sar图像去噪matlab,一种基于总曲率的SAR图像变分去噪方法与流程

4923b9e9f3646281ed26bc3522f94d6d.gif

本发明属于数字图像处理技术领域,具体涉及一种基于总曲率的SAR图像变分去噪方法。

背景技术:

相干斑噪声是合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像的重要特征,严重影响SAR图像的可解译性。相干斑噪声通常作为乘性噪声来建模f=uη,f为观察到的退化图像,u为原始清晰图像,η为噪声。理想的SAR图像去噪方法是能在去除斑点噪声的同时保留图像的边缘和细节信息。去噪方法为定义一个滤波器窗口估计相干斑的局部噪声方差,利用估计值进行滤波处理。现有技术中,常用滤波算法有均值滤波、中值滤波、局部滤波、Lee滤波、Lee-Sigma滤波、Frost滤波和Gamma-MAP滤波。研究表明,在均匀图像区域,这些滤波方法能够较好的削减噪声,而在非均匀区域,图像过于平衡或模糊,不能很好的保持边缘细节信息;现有技术中,全变分方法将图像去噪构建为能量函数的最小化问题,引入各项异性扩散方程,在平滑噪声的同时保持边缘。变分模型包括数据保真项和规则项,基于全变分TV规则项,AA模型是最早的SAR图像Gamma分布的乘性噪声去除模型,SST模型为Poisson分布的乘性噪声去除模型,DTDS模型为Rayleigh分布的乘性噪声去除模型,SO模型为综合的乘性噪声去除模型。常用的梯度下降法在求解乘性噪声去噪模型时存在计算速度慢的问题,通常在求解过程中引入一些快速算法包括Split Bregman算法,对偶算法等。TV规则项能够较好的保持边缘,但阶梯效应是其主要缺点,通常引入高阶项来克服这一缺点,主要包括Hessian矩阵规则项、拉普拉斯Δu规则项和总曲率规则项。由于计算的复杂性和非线性,目前乘性噪声变分模型还未引入高阶规则项,因此设计一种基于总曲率的SAR图像变分去噪方法,能够将待处理的图像既能平滑乘性噪声又能保图像边缘细节信息。

技术实现要素:

本发明的目的在于克服现有方法存在的缺陷,寻求设计提供一种基于总曲率的SAR图像变分去噪方法,该方法涉及的变分能量方程包括数据保真项和总曲率规则项,并且基于交替方向乘子法(Alternating Direction Method of Multipliers,缩写为ADMM)巧妙设计辅助变量,通过L2范数约束,实现能量方程最小化极值问题的求解,求解的图像既能平滑乘性噪声又能保图像边缘细节信息。

为了实现上述目的,本发明涉及的基于总曲率的SAR图像变分去噪方法的具体操作方法按照如下步骤进行:

a.选择一幅待处理的原始SAR图像f并根据该图像f建立基于总曲率的SAR图像变分去噪能量方程,对于输入的原始超声图像f,期望得到的去噪后的图像为u,基于总曲率的能量方程为:

其中,Ω为SAR图像区域,α为权重系数,a、b和c为成型噪声一阶项、平方项和对数项的参数;曲率规则项的使用能够在SAR图像去噪过程中更好的保持边缘细节信息;

b.对步骤a中所述的总曲率的能量方程进行转换,步骤a建立的能量方程的数据项和规则项均为非凸非线性,因此引入u=ez进行变量替换,能量方程转换如下:

c.步骤b建立的能量方程具有高阶、非凸性,难以进行求解,引入分裂算子w、和q简化总曲率规则项,步骤b的能量方程形式化为带约束的极小值问题:

d.步骤c中所述的约束能够转换为和两个等价约束,设计约束因此,又被转化为和具有约束的变量是松弛的,至此,能量方程转化为可使用增广拉格朗日方法求解的方程:

e.步骤d中所述的约束w=z、和采用L2惩罚项,由能够推导出因此使用L1惩罚约束这样极小化问题转换为以下子问题的交替优化问题:

