本發(fā)明涉及遙感影像處理技術(shù)領(lǐng)域，是一種合成孔徑雷達(dá)(Synthetic Aperture Radar,簡(jiǎn)稱SAR)影像相干斑噪聲抑制方法，具體為一種SAR影像的中值濾波快速近似算法。

背景技術(shù)：

合成孔徑雷達(dá)不受天氣地理和時(shí)間等因素的限制，能夠?qū)Φ孛孢M(jìn)行高分辨率成像，并且具有一定的穿透力，因而被廣泛應(yīng)用于軍事偵察、資源探測(cè)、環(huán)境監(jiān)測(cè)、測(cè)繪制圖、地理國(guó)情監(jiān)測(cè)等對(duì)地遙感應(yīng)用中。隨著多顆雷達(dá)衛(wèi)星的成功發(fā)射，時(shí)序雷達(dá)影像成為當(dāng)前遙感應(yīng)用的一大重要方面。

由于SAR基于相干成像機(jī)理進(jìn)行工作，導(dǎo)致SAR強(qiáng)度影像中存在嚴(yán)重的斑點(diǎn)噪聲，對(duì)SAR強(qiáng)度影像的解譯判讀和信息提取帶來(lái)非常大的影響。早期的SAR強(qiáng)度影像斑點(diǎn)噪聲抑制是通過(guò)空間多視平均處理來(lái)實(shí)現(xiàn)的，該方法的主要缺點(diǎn)是犧牲了影像的空間分辨率，不適用于當(dāng)前的高分辨率SAR系統(tǒng)。

目前，主要采用空域?yàn)V波方法來(lái)實(shí)現(xiàn)斑點(diǎn)噪聲抑制，即一般是利用一個(gè)滑動(dòng)窗口，對(duì)窗口內(nèi)的象素進(jìn)行鄰域處理得到窗口中心點(diǎn)的象素值。其中中值濾波是一種非線性濾波算法，能較好地抑制斑點(diǎn)噪聲、椒鹽噪聲等非高斯噪聲，保持影像細(xì)節(jié)信息，在SAR強(qiáng)度影像中具有廣泛的應(yīng)用。

由于中值濾波需要進(jìn)行排序，其中比較和交換操作的次數(shù)與元素個(gè)數(shù)的平方成正比，雖然提出了不少快速算法，但當(dāng)窗口增大或參與運(yùn)算的波段或時(shí)相增加時(shí)，效率改善仍然有限。

本發(fā)明即針對(duì)現(xiàn)有技術(shù)的不足而研究提出。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明要解決的技術(shù)問(wèn)題是提供一種SAR影像的中值濾波快速近似算法，即解決SAR強(qiáng)度影像中進(jìn)行多時(shí)相或大滑動(dòng)窗中值濾波計(jì)算效率不高的問(wèn)題，本發(fā)明根據(jù)多視SAR強(qiáng)度影像近似服從Gamma分布的特點(diǎn)，先設(shè)置鄰域窗口參數(shù)，將強(qiáng)度影像轉(zhuǎn)換為幅度影像，并統(tǒng)計(jì)幅度影像的最大值和最小值，然后估算幅度影像中值所處的區(qū)間，并基于該范圍對(duì)幅度影像進(jìn)行線性量化到較少的灰度級(jí)，以便通過(guò)計(jì)算滑動(dòng)窗口分布累積函數(shù)實(shí)現(xiàn)幅度影像中值所在灰度級(jí)的準(zhǔn)確定位，有效提高中值濾波的計(jì)算效率。

為解決上述技術(shù)問(wèn)題，本發(fā)明一種SAR影像的中值濾波快速近似算法,影像的表示形式為強(qiáng)度影像，數(shù)據(jù)類型為浮點(diǎn)型，寬和高分別為n_w和n_h個(gè)像素。通過(guò)滑動(dòng)窗口遍歷每個(gè)像素(i,j)，其中(i,j)表示影像的行列號(hào)，記濾波前像素(i,j)的強(qiáng)度影像為P(i,j)，對(duì)其時(shí)空鄰域進(jìn)行處理即得到(i,j)的濾波結(jié)果包括以下步驟：

