据本发明优选实施例的基于多角度图像的SAR图像辐射分辨率提升方法中基础滤波步骤的具体流程图；
图3为根据本发明优选实施例的基于多角度图像的SAR图像辐射分辨率提升方法中联合滤波步骤的具体流程图；
图4为根据本发明一个优选实施例的基于多角度图像的SAR图像辐射分辨率提升装置的程序模块框图；
图5为根据本发明另一优选实施例提供的基于多角度图像的SAR图像辐射分辨率提升装置的示意图；
图6a-6e为根据本发明的图片序列一的图像处理结果示意图；
图7a-7e为根据本发明的图片序列二的图像处理结果示意图；
图8a-8g为根据本发明的图片序列二的第一细小特征处理结果分析图；
图9a-9g为根据本发明的图片序列二的第二细小特征处理结果分析图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本发明，并不被配置为限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
请参阅图1，为根据本发明优选实施例基于多角度图像的SAR图像辐射分辨率提升方法流程图。如图1所示，该实施例提供的方法包括：
步骤S101：对基于SAR图像的多角度图像进行预处理，所述预处理至少包括统一量化处理和补边处理。该步骤为图像预处理步骤，其中多角度图像是指多角度观测的序贯图像。优选地，本发明的方法还包括在步骤S101前执行的以下步骤：基于SAR图像生成多角度图像。该步骤可以采用本领域基础技术人员熟知并能应用的方法实施。在一种实施方式中，该多角度视图通过对原始SAR图像进行方位向傅里叶变换，在频域将其分解，然后进行傅里叶逆变换，得到多角度图像。本领域基础技术人员还可以根据需要获取预设数量的多角度图像。优选地，该步骤中生成5～8幅多角度图像，更优选为5幅。
步骤S102：以所述多角度图像中一副作为基础图像进行非局部均值滤波处理，得到参考图像。该步骤为基础滤波步骤，其中可以在预处理后的多角度图像中任选一副作为基础图像进行非局部均值滤波处理，将处理后得到的重构图像作为参考图像供后续联合非局部均值滤波处理步骤使用。
步骤S103：将所述参考图像与未处理的多角度图像进行联合非局部均值滤波处理，得到该图像的重建图像；以重建图像作为新的参考图像继续对剩余未处理的多角度图像进行联合非局部均值滤波处理，直至达到预设条件或者全部多角度图像处理完毕，将最终一轮得到的重构图像作为目标地区的观测图像。该步骤为联合滤波步骤，通过迭代的方式每轮选取任一幅剩余未处理的多角度图像进行联合滤波处理，每轮处理后以最新的重构图像来更新参考图像。该联合非局部均值滤波处理是指利用改进的非局部均值方法在参考图像与未处理的多角度图像中寻找同质像素，并使用利用例如巴特沃斯低通滤波器改进的权值函数进行加权叠加，以重建图像。所述预设条件是指迭代次数达到预设迭代次数，或者重构图像的辐射分辨率满足需求，或图像质量不再提升。例如，系统可以自动检测重构图像中图像平坦区域的均值和方差计算出等效视数，然后就可以计算出辐射分辨率。在辐射分辨率低于预设阈值，例如0.7时，结束迭代。
本发明基于多角度观测的序贯图像进行非局部均值滤波，并利用多角度图像之间的相似性，采用联合非局部均值滤波处理的方式，与仅对各个单幅图像进行滤波的方式相比，进一步提升了图像的辐射分辨率。
在本发明的一种具体实施方式中，上述步骤S101中的统一量化处理可以通过以下步骤实现：
A：将图像进行归一化：
I'(i,j)＝I(i,j)/max(I(i,j)) (1)
式中，I(i,j)为原始的多角度图像I中像素点(i,j)∈I的像素值，I'(i,j)为归一化后的图像像素值；
B：统一扩大所有归一化后图像的动态范围，此处选择令其动态范围变化为0到255。即：
J(i,j)＝I'(i,j)*N N＝255 (2)
式中，J(i,j)为统一量化处理后的多角度图像J中像素点(i,j)∈J的像素值。
上述统一量化处理可以使所有图像的动态范围保持一致，以便进行后续的相似性度量及加权叠加重建。本发明的统一量化处理并不限于此上述具体实施方式，也可以采用本领域基础技术人员熟知并能应用的其它统一量化处理方式。
在本发明的一种具体实施方式中，上述步骤S101中的补边处理可以通过以下方式实现：通过镜像反射边界的方法补充边界像素，即在每一维的第一个像素前和最后一个像素后填充，填充的尺寸为所选择的邻域窗口半径。由于后续基础滤波步骤S101及联合滤波步骤S102均是从图像的第一个点开始计算，逐个计算出每个点的重建值，因此本发明在处理前对图像进行补边，可以保证算法在运行到图像边沿时能够计算出准确结果。
请参阅图2，为根据本发明优选实施例的基于多角度图像的SAR图像辐射分辨率提升方法中基础滤波步骤的具体流程图。如图2所示，在本发明的一种具体实施方式中，该基础滤波步骤的非局部均值滤波处理可以包括：
步骤S201：流程开始；
步骤S202：初始化目标像素点i的取值；
步骤S203：对于基础图像中的目标像素点i，以目标像素点i为中心确定搜索区域，分别计算基础图像中搜索区域内所有像素点的像素邻域与目标像素点i的像素邻域之间的欧氏距离。优选地，可以采用11*11或21*21尺寸的搜索区域，在搜索区域内，对所有像素点与目标像素点进行相似性度量，即逐点计算所有像素点的像素邻域与目标像素点i的像素邻域之间的欧氏距离，此步骤也可以视为搜索同质像素的过程，欧氏距离小，则视为同质像素，将被赋予更大权值。
本发明实施方式中利用欧氏距离作为相似性度量的标准，具体为：采用像素周围例如尺寸为3*3或5*5的邻域窗口之间的欧氏距离作为像素之间相似性的度量，即对于给定像素(i,j)，通过以下公式计算欧氏距离d(i,j)：