其中,β1、β2、β3、β4和β5是正的惩罚参数,λ1、λ2、λ4和是拉格朗日乘子,能够根据相应规则更新;

f.利用变量交替迭代优化求解分别计算步骤e中的变量z,w,q,将步骤e的极小化问题转换为以下6个子问题:

g.分别求解步骤f中的ε1(z)、ε2(w)、ε4(q)、和的欧拉方程;ε2(w)的欧拉方程采用梯度降方法直接求解,和ε4(q)的欧拉方程采用广义软阈值公式求解,的欧拉方程能够直接采用投影方法,而ε1(z)和的欧拉方程为非线性,采用快速傅里叶变换方法进行求解;

h.对步骤g中的z,w,q,进行迭代求解,当相邻两次迭代的能量差小于设定的阈值时停止;

i.采用u=ez得到的u即为去噪后的SAR图像。

本发明与现有技术相比,利用总曲率规则项进行SAR图像去噪,对于利用总曲率项建立的能量方程为了避免在求解时所产生的复杂运算,同时巧妙设计约束,引入辅助变量进行求解,不但提高了效率,而且减少了计算的复杂度,同时本发明提出的基于总曲率的SAR图像去噪方法具有非常好的实际应用价值,对于提高SAR图像的清晰度,提高图像的解译度起到了非常重要的作用,应用价值极高,市场前景广阔。

附图说明:

图1为本发明涉及的基于总曲率的SAR图像去噪方法流程图。

图2为本发明涉及的在图像SAR-1得到的结果与AA模型的比较,其中图2(a)为原始SAR-1图像,图2(b)为基于本发明α=0.5得到的去噪结果图,图2(c)为基于本发明α=1得到的去噪结果,图2(d)为基于AA模型α=0.5得到的去噪结果图。

图3为本发明涉及的在图像SAR-2得到的结果与SST模型的比较,其中图3(a)为原始SAR-2图像;图3(b)为基于本发明α=0.5得到的去噪结果图,图3(c)为基于本发明α=1得到的去噪结果图,图3(d)为基于SST模型α=0.5得到的去噪结果图。

图4为本发明涉及的在图像SAR-3得到的结果与DTDS模型的比较图,其中图4(a)为原始SAR-3图像,图4(b)为基于本发明α=0.5得到的去噪结果图,图4(c)为基于本发明α=1得到的去噪结果图,图4(d)为基于DTDS模型α=0.5得到的去噪结果图。

图5为基于本发明开发的图像去噪应用程序,程序运行包括图像灰度值动态模拟和图像|能量值动态模拟两种方式,其中图5(a)为主界面图,图5(b)为图像灰度值动态模拟图,图5(c)图像|能量动态模拟图,图5(d)结果输出图。

图6为本发明涉及的图像SAR-1的灰度值时空变化结果图,其中图6(a)为原始SAR-1图像,图6(b)为基于本发明α=0.5得到的去噪结果的灰度值三维图,图6(c)为基于本发明α=1得到的去噪结果灰度值三维图,图6(d)为基于AA模型α=0.5得到的去噪结果的灰度值三维图。

具体实施方式:

下面结合附图和具体实施方式对本发明做进一步说明:

实施例1:

本实施对SAR图像变分去噪时,具体操作方法按照如下步骤进行:

a.选择一幅待处理的原始超声图像f并根据该图像f建立基于总曲率的SAR图像变分去噪能量方程,对于输入的原始超声图像f,期望得到的去噪后的图像为u,基于总曲率的能量方程为:

其中,Ω为SAR图像区域,α为权重系数,a、b和c为成型噪声一阶项、平方项和对数项的参数;

b.对步骤a中所述的总曲率的能量方程进行转换,步骤a建立的能量方程的数据项和规则项均为非凸非线性,因此引入u=ez进行变量替换,能量方程转换如下:

c.将步骤b建立的能量方程进行求解,引入分裂算子w、和q简化总曲率规则项,步骤b的能量方程形式化为带约束的极小值问题:

d.步骤c中所述的约束能够转换为和两个等价约束,设计约束因此,又被转化为和具有约束的变量是松弛的,至此,能量方程转化为可使用增广拉格朗日方法求解的方程:

e.步骤d中所述的约束w=z、和采用L2惩罚项,由能够推导出因此使用L1惩罚约束这样极小化问题转换为以下子问题的交替优化问题:

其中,β1、β2、β3、β4和β5是正的惩罚参数,λ1、λ2、λ4和是拉格朗日乘子,能够根据相应规则更新;

f.利用变量交替迭代优化求解分别计算步骤e中的变量z,w,q,将步骤e的极小化问题转换为以下6个子问题:

g.分别求解步骤f中的ε1(z)、ε2(w)、ε4(q)、和的欧拉方程;ε2(w)的欧拉方程采用梯度降方法直接求解,和ε4(q)的欧拉方程采用广义软阈值公式求解,的欧拉方程能够直接采用投影方法,而ε1(z)和的欧拉方程为非线性,采用快速傅里叶变换方法进行求解;

h.对步骤g中的z,w,q,进行迭代求解,当相邻两次迭代的能量差小于设定的阈值时停止,具体迭代步骤如下:

