采用GSM模型进行稀疏表示的SAR图像降斑算法

摘要：

针对SAR图像降斑过程中会产生过平滑现象及相干斑的滤除不彻底等问题,提出了稀疏结构符合高斯比例混合(Gaussian Scale Mixture,GSM)模型的SAR图像降斑算法.根据贝叶斯原理以及相干斑的统计特性推导该算法的数学模型,在块匹配过程中使用概率而不是欧式距离进行权重衡量,根据图像块之间的结构相似度,可以有效区分同质区与异质区,并得到图像块的较优均值估计.使用PCA字典学习方法对每个图像块进行子字典训练,实现同步稀疏编码(Simultaneous Sparse Coding,SSC),数学模型的求解利用迭代正则化方法.分别使用合成场景SAR图像及真实场景SAR图像对算法进行验证,实验表明,相比于目前已提出的PPB算法、SAR-BM3D算法及FANS算法,该算法能有效提高等效视数,在滤除相干斑的同时很好地保留了图像的局部结构特性与纹理特征.

关键词：高斯比例混合模型、同步稀疏编码、SAR图像降斑、贝叶斯估计

所属期刊栏目：33

分类号：TN911.73

资助基金：国家自然科学基金项目61501228

在线出版日期：2018-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：1457-1467