式中，frs为目标像素点i的像素邻域内像素点(r,s)的像素值，grs为基础图像中搜索区域像素点j的像素邻域内像素点(r,s)的像素值，N为邻域窗口的尺寸。例如N＝3或者N＝5。
步骤S204：基于所述欧氏距离，计算基础图像中搜索区域所有像素点在目标像素点i加权叠加重建时的权值。
在本发明的优选实施方式中，该步骤S204中采用经过巴特沃斯滤波器改进后的权值函数，计算搜索区域内的所有像素点在加权叠加重建时的权值，具体公式为：
式中，w(i,j)为搜索区域像素点j在目标像素点i加权叠加重建时的权值，d(i,j)是步骤S203得到的搜索区域像素点j的像素邻域与目标像素点i的像素邻域之间的欧氏距离，n为巴特沃斯低通滤波器的阶数，h为平滑参数。
优选地，本发明可以采用二阶巴特沃斯低通滤波器，则n＝2。平滑参数h越大，权值函数的变化越平缓，平滑效果越好，但平滑参数h过大时，可能会造成图像过度平滑，使得细节信息丢失，因此本发明中平滑参数优选为h＝10。
步骤S205：基于所述权值对搜索区域所有像素点的像素值进行归一化的加权叠加，得到目标像素点i的重建值。
在本发明的优选实施方式中，该步骤S205通过以下公式计算目标像素点i的重建值
其中，为目标像素点i灰度的重建值，w(i,j)为步骤S204获得的搜索区域像素点j在目标像素点i加权叠加重建时的权值，Ω代表目标像素点i的搜索区域，f(j)为基础图像中搜索区域像素点j的像素值。上述公式(5)在加权叠加后除以权值的总和是为了进行归一化，保证重建后的像素值仍在原来的动态范围内。
步骤S206：判断基础图像中所有像素点是否处理完毕，是则转步骤S208，否则转步骤S207；
步骤S207：将目标像素点i移动至基础图像的下一个待处理点，转步骤S203重复上述处理直至全图计算完毕；
步骤S208：输出基础图像的重建图像作为参考图像
上述实施例的基础滤波步骤中采用改进的权值函数与非局部均值算法原有权值函数的不同之处在于，使用巴特沃斯低通滤波器对原来的高斯函数进行了修正，利用巴特沃斯低通滤波器的特性，使相似性较低的非同质像素迅速衰减，能够有效提升非局部均值算法在低信噪比条件下的处理效果。本发明的基础滤波步骤并不限于此上述具体实施方式，也可以采用本领域基础技术人员熟知并能应用的其它滤波方式。例如，在一个实施例中，使用原始的高斯函数来计算权值。
请参阅图3，为根据本发明优选实施例的基于多角度图像的SAR图像辐射分辨率提升方法中联合滤波步骤的具体流程图。如图3所示，在本发明的一种具体实施方式中，该联合滤波步骤中在所有未处理的多角度图像中任选一幅，结合参考图像进行联合非局部均值滤波，在两幅图像中同时搜索同质像素。该联合非局部均值滤波处理可以包括：
步骤S301：流程开始；
步骤S302：初始化未处理的多角度图像中目标像素点i的取值；
步骤S303：对于未处理的多角度图像中的目标像素点i，以目标像素点i为中心确定搜索区域，分别计算未处理的多角度图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第一欧氏距离，以及分别计算参考图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第二欧氏距离。优选地，可以采用11*11或21*21尺寸的搜索区域，在搜索区域内，对所有像素点与目标像素点进行相似性度量，即逐点计算两幅图像中所有像素点的像素邻域与目标像素点i的像素邻域之间的欧氏距离，在两幅图像中寻找与目标像素相似性高的同质像素。本发明实施方式中通过以下公式计算第一欧氏距离d1(i,j)和第二欧氏距离d2(i,j)：
式中，第一欧氏距离d1(i,j)为未处理的多角度图像中搜索区域像素点j的像素邻域与目标像素点i的像素邻域之间的欧氏距离，第二欧氏距离d2(i,j)为参考图像中搜索区域像素点j的像素邻域与目标像素点i的像素邻域之间的欧氏距离；f2rs,(r,s∈[1,N])为未处理的多角度图像中目标像素点i的像素邻域内像素点(r,s)的像素值，g2rs,(r,s∈[0,N])为参考图像中搜索区域像素点j的像素邻域内像素点(r,s)的像素值，为步骤S102获得的参考图像中搜索区域像素点j的像素邻域内像素点(r,s)的像素值，N为邻域窗口的尺寸。例如N＝3或者N＝5。
步骤S304：基于所述第一欧氏距离和第二欧氏距离，分别计算未处理的多角度图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第一权值，以及分别计算参考图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第二权值。
在本发明的优选实施方式中，该步骤S304中采用经过巴特沃斯滤波器改进后的权值函数，计算搜索区域内的所有像素点在加权叠加重建时的权值，具体公式为：
式中，w1(i,j)为未处理的多角度图像中搜索区域像素点j在目标像素点i加权叠加重建时的第一权值，w2(i,j)为参考图像中搜索区域像素点j在目标像素点i加权叠加重建时的第二权值；d1(i,j)为第一欧氏距离，d2(i,j)为第二欧氏距离，n为巴特沃斯低通滤波器的阶数，h为平滑参数。优选地，该步骤中也可以采用二阶巴特沃斯低通滤波器，则n＝2，平滑参数优选为h＝10。
步骤S305：基于所述第一权值和第二权值对搜索区域所有像素点的像素值进行归一化的加权叠加，得到目标像素点i的重建值。
在本发明的优选实施方式中，该步骤S305通过以下公式计算目标像素点i的重建值
