基于小波變換SAR圖像斑噪聲抑制算法的改進

　　摘要合成孔徑雷達(SAR)成像技術如今應用越來越廣泛，對成像分辨率的要求也隨之提高。基于小波變換的SAR圖像斑噪聲抑制算法[1]雖然可以很好地減小相干斑噪聲對SAR圖像的影響，但在降低斑噪聲的同時，往往會將圖像的邊緣模糊化，降低了SAR圖像的分辨率。本文對該算法進行改進，將Canny邊緣檢測算法[2]與該算法相結合，首先利用邊緣檢測技術將SAR圖像邊緣提取出去，再利用小波變換的方法對已去除邊緣的SAR圖像進行去除斑噪聲處理，最后將邊緣圖與去噪后的圖像結合。通過與原圖像和目前普遍采用的均值濾波處理的圖像比較，證實了本文提出的方法可行，且去噪效果好，同時圖像邊緣保存良好。

　　關鍵詞：SAR，小波變換，相干斑噪聲，Canny邊緣檢測，算法

　　圖像技術人員投稿知識：圖像加密論文適合發表期刊

　　《計算機工程與設計》刊載內容：覆蓋計算機工程與設計領域的各個層面，包括各型計算機及其系統的研究、研制、設計、開發應用等各方面的學術、技術論文。刊登基金項目論文，獲獎課題論文，學術會議論文，博士、碩士論文等。期刊收錄圖像加密論文包括“ 基于混沌系統的彩色圖像加密算法”、“明文關聯的多混沌彩色圖像加密算法”等。

　　0引言

　　在合成孔徑雷達(SAR)中，源自基本分辨單元內地物的隨機散射，在圖像上表現為信號相關(如在空間上相關)的小斑點，即為相干斑噪聲。相干斑噪聲不僅會降低圖像的畫面質量，還會嚴重影響圖像的自動分割、分類、自動檢測以及其他定量專用信息的提取。對于SAR圖像相干斑噪聲的處理，一方面要平滑噪點，另一方面要保持圖像邊緣和紋理細節信息。

　　SAR圖像可通過多視處理[3]來減小噪點，但是會降低其分辨率;若采用如均值濾波、中值濾波、Lee濾波[4]、Frost濾波[5]、GammaMap濾波等方法，雖然可以解決上述問題，但是自身也存在著無法克服的矛盾：要增強去噪效果需要選擇較大的窗口，而要保持圖像的分辨率則需要選擇較小的窗口。故本文將Canny邊緣檢測算法與小波變換相結合，利用Canny邊緣檢測算法對圖像邊緣強度和方向進行計算，再利用小波變換對像素進行過濾，實現了平滑斑噪點，同時保持了原圖像邊緣的完整性。

　　1基本算法

　　1.1Canny邊緣檢測算法

　　Canny邊緣檢測算子通過高斯函數的一階微分，可以在噪聲抑制與邊緣檢測之間找到良好的平衡，表達式近似高斯函數的一階導數。

　　1.2小波變換

　　小波變換作為一種新的信號處理技術，也被應用于相干斑斑點的抑制。其原理為：利用小波變換的多分辨率分析特性，將SAR圖像分解，其中大部分噪聲集中在高頻部分的子圖像中，然后在這些子圖像里進行斑噪點的抑制。由于小波的這一特性，使得它在降噪過程中不但可以有效地抑制噪聲，還可以很好地保持圖像的大體輪廓特征。它包含了三種細節子圖像：HL、LH、HH。大部分的斑噪聲處于細節子圖像即高頻部分的圖像中，故可以通過減小高頻系數來抑制斑噪聲。本文采用Fukuda等人[6]提出的小波去噪的方法，對SAR圖像進行在小波域的分解，之后對其細節子圖像在每層中進行處理。處理過程大致分四步：1)判別每一個像素是屬于HIGHLEVEL還是LOWLEVEL,判斷標準以像素的絕對值是否大于設定的門限值為基準，若大于門限值則為HIGHLEVEL,反之為LOWLEVEL;2)將被判別為LOWLEVEL的每一個像素都乘一個系數α，且0<α<1;3)檢測被判為HIGHLEVEL的像素是否存在邊緣，如果模板的陰影里面至少存在1個HIGHLEVEL像素，則模板中心的值保持不變，反之則將該像素乘以一個系數β，且0<β<1;4)進行小波反變換，得到在子圖像處理后的一幅圖像。

　　2改進算法

　　傳統斑噪聲抑制算法的缺陷在于無法使圖像在得到抑制噪點處理后依然保持較好的圖像邊緣。其根本原因是傳統算法沒有對圖像進行拆分，它將邊緣像素與混有噪點的像素一同處理，導致即便平滑了噪點，但邊緣也變得模糊。因此，本文提出一種改進的方法，即將SAR圖像進行拆分處理，通過Canny邊緣檢測算法對圖像邊緣進行檢測提取，得到清晰的邊緣圖像，之后對非邊緣的圖像進行小波變換分解，從而減小斑噪聲。，最終得到的輸出圖像為P=A+C。具體流程步驟如下。1)采用Canny邊緣檢測對初始圖像O進行處理，得到邊緣圖A和去邊緣后的圖像B;2)圖像B的邊緣處像素值為0，所以需要重新定義，通過原邊緣點的4個領域均值來進行定義:B(x,y)=[A(x,y+1)+A(x+1,y)+A(x,y-1)+A(x-1,y)/4;3)通過小波變換過濾處理圖像B,得到平滑斑噪聲后的圖像C;4)將圖像A和圖像C相疊加，得到最終的輸出圖像P。

　　3實驗結果

　　經過均值濾波處理的SAR圖像，圖中斑點噪聲明顯減少，這是由于均值濾波擅長處理斑點噪聲，但同時也可以看到，圖像清晰度不好、完整性不強、邊緣比較模糊，例如，圖中標識處;圖(c)是通過本文算法處理后的圖像，其噪點減少，圖像的完整性、清晰度明顯優于圖(b)，由此證明了本文算法的可行性與可靠性。

　　4結論

　　本文提出的基于小波變換的SAR圖像斑噪聲抑制的改進算法，經理論推導和實驗求證，方法不僅可行，且具有良好效果。不過，本文算法仍有很大的創新空間，例如，與比例邊緣檢測算法[7]相比，Canny邊緣檢測算法在處理含有噪點的邊緣圖中具有良好的檢測性，但是該算法在SAR圖像中不具有恒虛警性，即在高亮度區的邊緣檢測虛警率高于低亮度區。將上述兩種邊緣檢測算法結合，或者找到一種更合適的邊緣檢測算法與小波變換濾波相結合有可能成為今后的研究方向。

　　參考文獻

　　[1]ZengZ,CummingI.ModifiedSPIHTEncodingforSARImageData[J].IEEETransactionsonGeoscienceandRemoteSensing,2001,39(3):546-522.

　　[2]FosterI.TheGrid:ANewInfratsructureFor21stCenturyScience[J].PhysicsToday,2002,55(2):42-47.

　　[3]Moore,Richard.TradeoffBetweenPictureElementDimensionsandNoncoherentAveraginginSide-LookingAirborneRadar[J].IEEETransactionsonAerospaceandElectronicSystems,1979,15(5):697-708.

轉載請注明來自發表學術論文網：http://www.zpfmc.com/dzlw/22118.html