CN112288640A - 一种抑制sar图像相干斑噪声的方法、系统和终端设备 - Google Patents
一种抑制sar图像相干斑噪声的方法、系统和终端设备 Download PDFInfo
- Publication number
- CN112288640A CN112288640A CN202010705525.0A CN202010705525A CN112288640A CN 112288640 A CN112288640 A CN 112288640A CN 202010705525 A CN202010705525 A CN 202010705525A CN 112288640 A CN112288640 A CN 112288640A
- Authority
- CN
- China
- Prior art keywords
- sar image
- variational model
- speckle noise
- variational
- parameter
- 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 72
- 230000002401 inhibitory effect Effects 0.000 title abstract description 8
- 230000006870 function Effects 0.000 claims description 45
- 238000005457 optimization Methods 0.000 claims description 30
- 230000008569 process Effects 0.000 claims description 17
- 230000001629 suppression Effects 0.000 claims description 8
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000003190 augmentative effect Effects 0.000 claims description 5
- 238000004800 variational method Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000009466 transformation Effects 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 2
- 238000010276 construction Methods 0.000 claims 1
- 238000004422 calculation algorithm Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009467 reduction 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
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 239000003897 fog Substances 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/15—Correlation function computation including computation of convolution operations
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种抑制SAR图像相干斑噪声的方法、系统及终端设备，该方法包括提出了一种保边保对比度的SAR图像去相干斑噪声的截断的非凸非光滑的变分模型，所述截断的非凸非光滑的变分模型中包含截断的非凸非光滑的正则项，通过对所述截断的非凸非光滑的正则加上一个截断函数，可以更好的保边和保对比度；该方法还包括提出了一种针对上述包括截断的非凸非光滑项的变分模型进行优化的方法；将待处理的SAR图像输入到优化后的所述截断的非凸非光滑的变分模型后，得到去除相干斑噪音后的SAR图像。
Description
技术领域
本发明涉及遥感科学领域，更具体地说，涉及一种抑制SAR图像相干斑噪声的方法、系统和终端设备。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种具有距离高分辨和方位高分辨能力的成像雷达。它是一种主动遥感系统，它相比光学遥感系统有着非常多的优点，例如全天时、全天候的能力。真实孔径的雷达很难获得高的距离和方位分辨率，然而经过脉冲压缩技术，SAR可以获得较高的距离分辨率并且通过合成孔径原理可以获得较高的方位分辨率。这些高分辨率的特点可以使得合成孔径雷达获取到大面积的高分辨雷达图像，从而有效地提高了机载和星载雷达的分辨率。