步驟1：設(shè)置鄰域窗口參數(shù),即設(shè)置鄰域窗口為方形，邊長(zhǎng)為Ws，滿足：51≥Ws≥3，且Ws為奇數(shù)，則滑動(dòng)窗口中用于求中值的元素個(gè)數(shù)為n_n＝W_s·W_s，對(duì)于多時(shí)相數(shù)據(jù)參與中值濾波，n_n還應(yīng)乘上時(shí)相個(gè)數(shù)。

步驟2：對(duì)整個(gè)強(qiáng)度影像進(jìn)行開(kāi)方處理，得到幅度影像。

步驟3：統(tǒng)計(jì)幅度影像的最大值A(chǔ)_max和最小值A(chǔ)_min。

步驟4：根據(jù)SAR幅度影像的分布，計(jì)算中值所在區(qū)間，并對(duì)幅度影像進(jìn)行量化。

步驟4.1：根據(jù)SAR幅度影像的分布，計(jì)算中值所在區(qū)間：

步驟4.2：將幅度影像從0至n進(jìn)行了量化，且500≥n≥100，優(yōu)選n≈200：

步驟5：初始化當(dāng)前處理像素(i_c,j_c)為第一個(gè)像素，即(i_c,j_c)＝(0,0)，并將滑動(dòng)窗口的中心與(i_c,j_c)對(duì)齊，開(kāi)始處理第一行第一列像素。

步驟6：計(jì)算滑動(dòng)窗口內(nèi)局部幅度值的最大值A(chǔ)_max,c和最小值A(chǔ)_min,c。

步驟7：如果A_min,c>A_min+0.35·(A_max-A_min)或A_max,c<A_min+0.10·(A_max-A_min)時(shí)，則認(rèn)為滑動(dòng)窗口內(nèi)像素強(qiáng)度值位于最大值或最小值附近，需對(duì)幅度值根據(jù)滑動(dòng)窗口內(nèi)的最大值和最小值將浮點(diǎn)型的幅度數(shù)據(jù)重新量化為0到100的整數(shù)：

步驟8：遍歷滑動(dòng)窗口內(nèi)的各像素，統(tǒng)計(jì)量化后的累積分布函數(shù)及各級(jí)強(qiáng)度均值。

步驟8.1：設(shè)置一個(gè)長(zhǎng)度為n+1的計(jì)數(shù)器數(shù)組C，并初始化計(jì)數(shù)器數(shù)組C各元素值為0；設(shè)置一個(gè)長(zhǎng)度為n+1的強(qiáng)度均值數(shù)組M，并初始化強(qiáng)度均值數(shù)組M各元素值為0。

步驟8.2：遍歷滑動(dòng)窗口內(nèi)幅度量化值g(i,j),重新量化后的則基于g'(i,j)分別更新計(jì)數(shù)器數(shù)組C和強(qiáng)度均值數(shù)組M的元素:C[g(i,j)]＝C[g(i,j)]+1，M[g(i,j)]＝M[g(i,j)]+P(i,j)。

步驟8.3：將計(jì)數(shù)器數(shù)組C和強(qiáng)度均值數(shù)組M內(nèi)的值轉(zhuǎn)換成累積分布函數(shù)值：M[0]＝M[0]/C[0]，C[0]＝C[0]/n_n，M[k]＝M[k]/C[k]，C[k]＝C[k]/n_n+C[k-1],其中k＝1,2,...,n。

步驟9：遍歷累積分布函數(shù)數(shù)組，即計(jì)數(shù)器數(shù)組C，當(dāng)C[k]<0.5且C[k+1]≥0.5時(shí)，中值位于k+1灰度級(jí)對(duì)應(yīng)范圍。

