基于GPU的directionlets域SAR图像相干斑噪声抑制并行算法研究

The effectiveness and realtime property of SAR image despeckling algorithm are key issues in the field of SAR image processing. The main research contents of this project are as follows: (1)Apply undecimated directionlets transform to the SAR image degraded by speckle noise, and study the Gaussian mixture distribution model of the directionlets coefficients and the corresponding maximum a posteriori estimation method. Finally, the despeckling algorithm of SAR image is implemented; (2)Study the parallel algorithms involved in directionlets transform on GPU. The corresponding parallel algorithms include decomposition and incorporation of cosets belonging to the analyzed image, decomposition and reconstruction of the anisotropic undecimated wavelet transform. And then the parallelization of undecimated directionlets transform algorithm is realized; (3)The parallelizations of parameters estimation and maximum a posteriori estimation on GPU are studied in the directionlets subbands; (4)Combining the architecture of GPU, the above-mentioned parallel algorithms are optimized to improve the execution efficiency. A new method for the effectiveness and fast implementation of SAR image despeckling can be proposed through this project.

SAR图像相干斑噪声抑制算法的有效性和算法执行的实时性是SAR图像处理领域的关键问题。本项目的研究内容：（1）对含相干斑噪声的SAR图像进行非下采样directionlets变换，研究变换系数的高斯混合分布模型、最大后验概率估计方法，从而实现SAR图像相干斑噪声抑制算法；（2）基于GPU架构，研究directionlets变换中，并行的图像陪集分解与合并算法、并行的各向异性非下采样小波分解与重构算法，实现非下采样directionlets变换算法的并行化；（3）基于GPU架构，研究directionlets变换系数的高斯混合模型参数估计算法的并行化、最大后验概率估计算法的并行化；（4）结合GPU的结构特点，对上述并行算法进行优化，提高算法的执行效率。通过本项目的研究，可望为SAR 图像相干斑噪声抑制的有效、快速实现提出一种新方法。

SAR图像相干斑噪声抑制算法的有效性和算法执行的实时性是SAR图像处理与应用的关键技术。项目重点研究了SAR图像相干斑噪声的抑制算法、非下采样Directionlet变换的并行算法及其相干斑抑制算法的快速实现问题。为了实现相干斑的抑制，我们首先利用Directionlet变换对SAR图像进行多尺度几何分解；然后，利用零均值混合Gaussian分布和零均值混合Laplace分布对不含噪声的SAR图像的Directionlet高频系数进行统计建模，同时，利用零均值Gaussian分布对相干斑噪声的Directionlet系数进行建模；最后，在Bayesian框架下构建MAP和MMSE估计器，实现了SAR图像相干斑噪声的抑制。为了实现SAR图像相干斑噪声抑制的快速性和实时性，我们通过将Directionlet变换的串行算法和统计模型参数估计的串行算法设计成相应的并行算法，并在GPU平台的CUDA架构下通过合理地分配和优化内存实现Directionlet变换的并行化（获得了高达10.8的加速比）和SAR图像相干斑抑制算法的并行化（获得了高达27.6的加速比），在抑制相干斑的同时提高了算法的执行效率。本研究不仅为SAR图像相干斑噪声抑制的后续研究奠定了坚实的理论基础，而且依托GPU的硬件平台，实现了SAR图像相干斑抑制算法在硬件上的快速实现，从而为SAR图像相干斑噪声的快速抑制问题提供了一种新的解决方案。