目前星载和机载SAR的应用非常广泛，如目标识别、地表分类和船舶检测等。不同于红外、光学等遥感设备，SAR系统可以提供全天候和全天时条件下，对地的高分辨地面测绘资料和图像。由其在恶劣的气候环境下，相比于其它的探测传感器，SAR系统可以昼夜工作而且其电磁波可以有效地穿透烟、雾、尘和其它一些障碍。相比而言，虽然红外传感器也可以在夜间工作，但遗憾的是，与其它电光传感器一样，它不能在恶劣严酷的环境下有效地产生清晰的图像。但是，SAR系统也有与生俱来的不足之处，最突出的困难在于SAR图像存在非常严重的相干斑噪声，这种噪声影响因素会降低SAR图像的可视化效果和图像处理算法的表现。因此，在对SAR图像的信息提取一些有意义的特征(如区域分割、边界提取和目标检测等)之前，需要进行相干斑噪声的去除工作。
目前抑制SAR图像的相干斑噪声的方法主要是基于非局部滤波的方法、变分的方法和数据驱动的方法。其中：
1、基于非局部滤波的方法，由于可以非常好的识别细节信息，所以通常可以得到非常好的抑制结果；但是该方法由于其在没有特征的地方也会尝试去识别本该没有的特征，所以会出现一些令人烦恼的人造现象，例如笔刷(PPBit),鬼影(SARBM3D)。
2、基于变分的方法，由于其具有较好的保边能力和更好的恢复均匀区域，目前在此基础上已有大量的研究实施开展；但是该方法也会不可避免地会引入一些人造现象，例如阶梯现象(TV)，模糊边(TGV)、对比度降低(TV、TGV等)等。
3、数据驱动的方法，该方法可以非常好的抑制相干斑噪声，但是其结果会非常依赖所选择的训练的数据集。
上述已实施的三种方法在抑制SAR图像的相干斑噪声时都会出现人造现象，例如鬼影、笔刷、对比度降低和模糊边等。
发明内容
本发明要解决的技术问题在于，针对现有技术在抑制SAR图像的相干斑噪声时出现人造现象的缺陷，提供一种保边保对比度的SAR图像去相干斑噪声方法。
本发明解决其技术问题所采用的技术方案是：构造一种抑制SAR图像相干斑噪声的方法，包括：
S1、构造SAR图像去相干斑噪声的第一变分模型；所述第一变分模型为截断的非凸非光滑的变分模型，其数学表达式为：
其中，f为输入的有相干斑噪音的SAR图像，u为抑制相干斑噪音后的SAR图像；α为一个用于平衡正则项与数据项的非负系数；i,j分别代表SAR图像中像素点对应的行和列，N是SAR图像中像素矩阵的总行数和总列数；
是水平方向的前向差分算子，
是竖直方向的前向差分算子；p是区间[0,1]内取到的一个正数；
表示非凸非光滑的函数；V是一个
的欧几里得空间；
表示截断函数，τ＞0为可调节的变量参数；
S2、对所述第一变分模型进行优化，优化过程即为对所述第一变分模型中包括的截断的非凸非光滑项进行分析和求解待优化参数u的过程；
S3、输入待处理的SAR图像到优化后所得的第二变分模型，得到去除相干斑噪音后的SAR图像；其中，所述第二变分模型为受限制的变分模型。
本发明第二方面提出了一种抑制SAR图像相干斑噪声的系统，包括：
第一变分模型构建模块，用于构造SAR图像去相干斑噪声的第一变分模型；所述第一变分模型为截断的非凸非光滑的变分模型，其数学表达式为：
其中，f为输入的有相干斑噪音的SAR图像，u为抑制相干斑噪音后的SAR图像；α为一个用于平衡正则项与数据项的非负系数；i,j分别代表SAR图像中像素点对应的行和列，N是SAR图像中像素矩阵的总行数和总列数；
是水平方向的前向差分算子，
是竖直方向的前向差分算子；p是区间[0,1]内取到的一个正数；
表示非凸非光滑的函数；V是一个
的欧几里得空间；
表示截断函数，τ＞0为可调节的变量参数；
第一变分模型优化模块，用于对所述第一变分模型进行优化，优化过程即为对所述第一变分模型中包括的截断的非凸非光滑项进行分析和求解待优化参数u的过程；
图像处理模块，用于输入待处理的SAR图像到优化后所得的第二变分模型，得到去除相干斑噪音后的SAR图像；其中，所述第二变分模型为受限制的变分模型。
本发明第三方面提出了一种终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现用于抑制SAR图像相干斑噪声的执行方法所执行的操作。
在本发明所述的一种抑制SAR图像相干斑噪声的方法、系统和终端设备中，提出一种截断的非凸非光滑的SAR图像去相干斑噪声的变分模型，其中，在变分模型中采用非凸非光滑的正则项可以更好的保边，并且会在均匀区域也不会引入一些人造现象。另外，针对采用的非凸非光滑的正则项，加上一个截断函数，可以更好的恢复原始SAR图像的对比度。
附图说明
下面将结合附图及实施例对本发明作进一步说明，附图中：
图1是本申请一种抑制SAR图像相干斑噪声的方法的一个实施例的流程图；
图2是对截断的非凸非光滑问题进行分析的流程图；
图3是本申请一种抑制SAR图像相干斑噪声的系统的一个实施例的结构示意图；
图4是本申请一种抑制SAR图像相干斑噪声的系统的第一变分模型优化模块的结构示意图；
图5是本申请一种抑制SAR图像相干斑噪声的系统的拉格朗日函数计算模块的结构示意图；
图6是本发明一种终端设备的一个实施例的结构示意图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解，现对照附图详细说明本发明的具体实施方式。
