SAR圖像處理與檢測(cè) 課件 第二章 SAR 圖像濾波的字典學(xué)習(xí)方法

2025/5/221第二章

SAR圖像濾波的字典學(xué)習(xí)方法2.1K-SVD算法2.2K-LLD算法2.3K-OLS算法2.4小結(jié)2025/5/222字典學(xué)習(xí)方法超完備字典設(shè)計(jì)問(wèn)題是信號(hào)稀疏表示建模中的研究熱點(diǎn)之一。相比于傳統(tǒng)的超完備字典設(shè)計(jì)方法，基于學(xué)習(xí)模式的超完備字典設(shè)計(jì)方法出現(xiàn)較晚，本身也隨著稀疏表示理論的發(fā)展而不斷發(fā)展。字典學(xué)習(xí)是對(duì)已有的初始字典進(jìn)行訓(xùn)練，使其更符合實(shí)際信號(hào)的特征，使得信號(hào)具有更稀疏、更準(zhǔn)確的表示，因而引起了研究者的廣泛關(guān)注。基于字典學(xué)習(xí)的稀疏表示理論在語(yǔ)音的增強(qiáng)、去噪、超分辨，以及圖像的壓縮、分離、修復(fù)、目標(biāo)檢測(cè)、識(shí)別等領(lǐng)域得到了廣泛應(yīng)用，并取得了較好的應(yīng)用效果?；谧值鋵W(xué)習(xí)的SAR圖像相干斑抑制算法，其基本思想是利用原始SAR圖像作為樣本數(shù)據(jù)，通過(guò)學(xué)習(xí)的方式獲得具有良好逼近特性的原子集合（字典），并利用稀疏優(yōu)化方法重建降噪后的SAR圖像數(shù)據(jù)。本章所介紹的自適應(yīng)超完備字典學(xué)習(xí)算法，其核心思想是基于聚類算法的向量量化問(wèn)題進(jìn)行字典原子的訓(xùn)練、更新。該類字典學(xué)習(xí)算法的實(shí)現(xiàn)過(guò)程是將字典的構(gòu)建過(guò)程與優(yōu)化算法結(jié)合起來(lái)，用待分解SAR圖像來(lái)訓(xùn)練字典原子，擇優(yōu)選取，獲得SAR圖像特征信息的超完備字典和稀疏表示系數(shù)。K-SVD算法

2025/5/223K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法

2025/5/22K-SVD算法以圖2.1（a）所示圖像作為輸入數(shù)據(jù)，應(yīng)用算法2.3，得到相應(yīng)的超完備字典，如圖2.2所示。2025/5/22對(duì)于K-SVD算法可以發(fā)現(xiàn)，此類相干斑抑制算法所追求的目標(biāo)是更為強(qiáng)大的噪聲抑制性能，從一定方面忽視了計(jì)算復(fù)雜度問(wèn)題，然而，在處理大量的SAR數(shù)據(jù)時(shí)，通常對(duì)相干斑抑制性能的要求和對(duì)計(jì)算速度的要求同等重要，有時(shí)對(duì)計(jì)算速度的要求會(huì)更高。K-LLD（K均值局部學(xué)習(xí)字典）算法從一定程度上克服了K-SVD算法相干斑抑制的執(zhí)行效率問(wèn)題，但對(duì)于富含相干斑的SAR圖像，K-LLD算法也表現(xiàn)出了自身的不足之處。K-LLD算法2025/5/22

