1.基于小波变换和间隔密集网络的SAR图像去斑方法,其特征在于:具体包括以下步骤:
步骤1,获取待训练图像;
步骤2,根据步骤1中的待训练图像,制作仿真SAR图像数据集;
步骤3,将步骤1中的待训练图像和步骤2中得到的仿真SAR图像数据集分别进行对数变换,再进行一级小波变换,分别得到四个分量;
步骤4,将步骤3所得的四个分量分别对应输入到间隔密集网络中进行训练,得到去除斑点噪声的四个分量;
步骤5,将步骤4中得到的去除斑点噪声后的四个分量进行小波逆变换,再进行指数化,便得到去斑后的SAR图像。
2.根据权利要求1所述的基于小波变换和间隔密集网络的SAR图像去斑方法,其特征在于:所述步骤1的具体操作为:
步骤1.1,选用遥感分类数据集UC Merced Land‑Use作为训练样本图像集,该数据集包括21个类别彩色场景图,每个类别有100张,共2100张图像,图像大小都为256×256;
步骤1.2,对步骤1.1中的2100张彩色图片进行灰度处理,得到2100张灰度图像作为网络训练时的标签,记为R。
3.根据权利要求2所述的基于小波变换和间隔密集网络的SAR图像去斑方法,其特征在于:所述步骤2中的具体过程为:
对步骤1.1中得到的2100张灰度图像添加斑点噪声,输出得到对应的2100张仿真SAR图像数据集,记为F,如公式(1)所示:F(x,y)=R(x,y)·N(x,y) (1);
式中,F(x,y)表示图像在(x,y)位置被斑点噪声污染的灰度值;R(x,y)表示清晰图像在(x,y)位置实际的后向散射系数;N(x,y)表示在图像(x,y)位置的添加的斑点噪声。
4.根据权利要求3所述的基于小波变换和间隔密集网络的SAR图像去斑方法,其特征在于:所述步骤3的具体过程为:
步骤3.1,对步骤1.2中得到的标签图像X和步骤2中得到的仿真SAR图像数据集Y进行对数变换,分别对应得到R'和F’,进行对数变换将乘性噪声转化为加性噪声,用公式表示为,对公式(1)进行对数变换得到公式(2):log[F(x,y)]=log[R(x,y)]+log[N(x,y)] (2);
步骤3.2,对步骤3.1中经过对数变换得到的R'和F’进行一级小波分解,得到小波变换分量cAR'、cVR'、cHR'、cDR'和cAF'、cVF'、cHF'、cDF'的.mat文件。
5.根据权利要求4所述的基于小波变换和间隔密集网络的SAR图像去斑方法,其特征在于:所述步骤4的具体过程为:
步骤4.1,将步骤3.2中得到cAR'的.mat文件和对应cAF'的.mat输入到间隔密集网络中进行训练,得到去斑后的cAF”的.mat文件;
步骤4.2,将步骤3.2中得到cVR'的.mat文件和对应cVF'的.mat输入到间隔密集网络中进行训练,得到去斑后的cVF”的.mat文件;
步骤4.3,将步骤3.2中得到cHR'的.mat文件和对应cHF'的.mat输入到间隔密集网络中进行训练,得到去斑后的cHF”的.mat文件;
步骤4.4,将步骤3.2中得到cDR'的.mat文件和对应cDF'的.mat输入到间隔密集网络中进行训练,得到去斑后的cDF”的.mat文件。
6.根据权利要求5所述的基于小波变换和间隔密集网络的SAR图像去斑方法,其特征在于:所述步骤5的具体过程为:
步骤5.1,将步骤4.1得到的cAF”的.mat文件、步骤4.2得到的cVF”的.mat文件、步骤4.3得到的cHF”的.mat文件、步骤4.4得到的cDF”的.mat文件进行小波逆变换,得到去斑后对数变换的SAR图像F”;
步骤5.2,将步骤5.1中得到的F”进行指数化便得到最终的去斑图像。