为使图面简洁，各图中只示意性地表示出了与本发明相关的部分，它们并不代表其作为产品的实际结构。另外，以使图面简洁便于理解，在有些图中具有相同结构或功能的部件，仅示意性地绘示了其中的一个，或仅标出了其中的一个。在本文中，“一个”不仅表示“仅此一个”，也可以表示“多于一个”的情形。
本发明的一个实施例，如图1所示，一种抑制SAR图像相干斑噪声的方法，包括：
S100、构造SAR图像去相干斑噪声的第一变分模型；所述第一变分模型为截断的非凸非光滑的变分模型，其数学表达式为：
其中，f为输入的有相干斑噪音的SAR图像，u为抑制相干斑噪音后的SAR图像；α为一个用于平衡正则项与数据项的非负系数；i,j分别代表SAR图像中像素点对应的行和列，N是SAR图像中像素矩阵的总行数和总列数；
是水平方向的前向差分算子，
是竖直方向的前向差分算子；p是区间[0,1]内取到的一个正数(需要说明的是参数p是在0到1之前根据输入的图像进行选择的参数；其中，对于卡通图像，p的取值接近于0；对于细节信息较多的图像的话，p的取值接近于1)；
表示非凸非光滑的函数；V是一个
的欧几里得空间；
表示截断函数，τ＞0为可调节的变量参数；
S200、对所述第一变分模型进行优化，优化过程即为对所述第一变分模型中包括的截断的非凸非光滑项进行分析和求解待优化参数u的过程；
具体的，在对截断的非凸非光滑问题进行分析时包括(具体的执行流程请参考图2)：
S210、使用分裂变量法和交替乘子法将式(1)转化为式(2)，基于所得的第二变分模型进行截断的非凸非光滑问题分析：
其中，Q＝V×V。
基于式(2)进行待优化参数u求解的时候包括：
S220、将式(2)转换为增广拉格朗日形式，针对所得的拉格朗日函数，将其分解为若干个子项；其中：
式(2)的增广拉格朗日形式为：
式(3)中，λt，λw＞0均为拉格朗日乘子，rt，rw＞0均为惩罚项系数；＜*＞V为“*”在V空间里的内积，
为“*”在V空间里的范数；＜*＞Q为“*”在Q空间里的内积，
为“*”在Q空间里的范数。
所述针对所得的拉格朗日函数，将其分解为若干个子项，具体为：
将式(3)分为以下3个子项，由式(4)-式(6)所示：
S230、针对不同的子项，设置所需固定的参数，进行子项的化简；
具体的，针对式(4)，通过固定参数u和w，来求解参数t，其中，式(4)可以化简为：
具体的，针对式(5)，通过固定参数u和t，来求解参数w，其中，式(5)可以化简为：
具体的，针对式(6)，通过固定参数w和t，来求解参数u，其中，式(6)可以化简为：
S240、基于化简后的子项进行迭代优化，包括采用逐像素求解法、一阶导求解法和快速傅里叶变换法，进行待解参数u、w、t的求解，完成对第一变分模型的优化；其中：
①具体的，针对式(7)采用逐像素求解法，将式(7)转换为式(10)：
其中，
为了求解式(10)，本实施例下考虑引入以下2个函数：
式(11)中，s为定义的优化参数，sp为对参数s进行p次方的计算。
对χ1(s)和χ2(s)分别进行一阶导、二阶导的求解，得到函数χ1(s)的一阶导χ1′(s)、二阶导χ1″(s)，以及函数χ2(s)的一阶导χ2'(s)、二阶导χ2″(s)，其中：
首先，如果存在χ1″(s)＝0，在进行等式变换后，得到的解为sL，
其次，将前述得到的解sL带入函数χ1′(s)之后：
(1)如果存在χ1′(sL+)＜0，其中，sL+为从右趋近于sL取到的值；则在区间范围[sL,||qi,j||]内寻找使得χ1′(s)＝0的解s，之后，在到集合
中，找到一个可以使得函数χ1(s)最小的最优解s，使得
为令函数χ1(s)最小的最优解。
(2)如果存在χ1′(sL+)≥0，且存在s1 *＝0，则令
为当前情况下令函数χ1(s)最小的最优解。
最后，结合上述的步骤(1)-(2)，定义优化参数s取得的最优解s*为：
经过上述的推导分析后，待解参数t的解为：
②具体的，针对式(8)采用一阶导求解法，包括对式(8)进行一阶导变换，并令其求导结果为0得到：
对式(12)求解后得到：
③具体的，针对式(9)采用快速傅里叶变换法，包括：
首先，计算式(9)的一阶最优条件为：
其中，Δ是拉普拉斯算子，div是相应的散度算子。
其次，对式(14)进行快速傅里叶变换后进行参数u的求解。
最后，在采用迭代优化的方式，求得了参数u、t和w后，还包括：
当通过迭代优化的方式，在基于步骤①-③对第一变分模型进行优化的过程中，还包括更新拉格朗日乘子：
其中，λtλw＞0均为拉格朗日乘子，rtrw＞0均为惩罚项系数。
S300、输入待处理的SAR图像到优化后所得的第二变分模型，得到去除相干斑噪音后的SAR图像；其中，第二变分模型为受限制的变分模型。
需要说明的是，本实施例上述的算法执行过程是在MATLAB R2017b中实现的，包括在数据的初始化阶段，使用imread函数来读取输入的具有相干斑噪声的SAR图像f。
已知的参数包括：
稀疏性参数p、正则项参数α、截断函数参数τ、惩罚项系数rt,rw、算法的最大迭代次数K、迭代的容差tol_out。
在初始化阶段，包括设置：t,λt,λw＝0，u＝f，w＝f。
在进入算法迭代的过程中，如果迭代次数大于K，或者两次输出结果u之间的l2范数小于迭代容差tol_out，则退出迭代，输出抑制相干斑噪声后的SAR图像。
本发明的另一个实施例，如图3-图5所示，一种抑制SAR图像相干斑噪声的系统，包括：
第一变分模型构建模块10，用于构造SAR图像去相干斑噪声的第一变分模型；第一变分模型为截断的非凸非光滑的变分模型，其数学表达式为：
其中，f为输入的有相干斑噪音的SAR图像，u为抑制相干斑噪音后的SAR图像；α为一个用于平衡正则项与数据项的非负系数；i,j分别代表SAR图像中像素点对应的行和列，N是SAR图像中像素矩阵的总行数和总列数；
是水平方向的前向差分算子，
是竖直方向的前向差分算子；p是区间[0,1]内取到的一个正数；
表示非凸非光滑的函数；V是一个
的欧几里得空间；
表示截断函数，τ＞0为可调节的变量参数；
第一变分模型优化模块20，用于对第一变分模型进行优化，优化过程即为对第一变分模型中包括的截断的非凸非光滑项进行分析和求解待优化参数u的过程；其中：
第一变分模型优化模块20包括以下子模块(具体系统结构请参考图4)：
第二变分模型构建模块21，用于使用分裂变量法和交替乘子法将式(1)转化为式(2)，基于所得的第二变分模型进行截断的非凸非光滑问题分析：
其中，Q＝V×V。
拉格朗日函数计算模块22，用于将式(2)转换为增广拉格朗日形式，针对所得的拉格朗日函数，将其分解为若干个子项；其中，拉格朗日函数计算模块22包括拉格朗日乘子更新模块221(具体系统结构请参考图5)：
拉格朗日乘子更新模块221，用于在迭代优化的过程中，进行拉格朗日乘子的更新：
其中，λt，λw＞0均为拉格朗日乘子，rt，rw＞0均为惩罚项系数。
化简模块23，用于针对不同的子项，设置所需固定的参数，进行子项的化简；
参数求解模块24，用于基于化简后的子项进行迭代优化，包括采用逐像素求解法、一阶导求解法和快速傅里叶变换法，进行待解参数u、w、t的求解，完成对第一变分模型的优化。
图像处理模块30，用于输入待处理的SAR图像到优化后所得的第二变分模型，得到去除相干斑噪音后的SAR图像；其中，所述第二变分模型为受限制的变分模型。
本发明的另一个实施例，如图6所示，一种终端设备100，包括处理器110、存储器120，其中，存储器120，用于存放计算机程序；处理器110，用于执行存储器120上所存放的计算机程序，实现上述图1任意一个对应方法实施例中的抑制SAR图像相干斑噪声的方法。
本发明所述的一种抑制SAR图像相干斑噪声的方法、系统和终端设备中，提出一种截断的非凸非光滑的SAR图像去相干斑噪声的变分模型，其中，在变分模型中采用非凸非光滑的正则项可以更好的保边，并且会在均匀区域也不会引入一些人造现象。另外，针对采用的非凸非光滑的正则项，加上一个截断函数，可以更好的恢复原始SAR图像的对比度。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。
Claims (9)
1.一种抑制SAR图像相干斑噪声的方法，其特征在于，包括：
S1、构造SAR图像去相干斑噪声的第一变分模型；所述第一变分模型为截断的非凸非光滑的变分模型，其数学表达式为：
其中，f为输入的有相干斑噪音的SAR图像，u为抑制相干斑噪音后的SAR图像；α为一个用于平衡正则项与数据项的非负系数；i,j分别代表SAR图像中像素点对应的行和列，N是SAR图像中像素矩阵的总行数和总列数；
是水平方向的前向差分算子，
是竖直方向的前向差分算子；p是区间[0,1]内取到的一个正数；
表示非凸非光滑的函数；V是一个
的欧几里得空间；
表示截断函数，τ＞0为可调节的变量参数；
S2、对所述第一变分模型进行优化，优化过程即为对所述第一变分模型中包括的截断的非凸非光滑项进行分析和求解待优化参数u的过程；
S3、输入待处理的SAR图像到优化后所得的第二变分模型，得到去除相干斑噪音后的SAR图像；其中，所述第二变分模型为受限制的变分模型。
2.根据权利要求1所述的一种抑制SAR图像相干斑噪声的方法，其特征在于，步骤S2中，在对截断的非凸非光滑问题进行分析时包括：
使用分裂变量法和交替乘子法将式(1)转化为式(2)，基于所得的第二变分模型进行截断的非凸非光滑问题分析：
其中，Q＝V×V。
3.根据权利要求2所述的一种抑制SAR图像相干斑噪声的方法，其特征在于，基于所得的第二变分模型进行截断的非凸非光滑问题求解包括：
将式(2)转换为增广拉格朗日形式，针对所得的拉格朗日函数，将其分解为若干个子项；
针对不同的子项，设置所需固定的参数，进行子项的化简；包括：
通过固定参数u和w，来求解参数t，化简得到第一子项；
通过固定参数u和t，来求解参数w，化简得到第二子项；
通过固定参数w和t，来求解参数u，化简得到第三子项；
基于化简后的每个子项进行迭代优化，包括：
针对第一子项采用逐像素求解法，将第一子项转换为式(3)：
其中，
λt＞0为拉格朗日乘子，rt＞0为惩罚项系数；
为求解式(3)，引入以下2个函数：
式(4)中，s为定义的优化参数，sp为对参数s进行p次方的计算；
对函数χ1(s)和函数χ2(s)分别进行一阶导、二阶导的求解，得到函数χ1(s)的一阶导χ′1(s)、二阶导χ″1(s)，以及函数χ2(s)的一阶导χ′2(s)、二阶导χ″2(s)后：
当存在χ″1(s)＝0，在对等式χ″1(s)＝0进行等式变换后，得到参数解sL：
将参数解sL带入函数χ′1(s)之后：当存在χ′1(sL+)＜0，其中，sL+为从右趋近于参数sL取到的值；则在区间范围[sL,||qi,j||]内寻找使得χ′1(s)＝0的解
之后，到集合
中，筛选出令函数χ1(s)最小的第一最优解
当存在χ′1(sL+)≥0，且存在
则令
为令函数χ1(s)最小的第二最优解；
最后，定义优化参数s取得的最优解s*为：
将待解参数t的解设为：
针对第二子项采用一阶导求解法，包括对第二子项进行一阶导变换，并令其求导结果为0：
其中，λw＞0为已知的拉格朗日乘子，rw＞0为已知的惩罚项系数；在已知参数α,u,f的情况下，对式(5)进行等式变换后，进行参数w的求解；
针对第三子项采用快速傅里叶变换法，包括计算第三子项的一阶最优条件：
式(6)中，Δ是拉普拉斯算子，div是相应的散度算子；对式(6)进行快速傅里叶变换后，进行参数u的求解。
4.根据权利要求3所述的一种抑制SAR图像相干斑噪声的方法，其特征在于，基于所得的第二变分模型进行截断的非凸非光滑问题求解还包括：
每一次迭代优化的过程中包括更新拉格朗日乘子：
其中，λt，λw＞0均为拉格朗日乘子，rt，rw＞0均为惩罚项系数。
5.一种抑制SAR图像相干斑噪声的系统，其特征在于，包括：
第一变分模型构建模块，用于构造SAR图像去相干斑噪声的第一变分模型；所述第一变分模型为截断的非凸非光滑的变分模型，其数学表达式为：
其中，f为输入的有相干斑噪音的SAR图像，u为抑制相干斑噪音后的SAR图像；α为一个用于平衡正则项与数据项的非负系数；i,j分别代表SAR图像中像素点对应的行和列，N是SAR图像中像素矩阵的总行数和总列数；
是水平方向的前向差分算子，
是竖直方向的前向差分算子；p是区间[0,1]内取到的一个正数；
表示非凸非光滑的函数；V是一个
的欧几里得空间；
表示截断函数，τ＞0为可调节的变量参数；
第一变分模型优化模块，用于对所述第一变分模型进行优化，优化过程即为对所述第一变分模型中包括的截断的非凸非光滑项进行分析和求解待优化参数u的过程；
图像处理模块，用于输入待处理的SAR图像到优化后所得的第二变分模型，得到去除相干斑噪音后的SAR图像；其中，所述第二变分模型为受限制的变分模型。
6.根据权利要求5所述的一种抑制SAR图像相干斑噪声的系统，其特征在于，所述第一变分模型优化模块包括第二变分模型构建模块：
所述第二变分模型构建模块，用于使用分裂变量法和交替乘子法将式(1)转化为式(2)，基于所得的第二变分模型进行截断的非凸非光滑问题分析：
其中，Q＝V×V。
7.根据权利要求6所述的一种抑制SAR图像相干斑噪声的系统，其特征在于，所述第一变分模型优化模块还包括以下子模块：
拉格朗日函数计算模块，用于将式(2)转换为增广拉格朗日形式，针对所得的拉格朗日函数，将其分解为若干个子项；
化简模块，用于针对不同的子项，设置所需固定的参数，进行子项的化简；
参数求解模块，用于基于化简后的子项进行迭代优化，包括采用逐像素求解法、一阶导求解法和快速傅里叶变换法分别对相应的子项进行计算，进行待解参数u、w、t的求解，完成对第一变分模型的优化。
8.根据权利要求7所述的一种抑制SAR图像相干斑噪声的系统，其特征在于，所述拉格朗日函数计算模块包括拉格朗日乘子更新模块：
所述拉格朗日乘子更新模块，用于每一次迭代的过程中包括更新拉格朗日乘子：
其中，λt，λw＞0均为拉格朗日乘子，rt，rw＞0均为惩罚项系数。
9.一种终端设备，包括处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器，用于执行所述存储器上所存放的计算机程序，实现如权利要求1至权利要求4任一项所述的抑制SAR图像相干斑噪声的方法所执行的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010705525.0A CN112288640B (zh) | 2020-07-21 | 2020-07-21 | 一种抑制sar图像相干斑噪声的方法、系统和终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202010705525.0A CN112288640B (zh) | 2020-07-21 | 2020-07-21 | 一种抑制sar图像相干斑噪声的方法、系统和终端设备 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112288640A true CN112288640A (zh) | 2021-01-29 |
| CN112288640B CN112288640B (zh) | 2022-08-30 |
Family
ID=74419690