K-LLD算法

2025/5/22K-LLD算法

2025/5/22K-LLD算法

2025/5/22K-LLD算法

2025/5/22K-LLD算法

2025/5/22K-LLD算法SAR圖像相干斑抑制的K-LLD算法K-LLD算法本質(zhì)上是一種梯度回歸算法，因此，基于K-LLD的圖像降噪算法對(duì)低水平、均勻噪聲有較好的處理效果。另外，基于K-LLD的圖像降噪算法采用Stein的無(wú)偏風(fēng)險(xiǎn)估計(jì)方法得到的最小均方誤差作為停止迭代的條件，其計(jì)算量很大。實(shí)驗(yàn)結(jié)果及分析接下來(lái)進(jìn)行實(shí)驗(yàn)參數(shù)設(shè)定，聚類中心K=10。圖2.3所示為K-LLD算法SAR圖像相干斑抑制。K-LLD算法從一定程度上克服了K-SVD算法的執(zhí)行效率問(wèn)題，但對(duì)于富含相干斑的SAR圖像，其相干斑抑制效果要比K-SVD算法差，出現(xiàn)了顆粒狀的斑駁。若要降低顆粒狀的斑駁，相應(yīng)的參數(shù)設(shè)置也是比較麻煩的事情。2025/5/22K-LLD算法2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法SAR圖像相干斑抑制的K-OLS算法本節(jié)介紹一種新的基于自適應(yīng)超完備字典學(xué)習(xí)的SAR圖像相干斑抑制算法：針對(duì)SAR圖像所固有的稀疏結(jié)構(gòu)信息，通過(guò)迭代優(yōu)化的方式得到超完備字典，利用超完備字典對(duì)SAR圖像數(shù)據(jù)進(jìn)行稀疏表示，運(yùn)用乘性噪聲模型進(jìn)行參數(shù)估計(jì)和閾值設(shè)定，通過(guò)正則化方法實(shí)現(xiàn)SAR圖像的相干斑抑制處理?？紤]SAR圖像的強(qiáng)度測(cè)量值、反射系數(shù)和相干斑噪聲之間的關(guān)系模型，并以此為基礎(chǔ)獲得相干斑抑制算法的優(yōu)化模型。圖2.4所示為K-OLS算法用于SAR圖像相干斑抑制的流程圖。2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22K-OLS算法SAR圖像相干斑抑制算法中的各項(xiàng)參數(shù)選?。鹤值湓觽€(gè)數(shù)k=144，滑動(dòng)窗口大小h=6。以圖2.5（a）所示的SAR圖像作為輸入數(shù)據(jù)，應(yīng)用SAR圖像相干斑抑制算法，得到相應(yīng)的超完備字典，如圖2.6所示。2025/5/22K-OLS算法

2025/5/22K-OLS算法2025/5/22K-OLS算法

2025/5/22K-OLS算法相干斑抑制性能分析在空域相干斑抑制算法中，滑動(dòng)相干斑抑制算法是一種重要的算法，即在SAR圖像上取一個(gè)滑動(dòng)窗口，對(duì)窗口內(nèi)的像素進(jìn)行相干斑抑制處理得到窗口中心像素的相干斑抑制值，這種算法對(duì)處理像素的窗口區(qū)域是自適應(yīng)的。這種局域自適應(yīng)空域相干斑抑制算法大致可分為兩類：一類是使用斑點(diǎn)噪聲統(tǒng)計(jì)模型的相干斑抑制算法，如Lee濾波算法、K-SVD算法等；另一類是不使用斑點(diǎn)噪聲統(tǒng)計(jì)模型的算法，如非線性復(fù)擴(kuò)散濾波器（NCDF）、K-OLS相干斑抑制算法等。K-OLS相干斑抑制算法利用新的超完備字典學(xué)習(xí)算法對(duì)SAR圖像各滑動(dòng)窗口數(shù)據(jù)進(jìn)行分解，獲得各窗口數(shù)據(jù)的稀疏表示，在一定程度上抑制了相干斑噪聲，而后利用正則化方法構(gòu)造優(yōu)化模型，通過(guò)對(duì)優(yōu)化問(wèn)題的求解重構(gòu)SAR圖像場(chǎng)景分辨單元的平均強(qiáng)度，實(shí)現(xiàn)相干斑抑制處理，本節(jié)算法在多個(gè)方面優(yōu)于Lee濾波算法、IACDF算法和K-SVD算法。2025/5/22K-OLS算法

2025/5/22K-OLS算法

2025/5/22小結(jié)考量運(yùn)用于SAR圖像相干斑抑制的K-SVD算法可以發(fā)現(xiàn)，此類算法所追求的目標(biāo)是更為強(qiáng)大的噪聲抑制性能，從一定方面忽視了算法的執(zhí)行時(shí)間，即計(jì)算復(fù)雜度問(wèn)題。然而，在處理大量的SAR圖像數(shù)據(jù)時(shí)，通常對(duì)相干斑抑制性能的要求和對(duì)計(jì)算速度的要求同等重要，有時(shí)對(duì)計(jì)算速度的要求會(huì)更高。運(yùn)用于SAR圖像相干斑抑制的K-LLD算法，雖然考慮了K-SVD算法的計(jì)算復(fù)雜度問(wèn)題，但具有較差的噪聲抑制性能。本章結(jié)合K-SVD算法和K-LLD算法在SAR圖像相干斑抑制中的優(yōu)點(diǎn)，分析了運(yùn)用于SAR圖像相干斑抑制的K-OLS算法。K-OLS算法運(yùn)用OLS算法的思想，在