步驟10：如果(C[k+1]-C[k])n_n≤4且C[k+1]-C[k]≤0.1，取M[k]作為中值濾波的近似輸出值；否則進(jìn)入步驟12。

步驟11：對(duì)滑動(dòng)窗口內(nèi)g(i,j)＝＝k+1的強(qiáng)度值進(jìn)行排序，取第(0.5-C[k])n_n個(gè)作為中值濾波的輸出。

步驟12：當(dāng)前時(shí)相像素全部處理完成，處理結(jié)束；否則移動(dòng)滑動(dòng)窗口中心到下一個(gè)像素，更新當(dāng)前處理像素(i_c,j_c)，進(jìn)入步驟6。

與現(xiàn)有技術(shù)相比較，本發(fā)明一種SAR影像的中值濾波快速近似算法，通過(guò)上述步驟，縮小了幅度影像中值所在區(qū)間范圍，并進(jìn)行了量化，有助于準(zhǔn)確對(duì)中值進(jìn)行準(zhǔn)確定位，大幅減小搜索計(jì)算量，同時(shí)取得了與經(jīng)典中值濾波幾乎相同的濾波結(jié)果，解決了大窗口和多時(shí)相SAR強(qiáng)度影像中值濾波效率低下的問(wèn)題。

【附圖說(shuō)明】

下面結(jié)合附圖對(duì)本發(fā)明的具體實(shí)施方式作進(jìn)一步詳細(xì)說(shuō)明，其中：

圖1為本發(fā)明流程圖。

【具體實(shí)施方式】

下面結(jié)合附圖對(duì)本發(fā)明的實(shí)施方式作詳細(xì)說(shuō)明。

以下將結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明做進(jìn)一步的闡述。

如圖1所示，本發(fā)明一種SAR影像的中值濾波快速近似算法，實(shí)施例以其中某一區(qū)域的5個(gè)時(shí)相精配準(zhǔn)后的強(qiáng)度影像中值濾波為例。該強(qiáng)度影像經(jīng)過(guò)了4視處理，圖像大小為5000像素×5000像素，處理在7×7的鄰域窗口進(jìn)行，求取7×7×5個(gè)時(shí)相(三維鄰域)共245個(gè)元素的中值，具體包括以下處理步驟：

步驟1：設(shè)置鄰域窗口參數(shù)，將鄰域窗口設(shè)置為方形，邊長(zhǎng)W_s＝7。由于要計(jì)算5個(gè)時(shí)相的中值，故滑動(dòng)窗口中用于求中值的元素個(gè)數(shù)為n_n＝7·7·5。

步驟2：對(duì)整個(gè)強(qiáng)度影像進(jìn)行開(kāi)方處理，得到幅度影像。

步驟3：統(tǒng)計(jì)幅度影像的最大值A(chǔ)_max和最小值A(chǔ)_min。

步驟4：根據(jù)SAR幅度影像的分布，計(jì)算中值所在區(qū)間，并對(duì)幅度影像進(jìn)行量化。

步驟4.1：計(jì)算中值所在區(qū)間，即：

步驟4.2：將幅度影像從0至n進(jìn)行了量化，且500≥n≥100，優(yōu)選n≈200：

步驟5：窗口中心像素為(i_c,j_c)，初始化窗口中心像素(i_c,j_c)，即(i_c,j_c)＝(0,0)，并將滑動(dòng)窗口的中心與(i_c,j_c)對(duì)齊，開(kāi)始處理第一行第一列像素。

步驟6：計(jì)算滑動(dòng)窗口內(nèi)局部幅度值的最大值A(chǔ)_max,c和最小值A(chǔ)_min,c。

步驟7：如果A_min,c>A_min+0.35·(A_max-A_min)或

A_max,c<A_min+0.10·(A_max-A_min)時(shí)，則認(rèn)為滑動(dòng)窗口內(nèi)像素強(qiáng)度值位于最大值或最小值附近，需對(duì)幅度值根據(jù)滑動(dòng)窗口內(nèi)的最大值和最小值從0至100進(jìn)行重新量化：