其中，w1(i,j)为未处理的多角度图像中搜索区域像素点j在目标像素点i加权叠加重建时的第一权值，w2(i,j)为参考图像中搜索区域像素点j在目标像素点i加权叠加重建时的第二权值；f2(j)为未处理的多角度图像中搜索区域像素点j的像素值，为参考图像中搜索区域像素点j的像素值，Ω1,Ω2分别是所述未处理的多角度图像和参考图像中对应的搜索区域。上述公式(10)在加权叠加后除以所有权值的总和，保证重建后的像素值仍在原来的动态范围内。
步骤S306：判断所述未处理的多角度图像中所有像素点是否处理完毕，是则转步骤S308，否则转步骤S307；
步骤S307：将目标像素点i移动至图像的下一个待处理点，转步骤S303重复上述处理直至全图计算完毕；
步骤S308：通过上述步骤得到重建值构成重建图像输出重建图像作为新的参考图像。
将步骤S308得到新的参考图像与剩下未处理图像继续进行联合非局部均值去噪，即重复上述图3的流程，得到辐射分辨率进一步改善后的重建图像，重复此步骤，直到图像的辐射分辨率满足需求，或图像质量不再提升。随后，以最终一轮迭代得到的重建图像作为该目标地区的高辐射分辨率的观测图像。
在具体实施时，图像序列的数量，也就是联合非局部均值处理次数并不是越多越好，多次联合非局部均值处理能够有效提升辐射分辨率，但是过多次的噪声抑制，容易导致图像的过度平滑，使得图像细节丢失。优选地，本发明经过大量实验及经验总结得出，选择4个角度的图像，进行3次联合非局部均值滤波可以获得高辐射分辨率的观测图像。
请参阅图4，为根据本发明优选实施例的基于多角度图像的SAR图像辐射分辨率提升装置的程序模块框图。如图4所示，基于相同的发明构思，本发明实施例提供的SAR图像辐射分辨率提升装置包括：
预处理单元401，用于对获取的多角度图像进行预处理，所述预处理至少包括统一量化处理和补边处理。该预处理单元401执行的处理过程与前述预处理步骤S101相同。
基础滤波单元402，用于以所述多角度图像中一副作为基础图像进行非局部均值滤波处理，得到参考图像。该基础滤波单元402执行的处理过程与前述基础滤波步骤S102相同。
联合滤波单元403，用于将所述参考图像与未处理的多角度图像进行联合非局部均值滤波处理，得到该图像的重建图像；以重建图像作为新的参考图像继续对未处理的多角度图像进行联合非局部均值滤波处理，直至达到预设条件或者全部多角度图像处理完毕；最终得到的重构图像作为目标地区的观测图像。该联合滤波单元403执行的处理过程与前述联合滤波步骤S103相同。
可选地，基础滤波单元402通过以下方法执行非局部均值滤波处理：
(1)对于基础图像中的目标像素点i，以目标像素点i为中心确定搜索区域，分别计算基础图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的欧氏距离；
(2)基于所述欧氏距离，计算基础图像中搜索区域所有像素点在目标像素点i加权叠加重建时的权值；
(3)基于所述权值对搜索区域所有像素点的像素值进行归一化的加权叠加，得到目标像素点i的重建值；
(4)将目标像素点i移动至基础图像的下一个待处理点，重复上述处理直至全图计算完毕，得到重建图像作为参考图像。
可选地，联合滤波单元403通过以下方法执行联合非局部均值滤波处理：
(1)对于未处理的多角度图像中的目标像素点i，以目标像素点i为中心确定搜索区域，分别计算未处理的多角度图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第一欧氏距离，以及分别计算参考图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第二欧氏距离；
(2)基于所述第一欧氏距离和第二欧氏距离，分别计算未处理的多角度图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第一权值，以及分别计算参考图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第二权值；
(3)基于所述第一权值和第二权值对搜索区域所有像素点的像素值进行归一化的加权叠加，得到目标像素点i的重建值；优选地，通过以下公式计算目标像素点i的重建值
其中，w1(i,j)为未处理的多角度图像中搜索区域像素点j在目标像素点i加权叠加重建时的第一权值，w2(i,j)为参考图像中搜索区域像素点j在目标像素点i加权叠加重建时的第二权值；f2(j)为未处理的多角度图像中搜索区域像素点j的像素值，为参考图像中搜索区域像素点j的像素值，Ω1,Ω2分别是所述未处理的多角度图像和参考图像中对应的搜索区域。
(4)将目标像素点i移动至未处理的多角度图像的下一个待处理点，重复上述处理直至全图计算完毕，得到重建图像作为新的参考图像。
可选地，基础滤波单元402和联合滤波单元403中执行的非局部均值滤波处理和联合非局部均值滤波处理均可以采用以下经过巴特沃斯滤波器改进后的权值函数计算搜索区域像素点j在目标像素点i加权叠加重建时的权值：
其中，d(i,j)是搜索区域像素点j的像素邻域与目标像素点i的像素邻域之间的欧氏距离，n为巴特沃斯低通滤波器的阶数，h为平滑参数。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
本领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述功能模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本发明实施例还提供了一种计算机可读存储介质，其上存储有计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中基于多角度图像的SAR图像辐射分辨率提升方法。