(1)初始化参数z=logf,w=z,(β1,β2,β3,β4,β5,Δt,iteration)>0,根据噪声分布函数确定参数a,b和c;

(2)固定wk,和求解ε1(z)的欧拉方程,采用快速傅里叶变换(Fast Fourier Transform,缩写为FFT)方法求z;欧拉方程为

上述方程能够形式化为如下方程:

步骤(2)中的欧拉方程的离散形式为:

(β5-β2(S1++S1--2I+S2++S2--2I))z(i,j)=g(i,j),

将离散后的欧拉方程采用离散傅里叶变换(Discrete Fourier Transform,缩写为DFT)变换,得到如下方程:

由于dz=(β1-2β3(coszi+coszj-2))>0,采用反傅里叶变换求得z,其中

(3)固定zk+1和λ1k,求解ε2(w)的欧拉方程,先采用梯度降方法求w,其中欧拉方程为α(afe-w+bf2e-2w-c)+β1(zk+1-w)+λ1k=0;在采用梯度降求解,具体方式如下:

(4)固定zk+1、λ2k和求解的欧拉方程,采用广义软阈值公式求其中欧拉方程的计算方式如下:

广义软阈值公式求解

(5)固定和λ4k.,求解ε4(q)的欧拉方程,采用广义软阈值公式求q;欧拉方程为广义软阈值公式求解

(6)固定qk+1,和λ4k,求解的欧拉方程,采用FFT求欧拉方程为

上述欧拉方程依据移位算子表达如下:

其中

再将上述移位算子表达后的方程采用FFT变换,得到如下方程:

系数为:

确保β4β5>0,行列式D=β5-2β4β5(coszi+coszj-2)即大于0,采用反傅里叶变换求得

(7)固定λ2k和求解的欧拉方程,采用投影法求

欧拉方程为

投影法求解

i.采用u=ez得到的u即为去噪后的SAR图像。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/370316.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

课时2.浏览器和服务器(了解)

1.什么是浏览器? 浏览器就是由安装在我们电脑上的一款软件,QQ,百度影音等一样,都是安装在电脑上的一款软件 那这些软件之间由什么区别呢? 它们的区别就是它们的功能不太一样,QQ是用来聊天的,…

python 定义变量_用python解决动态的定义变量名(并给其赋值方法:大数据处理)...

前言:今天为大家带来的内容是:用python解决动态的定义变量名(并给其赋值方法:大数据处理)具有很好的参考价值,希望对大家有所帮助。喜欢本文内容的记得点赞转发收藏不迷路哦!!!最近消费kafka数据…

课时39.细线表格(理解)

请你设计出以下图片里的这个样式的表格 步骤: 我先来制作一个两行两列的表格 2.将table里的cellspacing设置成0 外边距是不见了,但是和我们想要完成的图片有一定的差距,我们发现这样做出来的图片好像是两条线合并到了一起一样,实…

matlab拼碎纸片过程,碎纸片拼接复原模型

1. 引言破碎文件的拼接在司法物证复原、历史文献修复以及军事情报获取等领域都有着重要的应用。企事业、机关、院校和军队基于保密的需要,使用碎纸机对重要文件,单据以及材料进行销毁。一些重要的文件随着时间流逝,残破不全,因此&…

VC++编译MPIR 2.7.0

目录 第1章编译 2 1.1 简介 2 1.2 下载 3 1.3 解决方案 4 1.4 创建项目 5 1.5 复制文件树 6 1.6 不使用预编译头文件 8 1.7 包含目录 9 1.8 定义宏 10 1.9 编译前事件 11 1.10 修改 obj 的位置 13 1.11 编译yasm 14 1.12 编译汇编代码 …

导弹拦截

链接 分析:经典DP题,最长不下降子序列的变种,同时需要记录路径,用pre[]数组记录当前结点的前一个结点的方法很妙 1 #include "iostream"2 #include "cstdio"3 #include "cstring"4 #include "…

Spring中的@Cacheable开销

Spring 3.1引入了很棒的缓存抽象层 。 最后,我们可以放弃所有本地化的方面,装饰器和污染我们与缓存相关的业务逻辑的代码。 从那时起,我们可以简单地注释重量级方法,并让Spring和AOP机械完成工作: Cacheable("bo…

电工接线模拟仿真软件_VERICUT数控加工仿真软件,最强的数控加工模拟软件,你知道么?...