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202010705525.0A Active CN112288640B (zh) | 2020-07-21 | 2020-07-21 | 一种抑制sar图像相干斑噪声的方法、系统和终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112288640B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112862729A (zh) * | 2021-03-30 | 2021-05-28 | 湖北地信科技集团股份有限公司 | 一种基于特征曲线指导的遥感图像去噪方法 |
| CN112950512A (zh) * | 2021-03-30 | 2021-06-11 | 湖北地信科技集团股份有限公司 | 基于dca算法的sar图像相干斑抑制方法 |
| CN113298836A (zh) * | 2021-06-29 | 2021-08-24 | 天津市测绘院有限公司 | 一种顾及要素轮廓强度的遥感图像薄云去除方法及系统 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016080914A1 (en) * | 2014-11-20 | 2016-05-26 | Agency For Science, Technology And Research | Speckle reduction in optical coherence tomography images |
| CN105931195A (zh) * | 2016-04-11 | 2016-09-07 | 华中科技大学 | 一种合成孔径雷达图像噪声抑制方法 |
| CN107705265A (zh) * | 2017-10-11 | 2018-02-16 | 青岛大学 | 一种基于总曲率的sar图像变分去噪方法 |
| CN111028356A (zh) * | 2019-11-25 | 2020-04-17 | 中国地质大学（武汉） | 基于非凸非光滑二阶正则项和稀疏保真项的优化方法 |
-
2020
- 2020-07-21 CN CN202010705525.0A patent/CN112288640B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2016080914A1 (en) * | 2014-11-20 | 2016-05-26 | Agency For Science, Technology And Research | Speckle reduction in optical coherence tomography images |
| CN105931195A (zh) * | 2016-04-11 | 2016-09-07 | 华中科技大学 | 一种合成孔径雷达图像噪声抑制方法 |
| CN107705265A (zh) * | 2017-10-11 | 2018-02-16 | 青岛大学 | 一种基于总曲率的sar图像变分去噪方法 |
| CN111028356A (zh) * | 2019-11-25 | 2020-04-17 | 中国地质大学（武汉） | 基于非凸非光滑二阶正则项和稀疏保真项的优化方法 |
Non-Patent Citations (3)
| Title |
|---|
| 王灿等: "基于形态学成分分析的合成孔径雷达图像去噪", 《电波科学学报》 * |
| 范惠玲等: "基于区域分割的非局部全变差SAR相干斑滤波", 《舰船科学技术》 * |
| 陈亚欣等: "分裂增广拉格朗日收缩法移除SAR影像相干斑", 《遥感信息》 * |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112862729A (zh) * | 2021-03-30 | 2021-05-28 | 湖北地信科技集团股份有限公司 | 一种基于特征曲线指导的遥感图像去噪方法 |
| CN112950512A (zh) * | 2021-03-30 | 2021-06-11 | 湖北地信科技集团股份有限公司 | 基于dca算法的sar图像相干斑抑制方法 |
| CN113298836A (zh) * | 2021-06-29 | 2021-08-24 | 天津市测绘院有限公司 | 一种顾及要素轮廓强度的遥感图像薄云去除方法及系统 |
| CN113298836B (zh) * | 2021-06-29 | 2023-03-14 | 天津市测绘院有限公司 | 一种顾及要素轮廓强度的遥感图像薄云去除方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112288640B (zh) | 2022-08-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112288640B (zh) | 一种抑制sar图像相干斑噪声的方法、系统和终端设备 | |
| Ding et al. | Single image rain and snow removal via guided L0 smoothing filter | |
| Chen et al. | A generalized low-rank appearance model for spatio-temporally correlated rain streaks | |
| CN109325589B (zh) | 卷积计算方法及装置 | |
| Singh et al. | Analysis and effects of speckle noise in SAR images | |
| Liu et al. | Hyperspectral restoration and fusion with multispectral imagery via low-rank tensor-approximation | |
| CN110287819A (zh) | 动态背景下基于低秩及稀疏分解的动目标检测方法 | |
| CN112215773B (zh) | 基于视觉显著性的局部运动去模糊方法、装置及存储介质 | |
| WO2023115801A1 (zh) | 气动光学效应大视场退化图像逐点校正复原方法及系统 | |
| CN108710851B (zh) | 地震信号随机噪声衰减方法、终端设备及存储介质 | |
| Koh et al. | Bnudc: A two-branched deep neural network for restoring images from under-display cameras | |
| Zhou et al. | Infrared small target detection via incorporating spatial structural prior into intrinsic tensor sparsity regularization | |
| Li et al. | A cascade method for infrared dim target detection | |
| CN116883235A (zh) | 一种面向分布式光电的图像拼接方法及装置 | |
| CN116883447A (zh) | 基于空时张量分解的红外图像目标与背景分离方法及系统 | |
| CN112862729B (zh) | 一种基于特征曲线指导的遥感图像去噪方法 | |
| Lu et al. | Detecting moving objects from dynamic background combining subspace learning with mixed norm approach | |
| Cheng et al. | Video dehazing for surveillance unmanned aerial vehicle | |
| Ouyang | Total variation constraint GAN for dynamic scene deblurring | |
| Ullah et al. | A modified multi-grid algorithm for a novel variational model to remove multiplicative noise | |
| CN113866724A (zh) | 一种基于交替方向法的海杂波背景下雷达目标检测方法 | |
| Jiang et al. | A resource-efficient parallel architecture for infrared image stripe noise removal based on the most stable window | |
| Li et al. | Design of a dynamic data-driven system for multispectral video processing | |
| CN112069870A (zh) | 一种适用于车辆识别的图像处理方法及装置 | |
| Yu et al. | Research Status and Development Trend of Image Restoration Technology |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20221228 Address after: 7th Floor, Beidou Building, No. 980, Gaoxin Avenue, Wuhan East Lake New Technology Development Zone, Wuhan, Hubei 430056 Patentee after: HUBEI DIXIN TECHNOLOGY GROUP CO.,LTD. Address before: 430000 Lu Mill Road, Hongshan District, Wuhan, Hubei Province, No. 388 Patentee before: CHINA University OF GEOSCIENCES (WUHAN CITY) |