本发明实施例还提供了一种基于多角度图像的SAR图像辐射分辨率提升装置，包括：至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令，当计算机程序指令被处理器执行时实现如上述实施方式中基于多角度图像的SAR图像辐射分辨率提升方法。图5示出了本发明该实施例提供的基于多角度图像的SAR图像辐射分辨率提升装置的示意图。
该基于多角度图像的SAR图像辐射分辨率提升装置可以包括处理器501以及存储有计算机程序指令的存储器502。
具体地，上述处理器501可以包括中央处理器(CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器502可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器502可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在合适的情况下，存储器502可包括可移除或不可移除(或固定)的介质。在合适的情况下，存储器502可在数据处理装置的内部或外部。在特定实施例中，存储器502是非易失性固态存储器。在特定实施例中，存储器502包括只读存储器(ROM)。在合适的情况下，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器501通过读取并执行存储器502中存储的计算机程序指令，以实现上述实施例中的任意一种基于多角度图像的SAR图像辐射分辨率提升方法。
在一个示例中，该基于多角度图像的SAR图像辐射分辨率提升装置还可包括通信接口503和总线510。其中，如图5所示，处理器501、存储器502、通信接口503通过总线510连接并完成相互间的通信。
通信接口503，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线510包括硬件、软件或两者，将执行基于多角度图像的SAR图像辐射分辨率提升方法的设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(AGP)或其他图形总线、增强工业标准架构(EISA)总线、前端总线(FSB)、超传输(HT)互连、工业标准架构(ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线510可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
以上所述的程序模块框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“计算机可读存储介质”可以包括能够存储或传输信息的任何介质。计算机可读存储介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序或者若干步骤同时执行。
本发明通过实验对技术效果进行了验证。请参阅图6a-6e，为根据本发明的图片序列一的图像处理结果示意图；图7a-7e，为根据本发明的图片序列二的图像处理结果示意图。图中示出了分别将两组图像均经过以上方法步骤的处理。其中图6a和7a为原始图像，即基础滤波步骤S102初始选取的一副多角度图像；图6b和7b为经过一次改进NLM算法处理的图像，即经过基础滤波步骤S102处理后得到的重构图像；图6c和7c为使用两幅多角度图像联合提升处理后的图像；图6d和7d为经过3幅多角度图像联合处理后的图像；图6e和7e为经过4幅多角度图像联合处理后的图像。
直观上看，经过多幅图像优化后的结果噪声有所减弱，细节信息也基本得到了保留。下面采用均值，方差，等效视数，辐射分辨率γ四个指标，对图像进行客观分析，结果如表1，表2所示：
表1图片序列1客观指标
表2图片序列2客观指标
其中表1的数据来自噪声强度适中的一组图片序列，表2的数据来自一组受到严重噪声干扰的图片序列。从表1，表2均可以看出不论是非局部均值方法还是本发明提出的基于多角度图像的辐射分辨率提升方法都几乎不会对图像均值造成影响，而一次NLM算法的处理能够在一定程度上提升图像等效视数和辐射分辨率，但是其作用也是有限的。在第一组实验中，单幅图像进行非局部均值算法将图像的等效视数从3.5621提升至30.962，辐射分辨率由1.8465dB被优化至0.7178dB。经过本发明提出的基于多幅图像的方法优化后，等效视数和辐射分辨率均得到了大幅提升，等效视数被逐步从30.962提升至175.63，辐射分辨率由0.7178dB提升至0.3159dB。可以看到利用本发明提出的基于多角度图像的辐射分辨率提升方法能够在原有非局部均值滤波算法的基础上有效提升SAR图像的辐射分辨率。
表2的数据结果显示在低信噪比条件下，本发明提出的方法仍然能够稳定运行，并且有效提升图像的等效视数和辐射分辨率。
为了证明本发明提出的方法在提升图像辐射分辨率的同时能够有效保持图像细节信息的完整性，我们截取了低信噪比实验结果中的两处细小目标进行了分析，得到的两组分析结果如图8a-8g和图9a-9g所示。其中图8a和9a分别为原图中的细小目标，图8b和9b为最终结果中的细小目标，图8c和9c为原图中该截取区域的立体图，图8d和9d为经过NLM算法处理后截取的三维图形，图8e和9e为利用两幅图像优化后截取区域的三维图形，图8f和9f为利用三幅图像优化后截取区域的三维图形，图8g和9g为利用四幅图像优化后截取区域的三维图形。
