一種結(jié)合極化分解向量統(tǒng)計分布的極化sar圖像濾波方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，可以用于極化SAR圖像的相干斑抑制。具體是一 種結(jié)合極化分解向量統(tǒng)計分布的極化SAR圖像濾波方法。
【背景技術(shù)】
[0002] 極化合成孔徑雷達(dá)（Pol-SAR)是在SAR的基礎(chǔ)上發(fā)展來的，它獲得的目標(biāo)信息更 為豐富，在軍事和民事領(lǐng)域都得到了廣泛的應(yīng)用。但是，極化SAR圖像中存在相干斑噪聲， 這給后續(xù)的圖像解譯和分析帶來了困難，所以，首先就是要對極化SAR圖像進(jìn)行降斑處理。
[0003]目前，有很多的極化SAR降斑方法，具有代表性的有極化白化濾波（PWF)，極化精 致Lee濾波等方法，這些方法雖然對極化SAR圖像有一定的降斑效果，但是在邊緣，線條 等領(lǐng)域丟失了很多細(xì)節(jié)，使得圖像變得模糊不清。最近幾年有很多學(xué)者將非局部的思想 引入到極化SAR降斑中，提出了很多的方法，如楊健等人提出的極化SAR的非局部均值濾 波------Pretest方法，該方法是利用圖像的相似塊計算權(quán)值，該方法很好的利用了圖像 的結(jié)構(gòu)信息，對圖像也有一定的降斑效果，但是經(jīng)降斑后的圖像丟失了很多的小細(xì)節(jié)，如目 標(biāo)點(diǎn)，細(xì)線條等，邊緣處了也出現(xiàn)了模糊現(xiàn)象。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是針對以上問題，提出一種結(jié)合極化分解向量統(tǒng)計分布的極化SAR 圖像濾波方法，主要解決現(xiàn)有的濾波算法在對圖像濾波時不能很好的保持圖像的細(xì)節(jié)信息 和散射特性的問題。
[0005] 本發(fā)明的技術(shù)方案是，一種結(jié)合極化分解向量統(tǒng)計分布的極化SAR圖像濾波方 法，包括如下步驟：
[0006] 步驟一：輸入極化SAR數(shù)據(jù)的相干矩陣T;
[0007] 步驟二：對相干矩陣T進(jìn)行混合四分量分解，即HH)分解，每一個像素點(diǎn)分成四種 散射類型，即：表面散射ps，偶次散射pd，體散射pv和螺旋散射ph，每一個像素點(diǎn)的散射特 性用一個3X1向量表示，則像素點(diǎn)i的散射特性為：veCi= [psDpc^pVi+phi];
[0008] 步驟三：利用非局部技術(shù)，求得每一個像素點(diǎn)i和其鄰域內(nèi)其他像素點(diǎn)j的權(quán)值 w(i,j)；
[0009] 步驟四：根據(jù)極化SAR數(shù)據(jù)的極化分解向量的分布特性，求得極化相似性的度量 公式及閾值，進(jìn)而找到每一個像素點(diǎn)i在其鄰域窗內(nèi)相似性像素點(diǎn)，對權(quán)值進(jìn)行修改，得到 最終的權(quán)值公式；
[0010]步驟五：利用最終的權(quán)值公式對每一個像素點(diǎn)進(jìn)行估計，得到整個極化SAR圖像 濾波后的相干矩陣Γ;
[0011] 步驟六：利用Pauli分解方法將濾波后的相干矩陣f合成偽彩圖。
[0012] 上述步驟二包括如下步驟：
[0013] 201:將相干矩陣T進(jìn)行去定向處理，得到去定向后的相干矩陣T°，
[0014]
[0015] 202 :根據(jù)相干矩陣T°可以得到HPD分解向量vec，
[0016] I '' 11 ·：- ^ Λ·.
·?J
[0017] 203:求解pv和ph，
[0018] 當(dāng)Γ303 <g+ 4 ±2*Re(r』）時：
[0019] μη -^·|?ιιι^2；^
[0020] 其中，Re( ·)和Im( ·)分別表示復(fù)數(shù)的實(shí)部和虛部，r的定義為：
[0021]
[0022] 當(dāng)Γ/ρg+ ± 2也6(2；〇2)或者Pv< 0 時：
[0023]
[0024] 204 :結(jié)束目標(biāo)分解算法，每個像素點(diǎn)i分解成一個3X1散射向量，標(biāo)記為VeCl =[pSi，pdi，pVi+phJ0[0025] 上述步驟201包括如下步驟：[0026] 301 :使用Huynen參數(shù)估計出每個像素點(diǎn)的定向角Θ;
[0027] 302:利用公另 I到去定向角后 的相干矩陣T°。
[0028] 上述步驟三包括如下步驟：
[0029] 401 :圖像塊I表示以像素點(diǎn)i為中心擴(kuò)展出7X7的圖像塊，將以像素點(diǎn)i為中心 的15X15的搜索窗Ω內(nèi)的每個像素點(diǎn)j1，j2,. . .，/為中心擴(kuò)展出各自的7X7的圖像塊， 分別標(biāo)記為圖像塊J1，J2, ...，JN，N為搜索窗內(nèi)的像素點(diǎn)數(shù)，為225 ;
[0030] 402 :計算出圖像塊I和圖像塊Jn之間的相似性度量矩陣其中η= 1，2,. . .，Ν，即為像素點(diǎn)i和像素點(diǎn)jn之間的相似性度量矩陣，
[0031]
[0032] 其中，Μ為圖像塊內(nèi)像素點(diǎn)的個數(shù)，為49，L為圖像的視數(shù)，|lk|為圖像塊I的第k 個像素點(diǎn)矩陣的行列式值，|乃|為圖像塊Γ的第k個像素點(diǎn)矩陣的行列式值；
[0033]403 :根據(jù)相似矩陣，計算出權(quán)值函數(shù)w(i，jn)，
[0034]
[0035]其中，&為閾值，//, = -ν'77Ι·Λ/，K為一個可調(diào)參數(shù)，取20,L為圖像視數(shù)，Μ為 圖像塊內(nèi)像素點(diǎn)的個數(shù)，Zi為歸一化權(quán)值，ΖΣiEsWw(i，j)，s(i)表示像素點(diǎn)i所在搜 索區(qū)域。
[0036] 上述步驟四包括如下步驟：
[0037] 501 :像素點(diǎn)i的散射特性向量標(biāo)記為veCi=[psDpc^pVi+phi]，搜索窗Ω內(nèi)的 每個像素點(diǎn)j1，j2, . . .，/的散射向量標(biāo)記為vecV，vec/，-，vec>，其中
[0038]
η=1，2，…，N，計算出像素點(diǎn)i和像素點(diǎn)^在 三個分量上的差值的絕對值，將其作為相似性參數(shù)：-聲,.，= ,
[0039] 502 :將501得到的兩個像素點(diǎn)的三個差值的絕對值分別和閾值進(jìn)行比較，如果
(/n)+/)/7,)^ Γ//3,則像素點(diǎn) f 對 于像素點(diǎn)i的最終權(quán)值W(i，jn) =w(i，jn);否則，像素點(diǎn)jn就不是像素點(diǎn)i的相似點(diǎn)，像 素點(diǎn)Γ不參與像素點(diǎn)i的估計，即W(i，jn) = 0,得到最終的權(quán)值公式；其中，三個分量上差 值的絕對值的閾值是由模擬極化SAR數(shù)據(jù)統(tǒng)計得到的，相似點(diǎn)的三個分量上的差值服從的 分布近似為正態(tài)分布，通過大量數(shù)據(jù)得到三個分量上差值的標(biāo)準(zhǔn)差，由正態(tài)分布的性質(zhì)知 P(μ-2δ<X<μ+2δ)= 〇. 954,將閾值設(shè)為兩倍的標(biāo)準(zhǔn)差，得到各個分量上差值絕對值 的閾值為：ΤΗ1 = 2*(0.992L。·4994 .pSi+0· 3146 ·Ι^.1246)，ΤΗ2 = 28(1.00101/.4997 1(^+0.01 50L°.7533)，TH3 = 2*(0· 8639L°.4321 (ρν'ρ?Ο+Ο· 0293L°.2°3S-0· 0242)，L為圖像視數(shù)。
[0040] 上述步驟五包括如下步驟：
[0041] 601 :利用像素點(diǎn)i搜索窗內(nèi)的像素點(diǎn)j1，j2, . . .，jN和權(quán)值進(jìn)行加權(quán)平均，得到像 素點(diǎn)i的濾波結(jié)果?:，目 ，其中是歸一化 71-^[ 參數(shù)；
[0042] 602 :對每一個像素點(diǎn)都按步驟601處理，得到整幅圖像濾波后的相干矩陣f
[0043]本發(fā)明的有益效果：本發(fā)明對輸入的極化SAR數(shù)據(jù)進(jìn)行目標(biāo)分解，得到散射向量； 對極化SAR數(shù)據(jù)利用非局部方法，求的像素點(diǎn)和其搜索窗內(nèi)的像素點(diǎn)之間的權(quán)值；根據(jù)極 化SAR數(shù)據(jù)的極化分解向量的分布特性，求得極化相似性的度量公式及閾值，進(jìn)而求得像 素點(diǎn)在其搜索窗內(nèi)的相似點(diǎn)，對權(quán)值公式進(jìn)行修改；利用最終的權(quán)值公式對數(shù)據(jù)濾波處理。 與以前的極化SAR濾波技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：