VERICUT数控加工仿真软件,最强的数控加工模拟软件VERICUT软件及功能简介1、VERICUT软件简介VERICUT是美国CGTech公司开发一款专业的数控加工仿真软件,是当前全球数控加工程序验证、机床模拟、工艺程序优化软件领域的领导者。该软件自1988年开始推向市场以来&#xf…

php数据库创建文件失败怎么回事,安装zblogPHP提示“创建c_option.php失败”解决方法...

有zblog用户反应在安装zblog的最后一步时提示“创建c_option.php失败”,如下图:本文来说明下这个问题的原因和解决办法。问题产生的原因:c_option.php是zblog的数据库配置文件,当安装完成的时候程序会自动创建这个文件。如果你的主…

CSS Variables

CSS原生变量(CSS自定义属性) 示例地址:https://github.com/ccyinghua/Css-Variables 一、css原生变量的基础用法 变量声明使用两根连词线"--"表示变量,"$color"是属于Sass的语法,"color"是属于Less的语法&a…

【基础中的基础】引用类型和值类型,以及引用传递和值传递

一直在博客园怼人,非常惭愧。所以郑重决定: 好好写一篇干货,然后再接着怼人。 这是一起帮上陈百万同学的求助,讲了一会之后,我觉得很有些普世价值,干脆就发到园子来。面向小白,高手轻拍。 我们从…

Java 7:使用NIO.2进行文件过滤–第3部分

大家好。 这是使用NIO.2系列进行文件过滤的第3部分。 对于那些尚未阅读第1 部分或第2部分的人 ,这里有个回顾。 NIO.2是自Java 7起JDK中包含的用于I / O操作的新API。使用此新API,您可以执行与java.io相同的操作,以及许多出色的功能&#xf…

Hadoop Serialization -- hadoop序列化具体解释 (2)【Text,BytesWritable,NullWritable】

回想:回想序列化,事实上原书的结构非常清晰,我截图给出书中的章节结构:序列化最基本的,最底层的是实现writable接口,wiritable规定读和写的游戏规则 (void write(DataOutput out) throws IOExce…

我需要多少个线程?

这取决于您的应用程序。 但是对于那些希望对如何从生产站点购买的所有昂贵内核中挤出更多资金的人来说,请多多包涵,我将阐明围绕多线程 Java应用程序的奥秘。 内容针对最典型的Java EE应用程序进行了“优化”,该应用程序具有Web前端&#xff…

H5网页适配 iPhoneX,就是这么简单

iPhoneX 取消了物理按键,改成底部小黑条,这一改动导致网页出现了比较尴尬的屏幕适配问题。对于网页而言,顶部(刘海部位)的适配问题浏览器已经做了处理,所以我们只需要关注底部与小黑条的适配问题即可&#…

数字校园-云资源平台 2014.10.26-人人通共享空间

近期,教育部在统计学校信息化建设情况,当中一项重要内容,作为三通两平台的一个环节,就是学校开通人人通空间的情况,网上普及了一下知识,不就是十多年前就玩的学校博客的变种吗,网上有一些产品,也是没有热闹起来,为要求而要求的多,既然要求,就来一个吧,花了几天时间,也做了一个.…

Lucene –快速添加索引和搜索功能

什么是Lucene? Apache LuceneTM是完全用Java编写的高性能,功能齐全的文本搜索引擎库。 它是一项适用于几乎所有需要全文搜索的应用程序的技术,尤其是跨平台的应用程序。 Lucene可以纯文本,整数,索引PDF,Of…

《深入理解Java虚拟机》读书笔记3--垃圾回收算法

转载:http://blog.csdn.net/tjiyu/article/details/53983064 下面先来了解Java虚拟机垃圾回收的几种常见算法:标记-清除算法、复制算法、标记-整理算法、分代收集算法、火车算法,介绍它们的算法思路,有什么优点和缺点,…

Flex布局(一)flex-direction

采用Flex布局的元素,被称为Flex容器(flex container),简称"容器"。其所有子元素自动成为容器成员,成为Flex项目(Flex item),简称"项目" Flex-direction调整主轴方向(默认为水平方向)包…

登录网页后要弹出一个新标签_连永久链接都不会,还做什么新媒体?

上次给主编大大发的预览链接失效了,被骂得狗血淋头。大部分运营人可能都遇到过这种情况,忽视了预览生成的链接只是临时的,在12小时后或超过500阅读量后就会失效。一个疏忽,给自己带来了不必要的麻烦,耽误工作&#xff…