从两组分析结果中可以看出，原始图像中由于存在大量噪声，目标几乎不可分辨，经过本发明提出的方法处理后，噪声基本被抑制，细小目标变得清晰易分辨。在图8a和8b中，可以看出经过多角度图像优化，即使是旁边的两个相比之下更为细小的目标也得到了很好了保留。可见本发明提出的方法不会对图像原有信息造成过多影响，也就是说不会对后续应用造成不利影响。
综上所述，本发明基于多方位角图像，利用改进的非局部均值算法在多幅图像中寻找同质像素，然后使用利用巴特沃斯低通滤波器改进的权值函数进行加权叠加，能够在原有算法的基础上进一步提升图像的辐射分辨率，同时较好的保留图像中的细节信息，此外，改进后的非局部均值算法能够有效提升低信噪比条件下的鲁棒性。对于SAR图像的应用有着重要意义。本发明经实验证明，该方法在进行斑点噪声抑制的同时，能够保证原有图像中的点目标等细节信息不丢失，基本不会对后续的应用噪声不利影响。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种基于多角度图像的SAR图像辐射分辨率提升方法，其特征在于，所述方法包括：
对基于SAR图像的多角度图像进行预处理，所述预处理至少包括统一量化处理和补边处理；
以所述多角度图像中一副作为基础图像进行非局部均值滤波处理，得到参考图像；
将所述参考图像与未处理的多角度图像进行联合非局部均值滤波处理，得到该图像的重建图像；以重建图像作为新的参考图像继续对未处理的多角度图像进行联合非局部均值滤波处理，直至达到预设条件或者全部多角度图像处理完毕结束迭代，并将最终得到的重构图像作为目标地区的观测图像。
2.根据权利要求1所述的基于多角度图像的SAR图像辐射分辨率提升方法，其特征在于，所述联合非局部均值滤波处理包括以下步骤：
对于未处理的多角度图像中的目标像素点i，以目标像素点i为中心确定搜索区域，分别计算未处理的多角度图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第一欧氏距离，以及分别计算参考图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第二欧氏距离；
基于所述第一欧氏距离和第二欧氏距离，分别计算未处理的多角度图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第一权值，以及分别计算参考图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第二权值；
基于所述第一权值和第二权值对搜索区域所有像素点的像素值进行归一化的加权叠加，得到目标像素点i的重建值；
将目标像素点i移动至未处理的多角度图像的下一个待处理点，重复上述处理直至全图计算完毕，得到重建图像作为新的参考图像。
3.根据权利要求2所述的基于多角度图像的SAR图像辐射分辨率提升方法，其特征在于，所述基于所述第一权值和第二权值对搜索区域所有像素点的像素值进行归一化的加权叠加，包括：
通过以下公式计算目标像素点i的重建值
其中，w1(i,j)为未处理的多角度图像中搜索区域像素点j在目标像素点i加权叠加重建时的第一权值，w2(i,j)为参考图像中搜索区域像素点j在目标像素点i加权叠加重建时的第二权值；f2(j)为未处理的多角度图像中搜索区域像素点j的像素值，为参考图像中搜索区域像素点j的像素值，Ω1,Ω2分别是所述未处理的多角度图像和参考图像中对应的搜索区域。
4.根据权利要求1所述的基于多角度图像的SAR图像辐射分辨率提升方法，其特征在于，所述非局部均值滤波处理包括以下步骤：
对于基础图像中的目标像素点i，以目标像素点i为中心确定搜索区域，分别计算基础图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的欧氏距离；
基于所述欧氏距离，计算基础图像中搜索区域所有像素点在目标像素点i加权叠加重建时的权值；
基于所述权值对搜索区域所有像素点的像素值进行归一化的加权叠加，得到目标像素点i的重建值；
将目标像素点i移动至基础图像的下一个待处理点，重复上述处理直至全图计算完毕，得到重建图像作为参考图像。
5.根据权利要求2或4所述的基于多角度图像的SAR图像辐射分辨率提升方法，其特征在于，所述非局部均值滤波处理和/或联合非局部均值滤波处理中采用以下经过巴特沃斯滤波器改进后的权值函数计算搜索区域像素点j在目标像素点i加权叠加重建时的权值：
其中，d(i,j)是搜索区域像素点j的像素邻域与目标像素点i的像素邻域之间的欧氏距离，n为巴特沃斯低通滤波器的阶数，h为平滑参数。
6.一种基于多角度图像的SAR图像辐射分辨率提升装置，其特征在于，所述装置包括：
预处理单元，用于对基于SAR图像的多角度图像进行预处理，所述预处理至少包括统一量化处理和补边处理；
基础滤波单元，用于以所述多角度图像中一副作为基础图像进行非局部均值滤波处理，得到参考图像；
联合滤波单元，用于将所述参考图像与未处理的多角度图像进行联合非局部均值滤波处理，得到该图像的重建图像；以重建图像作为新的参考图像继续对未处理的多角度图像进行联合非局部均值滤波处理，直至达到预设条件或者全部多角度图像处理完毕结束迭代，并将最终得到的重构图像作为目标地区的观测图像。
7.根据权利要求6所述的基于多角度图像的SAR图像辐射分辨率提升装置，其特征在于，所述联合滤波单元通过以下方法进行联合非局部均值滤波处理：
对于未处理的多角度图像中的目标像素点i，以目标像素点i为中心确定搜索区域，分别计算未处理的多角度图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第一欧氏距离，以及分别计算参考图像中搜索区域所有像素点的像素邻域与目标像素点i的像素邻域之间的第二欧氏距离；