步驟8：遍歷滑動(dòng)窗口內(nèi)的各像素，統(tǒng)計(jì)量化后的累積分布函數(shù)及各級(jí)強(qiáng)度均值。

步驟8.1：設(shè)置一個(gè)長(zhǎng)度為n+1的計(jì)數(shù)器數(shù)組C，并初始化計(jì)數(shù)器數(shù)組C各元素值為0；設(shè)置一個(gè)長(zhǎng)度為n+1的強(qiáng)度均值數(shù)組M，并初始化強(qiáng)度均值數(shù)組M各元素值為0。

步驟8.2：遍歷滑動(dòng)窗口內(nèi)幅度量化值g(i,j),重新量化后的則基于g'(i,j)分別更新計(jì)數(shù)器數(shù)組C和強(qiáng)度均值數(shù)組M的元素:C[g(i,j)]＝C[g(i,j)]+1，M[g(i,j)]＝M[g(i,j)]+P(i,j)。

步驟8.3：將計(jì)數(shù)器數(shù)組C和強(qiáng)度均值數(shù)組M內(nèi)的值轉(zhuǎn)換成累積分布函數(shù)值：M[0]＝M[0]/C[0]，C[0]＝C[0]/n_n，M[k]＝M[k]/C[k]，C[k]＝C[k]/n_n+C[k-1],其中k＝1,2,...,n。

步驟9：遍歷累積分布函數(shù)數(shù)組，即計(jì)數(shù)器數(shù)組C，當(dāng)C[k]<0.5且C[k+1]≥0.5時(shí)，中值位于k+1灰度級(jí)對(duì)應(yīng)范圍。

步驟10：如果(C[k+1]-C[k])n_n≤4且C[k+1]-C[k]≤0.1，取M[k]作為中值濾波的近似輸出值；否則進(jìn)入步驟12。

步驟11：對(duì)滑動(dòng)窗口內(nèi)g(i,j)＝＝k+1的強(qiáng)度值進(jìn)行排序，取第(0.5-C[k])n_n個(gè)作為中值濾波的輸出。

步驟12：當(dāng)前時(shí)相像素全部處理完成，處理結(jié)束；否則移動(dòng)滑動(dòng)窗口中心到下一個(gè)像素，更新當(dāng)前處理像素(i_c,j_c)，進(jìn)入步驟6。

本發(fā)明除了應(yīng)用于SAR強(qiáng)度影像外，對(duì)于SAR幅度影像或者光學(xué)遙感影像均具有一定的噪聲抑制效果。通過(guò)上述實(shí)施步驟，本實(shí)施例的結(jié)果如下：

(1)本實(shí)施例所得中值與精確中值存在誤差，并對(duì)該誤差與本中值的比值進(jìn)行了評(píng)估，該比值的最大值為0.174，均值為0.031，則表明本發(fā)明中絕大部分像素的結(jié)果與精確均值一致。

(2)需要進(jìn)行二次量化的滑窗個(gè)數(shù)占比為9％,需要進(jìn)行步驟11精確排序的比例為1.6％。

(3)本實(shí)施例中耗時(shí)為其全排序方法的0.07倍，為快速排序算法的0.31倍。即由于本發(fā)明方法的耗時(shí)與需要排序的元素個(gè)數(shù)無(wú)顯著關(guān)系，若待排序元素個(gè)數(shù)增加，耗時(shí)增速則緩慢，但全排序算法和快速算法耗時(shí)均呈窗口邊長(zhǎng)的幾何級(jí)數(shù)增加，當(dāng)參與中值濾波的滑窗內(nèi)元素較大時(shí)，特別處理多時(shí)相數(shù)據(jù)或大滑窗時(shí)，故本發(fā)明效率提升更加明顯。