SAR图像乘性噪声稀疏统计一体化抑制方法研究

In SAR image multiplicative noise suppression, it is always difficult to maintain textural feature, which may lead to the difficulty in understanding or the loss of effective information in the target scene. There are two core problems resulting in this difficulty 1) separation of real image and multiplicative noise; 2) the image details extraction. This project will study the basic theories and processing strategies of SAR image denoising, reveal the essences of these two problems, and investigate the integration denoising technology of sparsity and statistic. With the relationship extracting between the image features and sparsity, the reordered dual sparse representation is utilized to separate image and multiplicative noise in high quality via enhanced sparsity of SAR image, thereby minimizing the influence of multiplicative noises. The project will also clarify the complementary mechanism between sparsity and statistic in SAR image, and establish joint constraint models of sparsity and statistic according to denoising requirements of different regions. Meanwhile, the similar groups will be built to estimate the statistic parameters. In doing so, the artifacts in homogeneous region can be removed and the details in heterogeneous region can be preserved by the improved accuracy of the estimated coefficients, and the denoising performance is further improved. Finally, by integrating the above research outcomes, a complete method will be formed to suppress multiplicative noise in SAR image. It is hoped that the outcomes from the project will deepen and enrich the theory of multiplicative noise suppression and provide scientific evidences to the extensions of its application areas.

在SAR图像乘性噪声抑制中，细节纹理往往难以保持，这可能导致抑噪结果难以理解、目标场景等信息无法全面展现。造成这一困难的核心问题有两个：1) 真实图像与乘性噪声的分离；2) 图像细节的提取。项目拟深入研究SAR图像乘性噪声抑制基础理论和处理策略，揭示这两个问题的本质，探索稀疏统计一体化的抑噪方法。挖掘图像特征与稀疏度的内在关系，利用排序双向稀疏表示对SAR图像稀疏度的提升高质量的分离图像与乘性噪声，以尽量减小乘性噪声的影响。明确SAR图像稀疏性与统计性的互补机理，根据不同区域的抑噪需求建立相应的稀疏统计联合约束模型。同时，构建相似结构组估计统计参数，在提高真实系数估计精度的基础上去除同质区伪影并保留异质区细节，为抑噪质量的进一步提升创造条件。最后，整合上述研究成果，形成一套完整的处理方法，全面抑制SAR图像乘性噪声。项目研究成果将深化和丰富乘性噪声抑制理论，为其应用范围的扩展提供科学依据。

本项目基于稀疏表示与统计估计理论对SAR图像降斑算法进行了深入研究，充分利用SAR图像非局部相似特性，构建了具有局部与非局部相似性的图像块集合作为结构组，并以结构组为处理对象，挖掘图像内部特征，设计结构组排序方案，提高固定字典对图像的表示能力，并有针对性的对不同区域的图像内容进行稀疏编码，构建了分区稀疏表示模型，给出了整体降斑算法。主要研究内容包括：排序稀疏表示，统计正则化约束。在本项目的支持下，项目组按照研究计划圆满完成了规定的研究内容，发表论文8篇，其中SCI收录7篇，EI收录1篇，获权发明专利6项，研究成果超出了预期成果。主要成果如下：（1）针对固定字典稀疏表示能力有限，自适应字典训练复杂度高的问题，构建了结构组排序矩阵，通过排序矩阵将图像的整体结构调整到最适合固定字典表示的新状态，以提升固定字典的表示能力，并充分利用结构组块内块间的相似性，采用双向稀疏表示提升系数的稀疏度；（2）通过对SAR图像不同区域的图像特性进行深入分析，在同质区设置以加权平均系数为标准的一范数约束项，以去除伪影现象；（3）为保留异质区的细节纹理信息，构建了系数一范数与线性均方误差相结合的统一模型，提高了降斑精度和鲁棒性；（4）培养了一批从事图像处理与信号处理方面研究工作的研究生，其中已毕业博士研究生1名、硕士研究生2名，正在培养的有博士研究生2名、硕士研究生4名。