基于所述第一欧氏距离和第二欧氏距离，分别计算未处理的多角度图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第一权值，以及分别计算参考图像中搜索区域所有像素点在目标像素点i加权叠加重建时的第二权值；
基于所述第一权值和第二权值对搜索区域所有像素点的像素值进行归一化的加权叠加，得到目标像素点i的重建值；
将目标像素点i移动至未处理的多角度图像的下一个待处理点，重复上述处理直至全图计算完毕，得到重建图像作为新的参考图像。
8.根据权利要求7所述的基于多角度图像的SAR图像辐射分辨率提升装置，其特征在于，所述联合滤波单元通过以下公式计算目标像素i的重建值
其中，w1(i,j)为未处理的多角度图像中搜索区域像素点j在目标像素点i加权叠加重建时的第一权值，w2(i,j)为参考图像中搜索区域像素点j在目标像素点i加权叠加重建时的第二权值；f2(j)为未处理的多角度图像中搜索区域像素点j的像素值，为参考图像中搜索区域像素点j的像素值，Ω1,Ω2分别是所述未处理的多角度图像和参考图像中对应的搜索区域。
9.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有可被计算机设备执行的指令代码；
所述指令代码在被计算机设备执行时，执行权利要求1～5中任一项所述的方法。
10.一种基于多角度图像的SAR图像辐射分辨率提升装置，其特征在于，包括：至少一个处理器和一个存储器；
所述存储器耦接至所述处理器；
所述处理器用于执行所述存储器中存储的计算机程序指令；
所述存储器在执行所述计算机程序指令时，执行权利要求1～5中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810830496.3A CN109146803B (zh) | 2018-07-26 | 2018-07-26 | 基于多角度图像的sar图像辐射分辨率提升方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810830496.3A CN109146803B (zh) | 2018-07-26 | 2018-07-26 | 基于多角度图像的sar图像辐射分辨率提升方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109146803A true CN109146803A (zh) | 2019-01-04 |
| CN109146803B CN109146803B (zh) | 2021-08-17 |
Family
ID=64797944
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810830496.3A Active CN109146803B (zh) | 2018-07-26 | 2018-07-26 | 基于多角度图像的sar图像辐射分辨率提升方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109146803B (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112927155A (zh) * | 2021-03-05 | 2021-06-08 | 湘潭大学 | 一种基于超级影像的多角度sar影像滤波方法 |
| CN113640798A (zh) * | 2021-08-11 | 2021-11-12 | 北京无线电测量研究所 | 一种雷达目标多角度重建方法、装置及存储介质 |
| CN115908170A (zh) * | 2022-11-04 | 2023-04-04 | 浙江华诺康科技有限公司 | 双目图像的降噪方法、装置、电子装置和存储介质 |
| CN117409275A (zh) * | 2023-12-06 | 2024-01-16 | 华能澜沧江水电股份有限公司 | 一种多角度雷达图像处理方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101126810A (zh) * | 2007-09-21 | 2008-02-20 | 北京航空航天大学 | 一种合成孔径雷达图像自适应斑点噪声抑制方法 |
| CN102044072A (zh) * | 2010-11-29 | 2011-05-04 | 北京航空航天大学 | 基于统计模型的sar图像融合处理方法 |
| CN102298774A (zh) * | 2011-09-21 | 2011-12-28 | 西安电子科技大学 | 基于联合相似性的非局部均值去噪方法 |
| CN102693530A (zh) * | 2012-06-13 | 2012-09-26 | 西安电子科技大学 | 基于目标提取和srad算法的sar图像去斑方法 |
| CN103345731A (zh) * | 2013-07-22 | 2013-10-09 | 上海大学 | 基于McIlhagga边缘检测算子的各向异性扩散图像降噪方法 |
| CN104038181A (zh) * | 2014-06-05 | 2014-09-10 | 北京航空航天大学 | 一种基于nlms算法的自适应滤波器的构建方法 |
| CN104680536A (zh) * | 2015-03-09 | 2015-06-03 | 西安电子科技大学 | 利用改进的非局部均值算法对sar图像变化的检测方法 |
