一种SAR图像分段平滑自适应量化方法与流程 专利技术说明

计算;推算;计数设备的制造及其应用技术一种sar图像分段平滑自适应量化方法技术领域1.本发明涉及信号与信息处理领域，尤其涉及一种sar图像分段平滑自适应量化方法。背景技术：2.sar(合成孔径雷达)量化的目的是将sar成像算法输出的浮点数量化为8位图像数据，供后续判图专家或解译算法解译。sar原始浮点数据动态分布极大，建筑、围墙等强散射区域与草地、农田等弱散射区域的浮点像素值往往相差数千至数万倍。极高的像素值范围导致量化极为困难。传统量化方法大多采用全局量化的方式，使强散射区域的纹理细节在图像中清晰可见的同时，也降低了弱散射区域像素值，使若散射区域在图像中呈现为暗区域，细节信息损失。反之，使弱散射区域的纹理细节在图像中清晰可见的同时，提升了图像强散射区域的像素值，出现饱和现象，在图像中表现为一片白色，细节信息损失。因此，将sar浮点数据量化为8位图像数据，同时保持强散射区域和弱散射区域的纹理结构，实现sar图像高动态显示，是一项非常困难和极具价值的技术。技术实现要素：3.针对现有sar图像量化方法不能满足弱散射区域与强散射区域量化后同时保持细节信息的难题，本发明提供了一种sar图像分段平滑自适应量化方法。4.本发明的具体内容如下：一种sar图像分段平滑自适应量化方法，包括如下步骤：5.(1)像素值全局调整：将原始图像矩阵像素值调整至合理范围；6.(2)获取一段像素：距离向上逐单元，方位向上滑动取像素段；7.(3)计算除数因子：计算该段像素的除数因子；8.(4)除数因子截断：对大于阈值的除数因子进行截断处理；9.(5)平滑除数因子：利用方位向上相邻三段的除数因子进行平滑处理；10.(6)量化处理：利用获取的每个像素的除数因子除以对应像素值并取整；11.(7)重复步骤(2)-(6)，直到遍历整幅图像。12.进一步的，步骤(1)中，通过下式调整图像矩阵平均像素值至λ：[0013][0014]其中，mx表示图像矩阵x的均值，λ的取值需根据具体需求做调整，λ越大，量化后的图像整体越亮，反之，越暗。[0015]进一步的，步骤(2)采用分段处理的方式进行量化，距离向上逐距离单元，方位向上滑动取线段进行量化处理。[0016]进一步的，步骤(3)中，除数因子计算公式如下：[0017][0018][0019]其中，为第i个距离门的第j段的像素均值，mx为调整后的图像矩阵x的均值，υ为幂指数因子，用于调节强散射区域与弱散射区域除数因子的解耦程度，为比例系数，是该段的像素均值与图像矩阵全局均值的比值，为该线段的除数因子，α为权重因子，β为偏置因子。[0020]进一步的，步骤(4)中，除数因子截断采用如下公式：[0021][0022]其中，rm为最大比例系数。[0023]进一步的，步骤(5)中平滑除数因子方法如下：[0024]记第i个距离门的第j-1、j和j+1段的除数因子分别为和使第j段的第一个像素的除数因子为：[0025][0026]第j段的第l/2和第l/2+1个像素的除数因子为：[0027][0028]其中，l为取出的像素段的像素数量，[0029]第j段的第l个像素的除数因子为：[0030][0031]除数因子分别通过两段线性插值获取：[0032][0033]l∈{1,2,...,l}[0034]当第j＝1时，第j-1段用第j段代替；当第j段为一个距离门的最后一段时，第j+1段用第j段代替。[0035]进一步的，步骤(6)中，量化处理以255为阈值进行截断，包括如下步骤：[0036]利用获取的每个像素的除数因子除以对应像素值：[0037][0038]对调整后的像素值进行四舍五入取整：[0039][0040]最后，对大于255的像素值进行截断处理，得到最终的8位无符号整形像素值：[0041][0042]本发明的sar图像分段平滑自适应量化方法，相比于现有sar量化方法，其显著优点为：采用距离向逐单元，方位向分段处理的方式，对每段内像素除以各自的除数因子，实现分段自适应量化，对方位旁瓣严重的sar图像效果尤其好；该方法实现了强散射区域与弱散射区域的解耦量化处理，降低强散色区域像素值的同时保持或提升弱散射区域的像素值，实现整幅图像细节清晰可见；采用方位向除数因子线性平滑处理，使量化后的sar图像看上去更自然平滑。附图说明[0043]下面结合附图对本发明的具体实施方式做进一步阐明。[0044]图1为本发明的sar图像分段平滑自适应量化方法流程框图；[0045]图2为分段获取像素示意图；[0046]图3为量化结果对比图。具体实施方式[0047]结合图1和图2，本发明提供了一种sar图像分段平滑自适应量化方法，具体包括如下步骤：[0048](10)像素值全局调整：假设sar图像原始矩阵为其中，m和n分别为sar图像的距离门和方位门数。调整图像矩阵平均像素值至λ，[0049][0050]其中，mx表示图像矩阵x的均值，λ的取值需根据具体需求做调整，λ越大，量化后的图像整体越亮，反之，越暗。本实施例中λ取40。[0051](20)获取一段像素：距离向上逐距离单元，方位向上滑动取线段进行量化处理，滑动步长与截取线段长度均为l，本实施例中l取512。[0052](30)计算除数因子：除数因子是每个像素的除数，强散射区域的除数因子较大，达到抑制副瓣、增强纹理细节的效果；弱散射区域的除数因子较小，达到增加弱散射区域像素值的效果。为了达到上述目的，需将强散射区域和弱散射区域进行解耦量化处理，抑制强散射区域副瓣时，不能降低弱散射区域像素值；提升弱散射区域像素值时，不能增加强散射区域像素值。