[0044] 1.本發(fā)明的實(shí)現(xiàn)過程簡單。
[0045] 2.本發(fā)明將像素點(diǎn)散射向量的三個分量上差值的絕對值作為相似性參數(shù)，通過數(shù) 據(jù)擬合出閾值，通過相似性參數(shù)和閾值來選擇像素點(diǎn)的相似像素點(diǎn)，使選擇的相似像素點(diǎn) 更準(zhǔn)確。
[0046] 3.本發(fā)明將利用散射分解向量得出的相似性度量方法和和非局部均值結(jié)合，在對 極化SAR圖像進(jìn)行濾波的同時也能很好的保持圖像的細(xì)節(jié)信息和散射特性。
[0047] 以下將結(jié)合附圖對本發(fā)明做進(jìn)一步詳細(xì)說明。
【附圖說明】
[0048] 圖1是本發(fā)明的流程圖；
[0049] 圖2是本發(fā)明輸入的兩組極化SAR數(shù)據(jù)圖，其中圖2(a)所示的第一組極化SAR數(shù) 據(jù)為C波段的十視加拿大Ottawa地區(qū)的極化SAR數(shù)據(jù)；圖2 (b)所示的第二組極化SAR數(shù) 據(jù)為L波段的四視SanFrancisco地區(qū)的極化SAR數(shù)據(jù)；
[0050] 圖3是用現(xiàn)有精致極化Lee濾波、Pretest濾波和本發(fā)明對圖2 (a)進(jìn)行濾波的結(jié) 果圖；
[0051] 圖4是用現(xiàn)有精致極化Lee濾波、Pretest濾波和本發(fā)明對圖2 (b)進(jìn)行濾波的結(jié) 果圖。
【具體實(shí)施方式】
[0052] 本發(fā)明提供了一種結(jié)合極化分解向量統(tǒng)計分布的極化SAR圖像濾波方法，將極化 相似性度量方法和非局部均值相結(jié)合，在利用非局部技術(shù)求的像素點(diǎn)的權(quán)值之后，根據(jù)極 化SAR數(shù)據(jù)的極化分解向量的分布特性，求得像素點(diǎn)在其鄰域內(nèi)的相似像素點(diǎn)，并對權(quán)值 進(jìn)行修改，使權(quán)值更為準(zhǔn)確。
[0053] 本發(fā)明首先對輸入的極化SAR數(shù)據(jù)進(jìn)行目標(biāo)分解，得到散射向量；對極化SAR數(shù)據(jù) 利用非局部方法，求的像素點(diǎn)和其搜索窗內(nèi)的像素點(diǎn)之間的權(quán)值；根據(jù)極化SAR數(shù)據(jù)的極 化分解向量的分布特性，求得極化相似性的度量公式及閾值，進(jìn)而求的像素點(diǎn)在其搜索窗 內(nèi)的相似點(diǎn)，對權(quán)值公式進(jìn)行修改；利用最終的權(quán)值公式對數(shù)據(jù)濾波處理。
[0054] 參照附圖1，本發(fā)明提供的這種結(jié)合極化分解向量統(tǒng)計分布的極化SAR圖像濾波 方法，詳細(xì)步驟為：
[0055] 步驟一：輸入極化SAR數(shù)據(jù)的相干矩陣T;
[0056] 步驟二：對相干矩陣T進(jìn)行混合四分量（HPD)分解，每一個像素點(diǎn)分成四種散射類 型，表面散射（ps)，偶次散射（pd)，體散射（pv)和螺旋散射（ph)，每一個像素點(diǎn)i的散射特 性用一個3X1向量表示，即veCi=[ps;，pdi,pvi+phj;具體包括以下步驟：
[0057] (1)去定向角，首先使用Huynen參數(shù)估計出每個像素點(diǎn)i的定向角Θ;，利用公式
得到像素點(diǎn)i定向后的相干矩陣"，進(jìn) 而得到整幅圖的相干矩陣T°，
[0058]
[0059] (2)根據(jù)相干矩陣T°可以得到HPD分解向量vec，
[0060]
[0061]
[0062]
[0063]
[0064] 其中，Re( ·)和Im( ·)分別表示復(fù)數(shù)的實(shí)部和虛部，r的定義為：
[0065]
[0066] 當(dāng)Γ303>U+7；02土2.Re(7；02)或者Pv<0時：
[0067]
[0068] (4)結(jié)束目標(biāo)分解算法，每個像素點(diǎn)i分解成一個3X1散射向量，標(biāo)記為VeCl =
[pSi，pdi，pVi+phJ0
[0069] 步驟三：利用非局部技術(shù)，求的每一個像素點(diǎn)i和其鄰域內(nèi)其他像素點(diǎn)j的權(quán)值 w(i，j)，具體包括以下步驟：
[0070] (1)圖像塊I表示以像素點(diǎn)i為中心擴(kuò)展出7X7的圖像塊，將以像素點(diǎn)i為中心 的15X15的搜索窗Ω內(nèi)的每個像素點(diǎn)j1，j2,. . .，/為中心擴(kuò)展出各