| CN104732493A (zh) * | 2015-03-18 | 2015-06-24 | 西安电子科技大学 | 一种基于Primal Sketch分类和SVD域改进MMSE估计的SAR图像去噪算法 |
| CN105512680A (zh) * | 2015-12-02 | 2016-04-20 | 北京航空航天大学 | 一种基于深度神经网络的多视sar图像目标识别方法 |
| US20170098317A1 (en) * | 2015-10-02 | 2017-04-06 | Toshiba Medical Systems Corporation | Apparatus and method for robust non-local means filtering of tomographic images |
| CN106651813A (zh) * | 2017-01-03 | 2017-05-10 | 长沙全度影像科技有限公司 | 一种多图像块融合的非局部均值去噪方法 |
| CN107786780A (zh) * | 2017-11-03 | 2018-03-09 | 深圳Tcl新技术有限公司 | 视频图像降噪方法、装置及计算机可读存储介质 |
| CN108196253A (zh) * | 2017-12-27 | 2018-06-22 | 北京航空航天大学 | 一种用于合成孔径雷达的方位模糊抑制方法 |
-
2018
- 2018-07-26 CN CN201810830496.3A patent/CN109146803B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101126810A (zh) * | 2007-09-21 | 2008-02-20 | 北京航空航天大学 | 一种合成孔径雷达图像自适应斑点噪声抑制方法 |
| CN102044072A (zh) * | 2010-11-29 | 2011-05-04 | 北京航空航天大学 | 基于统计模型的sar图像融合处理方法 |
| CN102298774A (zh) * | 2011-09-21 | 2011-12-28 | 西安电子科技大学 | 基于联合相似性的非局部均值去噪方法 |
| CN102693530A (zh) * | 2012-06-13 | 2012-09-26 | 西安电子科技大学 | 基于目标提取和srad算法的sar图像去斑方法 |
| CN103345731A (zh) * | 2013-07-22 | 2013-10-09 | 上海大学 | 基于McIlhagga边缘检测算子的各向异性扩散图像降噪方法 |
| CN104038181A (zh) * | 2014-06-05 | 2014-09-10 | 北京航空航天大学 | 一种基于nlms算法的自适应滤波器的构建方法 |
| CN104680536A (zh) * | 2015-03-09 | 2015-06-03 | 西安电子科技大学 | 利用改进的非局部均值算法对sar图像变化的检测方法 |
| CN104732493A (zh) * | 2015-03-18 | 2015-06-24 | 西安电子科技大学 | 一种基于Primal Sketch分类和SVD域改进MMSE估计的SAR图像去噪算法 |
| US20170098317A1 (en) * | 2015-10-02 | 2017-04-06 | Toshiba Medical Systems Corporation | Apparatus and method for robust non-local means filtering of tomographic images |
| CN105512680A (zh) * | 2015-12-02 | 2016-04-20 | 北京航空航天大学 | 一种基于深度神经网络的多视sar图像目标识别方法 |
| CN106651813A (zh) * | 2017-01-03 | 2017-05-10 | 长沙全度影像科技有限公司 | 一种多图像块融合的非局部均值去噪方法 |
| CN107786780A (zh) * | 2017-11-03 | 2018-03-09 | 深圳Tcl新技术有限公司 | 视频图像降噪方法、装置及计算机可读存储介质 |
| CN108196253A (zh) * | 2017-12-27 | 2018-06-22 | 北京航空航天大学 | 一种用于合成孔径雷达的方位模糊抑制方法 |
Non-Patent Citations (3)
| Title |
|---|
| LI YIHAN等: "A Modified NLM Method for Noise Remove Based on Sequential Images", 《ICIET 2018》 * |
| VICTOR MAY等: "An Algorithm for Improving Non-Local Means Operators via Low-Rank Approximation", 《IEEE TRANSACTIONS ON IMAGE PROCESSING》 * |
| 郭晨龙等: "一种基于改进非局部均值滤波算法的红外图像去噪", 《红外技术》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112927155A (zh) * | 2021-03-05 | 2021-06-08 | 湘潭大学 | 一种基于超级影像的多角度sar影像滤波方法 |
