一种全极化合成孔径雷达图像斑点噪声滤波方法与流程

本发明涉及全极化合成孔径雷达图像处理领域，特别涉及一种全极化合成孔径雷达图像斑点噪声滤波方法。

背景技术：

全极化合成孔径雷达的图像有很强的乘性噪声。如果不进行降噪滤波的话，对后续进行的极化目标分解、地物分类和物理参数估计造成不利影响。常用的boxcar滤波器在均匀区域可以取得很大的降噪效果，但是在非均匀区域会模糊边缘信息和消除细小特征。Lee提出的改进的Lee滤波器使用8种非正方形的窗和滤波窗内的边缘形状信息进行匹配，然后使用所选择的非正方形窗内的点和中心点一起进行滤波(参见文献[1]：J.S.Lee,M.R.Grunes,and G.De Grandi,“Polarimetric SAR speckle filtering and its implication for terrain classification,”IEEE Trans.Geosci.Remote Sens.,vol.37,no.5,pp.2363–2373,Sep.1999.)。改进的Lee滤波器在边缘保持能力上有提高，但是和boxcar滤波器相比由于只选了窗内大约一半的点进行滤波，所以降噪效果下降。由于改进的Lee滤波器只是粗略地根据功率信息对8种非正方形窗和滤波窗内的边缘性状信息进行匹配，来达到选点的目的，所以选出来的点的极化散射机制很可能与中心点的极化散射机制不一致，这样会破坏滤波后的中心点的极化散射机制。另外，改进的Lee滤波器只使用8种非正方形的窗不能代表所有的形状，所以不能精确地保存滤波窗内的形状信息。

安文韬等(参见文献[2]：W.T.An,W.J.Zhang,J.Yang,W.Hong,and F.Cao,“On the similarity parameter between two targets for the case of multi-look polarimetric SAR,”Chinese J.Electron.,vol.18,no.3,pp.545–550,Jul.2009.)提出了极化散射相似性参数测量两个分布目标的极化散射特征的相似性。由于极化散射相似性参数与散射功率无关，相当于丢弃了散射功率。然而，散射功率是描述纹理或边缘信息的重要参数。王文光等(参见文献[3]：王文光，极化SAR信息处理技术研究，博士论文，北京航空航天大学，2007年，北京)把一个测量两个目标功率相似的参数加到极化散射相似性参数中形成了新的参数，可以全面描述两个目标的相似性。但是王文光等提出的参数在描述两个目标的相似性时会出现模糊。

技术实现要素：

本发明的目的在于针对目前全极化合成孔径雷达图像的斑点噪声滤波方法存在的上述问题，提出一种可以保持极化散射机制和精确保持边缘信息的降噪方法。该方法分别使用极化散射相似性参数和功率相似性参数测量中心点和滑动窗内其他点的极化散射相似性和功率相似性，然后仅选择极化散射相似性的值高的同时功率相似性的值高的点参与中心点的滤波，这样可以保证滤波后的中心点的极化散射特性不被破坏，同时还可以保存边缘信息。

为了实现上述目的，本发明提供了一种全极化合成孔径雷达图像的斑点噪声的滤波方法，所述方法包括：

步骤1)获得全极化合成孔径雷达图像每个点的自相关矩阵T；

步骤2)为图像设置一个滑动窗，滑动窗可以为任意的形状和大小；

步骤3)分别计算图像中心点和滑动窗内其它点的极化散射相似性参数和功率相似性参数；

步骤4)分别确定两个参数对应的阈值α₁和α₂；从滑动窗内选择同时满足极化散射相似性参数r₁大于阈值α₁和功率相似性参数r₂大于阈值α₂的点；

步骤5)基于步骤4)选出的点，使用最小均方误差滤波器滤波，得到滤波后的中心点的自相关矩阵

上述技术方案中，如果原始数据为散射矩阵S的形式，则步骤1)的具体过程为：

S表示为：

其中，下标HV表示使用竖直极化发射电磁波并使用水平极化接收电磁波，下标HH表示使用水平极化发射电磁波并使用水平极化接收电磁波，下标VH表示使用水平极化发射电磁波并使用竖直极化接收电磁波，下标VV表示使用竖直极化发射电磁波并使用竖直极化接收电磁波；

Pauli基下的散射矢量k_p定义为：

其中，上标t表示矩阵转置；由散射矢量k_P可以得到自相关矩阵T：

其中，<·>表示进行时间平均和空间平均，上标*表示取复共轭。

上述技术方案中，所述滑动窗为7×7的正方形滑动窗。

上述技术方案中，所述步骤3)的具体过程为：

设中心点的自相关矩阵为T₀，窗内第i个点的自相关矩阵为Ti；则中心点与第i个点的极化散射相似性参数r₁表示为：

其中，||·||_F表示Frobenius范数；

中心点与窗内第i个点的功率相似性参数r₂表示为：

其中，P₀表示中心点的散射功率，P_i表示第i个点的散射功率；散射功率等于自相关矩阵T的迹。

上述技术方案中，所述步骤5)的具体过程为：

对于滑动窗的中心点的自相关矩阵T₀，进行最小均方误差滤波，表示为：

其中，表示滤波后的中心点的自相关矩阵；表示所选点的自相关矩阵的均值，b为滤波权重；b由下式计算得到：

其中，和Var(z)是所选点的功率的均值和方差，η_v是噪声的标准差；η_v是图像视数N的函数，且

本发明的优点在于：本发明的方法分别检验滑动窗内的点和中心点的极化散射相似性参数和功率相似性参数，选择极化散射相似性参数值大并且功率相似性参数值大的点参与中心点的滤波。这样保证了中心点的极化散射特性不被破坏，边缘信息也不被破坏。

附图说明

图1是本发明的全极化合成孔径雷达图像斑点噪声滤波方法的流程图；

图2是原始数据的功率图；

图3是boxcar滤波器滤波后的功率图；

图4是改进的Lee滤波器滤波后的功率图；

图5是本发明的滤波方法滤波后的功率图。

具体实施方式

下面结合附图和实际的全极化合成孔径雷达数据对本发明做进一步说明。

本发明的全极化合成孔径雷达图像斑点噪声滤波方法，使用分别极化散射相似性参数和功率相似性参数保证被滤波点的极化散射机制和边缘信息不被破坏。

如图1所示，一种全极化合成孔径雷达图像的斑点噪声的滤波方法，所述方法包括：

步骤1)获得全极化合成孔径雷达图像每个点的自相关矩阵T；

如果原始数据为散射矩阵S的形式，需要先变成Pauli基下的散射矢量，然后得到自相关矩阵T形式的数据。散射矩阵S可以表示为

其中，下标HV表示使用竖直极化发射电磁波并使用水平极化接收电磁波，下标HH表示使用水平极化发射电磁波并使用水平极化接收电磁波，下标VH表示使用水平极化发射电磁波并使用竖直极化接收电磁波，下标VV表示使用竖直极化发射电磁波并使用竖直极化接收电磁波。

Pauli基下的散射矢量k_p定义为：

其中，上标t表示矩阵转置；由散射矢量k_P可以得到自相关矩阵T：

其中，<·>表示进行时间平均和空间平均，上标*表示取复共轭。

步骤2)设置一个滑动窗，窗的大小可以为任意的形状和大小，优选的，设置为7×7的正方形滑动窗；

步骤3)分别计算中心点和窗内其它点的极化散射相似性参数和功率相似性参数；

设中心点的自相关矩阵为T₀，窗内第i个点的自相关矩阵为Ti；则中心点与第i个点的极化散射相似性参数r₁可以表示为：

其中，||·||_F表示Frobenius范数。

中心点与窗内第i个点的功率相似性参数r₂可以表示为：

其中，P₀表示中心点的散射功率，P_i表示第i个点的散射功率；散射功率等于自相关矩阵T的迹。

步骤4)分别确定两个参数对应的阈值α₁和α₂；从窗口内选择同时满足极化散射相似性参数r₁大于阈值α₁和功率相似性参数r₂大于阈值α₂的点；

步骤5)基于步骤4)选出的点，使用最小均方误差滤波器滤波，得到滤波后的中心点的自相关矩阵

对于滑动窗的中心点的自相关矩阵T₀，进行最小均方误差滤波，表示为：

其中，表示滤波后的中心点的自相关矩阵；表示所选点的自相关矩阵的均值，b为滤波权重；b可以由下式计算得到：

其中，和Var(z)是所选点的功率的均值和方差，η_v是噪声的标准差；η_v是图像视数N的函数，且至此，求出了滤波后的中心点的自相关矩阵

下面使用实际的全极化合成孔径雷达数据验证本发明的降噪滤波方法在降低噪声和保持边缘信息方面的有效性，以及相比于boxcar滤波器和改进的Lee滤波器有更好的表现。所使用的数据是L波段AIRSAR采集的旧金山地区的数据，这里仅使用了场景的一小部分。本发明的滤波方法的两个阈值取0.5。图2显示的是原始数据的散射功率，可以看出原始数据呈现很强的“颗粒性”的噪声。两个特殊区域被选取，区域1是海洋区域，代表均匀区域，计算其等效视数来评估降噪情况；区域2是建筑物区域，代表非均匀区域，计算其边缘保持指数来评估边缘保持情况。等效视数越大表明滤波器的降噪效果越好。边缘保持指数越大表明滤波器的边缘保持能力越强。一个好的滤波器应当能取得大的等效视数和边缘保持指数。图3是7×7的boxcar滤波器滤波后的散射功率的结果，可以看出boxcar滤波器虽然降噪效果较好，但是会模糊边缘信息并造成分辨率下降。图4是7×7的改进的Lee滤波器的结果，可以看出其降噪效果不如boxcar滤波器，但是边缘信息保持能力显著提升。图5是7×7的本发明提出的滤波方法滤波后的散射功率的结果，可以看出相比于改进的Lee滤波器，本发明的滤波方法在降噪和边缘信息保持能力上均有提升。表1是使用不同的滤波器，统计区域1的等效视数和区域2的边缘保持指数的结果。从表中可以看出，在区域1本发明的滤波方法可以取得仅次于boxcar滤波器的等效视数；在区域2，本发明的滤波方法可以取得仅次于原始数据的边缘保持能力。

表1