[0053]为了实现上述量化效果，设计如下式所述除数因子，[0054][0055][0056]其中，为第i个距离门的第j段的像素均值，mx为调整后的图像矩阵x的均值，υ为幂指数因子，用于调节强散射区域与弱散射区域除数因子的解耦程度，为比例系数，是该段的像素均值与图像矩阵全局均值的比值，为该线段的除数因子，α为权重因子，β为偏置因子。[0057]当取出的线段散射较强时，值较大，通常在5以上，此时，权重因子α对除数因子起主导作用，偏置因子β对除数因子影响较小。当取出的线段散射较弱时，值较小，通常在0.3以下，此时，偏置因子β对除数因子起主导作用，权重因子α对除数因子影响较小。因此，可以通过适当增大权重因子α的值，降低偏置因子β的值来抑制强散射区域的旁瓣，提升弱散射区域的亮度。本实施例中，权重因子α取1.3，偏置因子β取0.5，幂指数因子υ取1.5。[0058](40)除数因子截断：当强散射区域像素值整体很大时，所在段的比例系数非常大，会导致量化后该区域像素值整体偏低，出现过度抑制的现象。因此，需对比例系数做截断处理，如下式所述，[0059][0060]其中，rm为最大比例系数，本实施例中取20。[0061](50)平滑除数因子：当相邻两段的除数因子差异较大时，量化后，这两段的交接处会出现明显的不连续，使图像看上去不自然。因此，通过对除数因子进行线性变换，使相邻像素段之间的除数因子平滑，实现量化后的sar图像平滑自然。具体方法如下，[0062]记第i个距离门的第j-1、j和j+1段的除数因子分别为和使第j段的第一个像素的除数因子为，[0063][0064]第j段的第l/2和第l/2+1个像素的除数因子为，[0065][0066]其中，l为取出的像素段的像素数量，本实施例中为512。[0067]第j段的第l个像素的除数因子为，[0068][0069]除数因子分别通过两段线性插值获取，[0070][0071]l∈{1,2,...,l}(9)[0072]当第j＝1时，第j-1段用第j段代替；当第j段为一个距离门的最后一段时，第j+1段用第j段代替。[0073](60)量化处理：利用获取的每个像素的除数因子除以对应像素值，[0074][0075]对调整后的像素值进行四舍五入取整，[0076][0077]最后，对大于255的像素值进行截断处理，得到最终的8位无符号整形像素值，[0078][0079](70)重复(20)-(60)步，直到遍历整幅图像。[0080]如图3所示为sar图像量化结果对比图，其中左侧三幅图为传统量化方法处理后的图像，右侧三幅图为对应的采用本技术的量化方法处理后的推向。可以看出，采用本方法量化后，强散射区域和弱散热区域的像素值纹理结构同时得到保持，图像更加自然平滑。[0081]本发明的sar图像分段平滑自适应量化处理方法，采用距离向逐单元、方位向分段处理的方式，对每段内像素除以各自的除数因子，实现分段量化，对方位旁瓣严重的sar图像效果尤其好。除数因子包含权重和偏置两个调节因子，权重因子用于降低强散射区域的像素值，与弱散射区域关联不强，偏置因子用于提升弱散射区域的像素值，与强散射区域关联不强。除数因子实现了强散射区域与弱散射区域的解耦量化处理，降低强散色区域像素值的同时保持或提升弱散射区域的像素值，实现sar自适应量化处理。采用方位向除数因子线性平滑处理，使量化后的sar图像看上去更自然平滑。本方法可以降低强散色区域像素值的同时保持或提升弱散射区域的像素值，增强整幅图像的细节信息，为sar成像领域提供核心技术支撑。[0082]在以上的描述中阐述了很多具体细节以便于充分理解本发明。但是以上描述仅是本发明的较佳实施例而已，本发明能够以很多不同于在此描述的其它方式来实施，因此本发明不受上面公开的具体实施的限制。同时任何熟悉本领域技术人员在不脱离本发明技术方案范围情况下，都可利用上述揭示的方法和技术内容对本发明技术方案做出许多可能的变动和修饰，或修改为等同变化的等效实施例。凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化及修饰，均仍属于本发明技术方案保护的范围内。









图片声明：本站部分配图来自人工智能系统AI生成,觅知网授权图片,PxHere摄影无版权图库。本站只作为美观性配图使用,无任何非法侵犯第三方意图,一切解释权归图片著作权方,本站不承担任何责任。如有恶意碰瓷者,必当奉陪到底严惩不贷!




内容声明：本文中引用的各种信息及资料（包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主体（包括但不限于公司、媒体、协会等机构）的官方网站或公开发表的信息。部分内容参考包括:(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供参考使用,不准确地方联系删除处理！本站为非盈利性质站点,发布内容不收取任何费用也不接任何广告!




免责声明：我们致力于保护作者版权，注重分享，被刊用文章因无法核实真实出处，未能及时与作者取得联系，或有版权异议的，请联系管理员，我们会立即处理，本文部分文字与图片资源来自于网络，部分文章是来自自研大数据AI进行生成,内容摘自(百度百科,百度知道,头条百科,中国民法典,刑法,牛津词典,新华词典,汉语词典,国家院校,科普平台)等数据,内容仅供学习参考,不准确地方联系删除处理!的,若有来源标注错误或侵犯了您的合法权益，请立即通知我们，情况属实，我们会第一时间予以删除，并同时向您表示歉意,谢谢!