| CN112927155B (zh) * | 2021-03-05 | 2022-03-29 | 湘潭大学 | 一种基于超级影像的多角度sar影像滤波方法 |
| CN113640798A (zh) * | 2021-08-11 | 2021-11-12 | 北京无线电测量研究所 | 一种雷达目标多角度重建方法、装置及存储介质 |
| CN113640798B (zh) * | 2021-08-11 | 2023-10-31 | 北京无线电测量研究所 | 一种雷达目标多角度重建方法、装置及存储介质 |
| CN115908170A (zh) * | 2022-11-04 | 2023-04-04 | 浙江华诺康科技有限公司 | 双目图像的降噪方法、装置、电子装置和存储介质 |
| CN115908170B (zh) * | 2022-11-04 | 2023-11-21 | 浙江华诺康科技有限公司 | 双目图像的降噪方法、装置、电子装置和存储介质 |
| CN117409275A (zh) * | 2023-12-06 | 2024-01-16 | 华能澜沧江水电股份有限公司 | 一种多角度雷达图像处理方法 |
| CN117409275B (zh) * | 2023-12-06 | 2024-04-05 | 华能澜沧江水电股份有限公司 | 一种多角度雷达图像处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109146803B (zh) | 2021-08-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109146803B (zh) | 基于多角度图像的sar图像辐射分辨率提升方法及装置 | |
| CN109919870B (zh) | 一种基于bm3d的sar图像相干斑抑制方法 | |
| CN107705313B (zh) | 一种遥感图像舰船目标分割方法 | |
| US9443286B2 (en) | Gray image processing method and apparatus based on wavelet transformation | |
| CN101661611A (zh) | 基于贝叶斯非局部均值滤波器的实现方法 | |
| Panigrahi et al. | Curvelet‐based multiscale denoising using non‐local means & guided image filter | |
| CN113191979B (zh) | 一种分区域sar图像非局部均值去噪方法 | |
| CN110059640A (zh) | 基于光学遥感卫星近红外谱段的海面船舶在轨识别方法 | |
| CN106940782B (zh) | 基于变差函数的高分sar新增建设用地提取软件 | |
| CN105809649B (zh) | 基于变分多尺度分解的sar图像与可见光图像融合方法 | |
| CN112327259A (zh) | 一种sar图像中干扰信号的消除方法和装置 | |
| CN116912115A (zh) | 一种水下图像自适应增强方法、系统、设备及存储介质 | |
| CN103793889A (zh) | 基于字典学习和ppb算法的sar图像去斑方法 | |
| CN109712134A (zh) | 虹膜图像质量评价方法、装置及电子设备 | |
| van Zyl Marais et al. | Robust defocus blur identification in the context of blind image quality assessment | |
| Jafari et al. | Using two coefficients modeling of nonsubsampled Shearlet transform for despeckling | |
| CN112669332A (zh) | 一种基于双向局部极大值和峰值局部奇异性判断海天条件和检测红外目标的方法 | |
| Devapal et al. | Discontinuity adaptive SAR image despeckling using curvelet-based BM3D technique | |
| CN116993609A (zh) | 一种图像降噪方法、装置、设备及介质 | |
| CN111311610A (zh) | 图像分割的方法及终端设备 | |
| CN113674180B (zh) | 磨砂平面低对比度缺陷检测方法、装置、设备和存储介质 | |
| CN113689449B (zh) | 一种中尺度涡特征参数的反演方法及系统 | |
| Suneetha et al. | An Improved Denoising of Medical Images Based on Hybrid Filter Approach and Assess Quality Metrics | |
| CN111199537A (zh) | 基于图像处理的vts系统雷达目标点迹提取方法、终端设备及计算机可读存储介质 | |
| Wen et al. | A method for automatic infrared point target detection in a sea background based on morphology and wavelet transform |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |