专利名称：基于相似性特征分类的极化sar图像斑点抑制方法
技术领域：
本发明属于极化SAR图像预处理技术领域，涉及SAR图像斑点抑制技术，特别是涉及一种基于相似性特征分类的极化SAR图像斑点抑制方法。
背景技术：
近年来，PolSAR的应用领域不断扩大，已在海洋探测、农业生产监测、搜寻救助等方面展示出了特有的优势。但极化SAR图像中固有的相干斑噪声，会降低图像的信噪比，掩盖图像的真实特征，严重影响了极化SAR数据的有效应用。极化SAR图像滤波方法中具有代表性的是Lee J. S.于2006年提出的基于散射模型降斑方法，该方法是通过Freeman极化分解对图像像素进行分类，并选择散射特性类别相近的像素参与滤波，滤波效果明显，能够有效地保持目标的极化散射特性。但同时也存在几个问题，如(I)复杂地表散射体通常具有随机取向，散射回波具有一定随机波动性，该方法直接对原始数据进行分解，易产生错误分类。(2)Freeman分解方法基于反射对称性假设，对于人造目标、地物较复杂等不满足假设条件的情况，容易出现错误解译。(3)采用Wishart分类器进行迭代分类，涉及大量矩阵求逆、求迹运算，运算量较大。(4)强功率像素是否被保留与像素样本空间的选择有关，当样本空间改变时，图像细节保持情况可能不同。国防科技大学的陈强等，在斑点抑制过程中也考虑到了参与滤波的像素的功率值与极化散射特性，但筛选准则并不严格，忽略掉了暗线目标的保持；并且仅考虑到了与三种特殊散射模型的相似性，也未能最大程度地保持极化散射特性。此外，像素相干矩阵之间的相似性在极化SAR图像处理应用中一般只考虑相干矩阵与几个特定相干矩阵的相似性，应用范围较窄。清华大学的安文韬提出了一种通过计算矩阵内积衡量任意两个极化相干矩阵相似性的计算方法，用以海面目标的检测，但该计算方法中涉及到较为复杂的矩阵求迹运算，存在部分冗余计算；并且由于计算矩阵内积，第一个矩阵的元素与位于第二个矩阵关于对角线对称位置上的元素相乘，并不能准确体现出像素相干矩阵之间的相似性。
发明内容
为了解决上述问题，本发明的目的在于提供一种在很好地抑制斑点噪声的同时，能够有效地保持图像的极化散射特性和目标的结构类型，并且运算简单的基于相似性特征分类的极化SAR图像斑点抑制方法。为了达到上述目的，本发明提供的基于相似性特征分类的极化SAR图像斑点抑制方法包括按顺序进行的下列步骤(I)对原始图像极化相干矩阵进行极化去取向处理并形成矢量K ；
(2)依次以图像中每个像素为中心，取其周围nXn窗口内的像素，分别计算中心像素与其余每个像素相干矩阵的相似系数；(3)在原始图像中选择几个均匀程度不同的区域，构造相干矩阵相似系数阈值矢量;(4)将像素的结构类型划分成亮点线目标、暗点线目标和非点线目标三种类型；(5)根据像素的结构类型筛选参与滤波的像素；(6)对参与滤波的像素进行加权滤波。所述的步骤(I )中对原始图像极化相干矩阵进行极化去取向处理并形成矢量K的方法是先对原始图像极化相干矩阵τ°进行极化去取向处理，得到极化相干矩阵Τ，以克服散射回波引起的随机取向问题；然后将相干矩阵T矢量化，形成1X9维的矢量K。所述的步骤⑵中相似系数定义为两个矢量Ki和Kj的夹角余弦值。所述的步骤(3)中构造相似系数阈值矢量的方法是首先在滤波图像中选取Ii1个不同地物类型的、均匀程度不同的区域，每个区域像素的平均相似系数构成一个数据集合，并计算每个集合的均值，然后在其中选择η2个典型的、有一定差额的数值并按照从小到大进行排列，形成阈值矢量Th。所述的步骤(4)中将像素的结构类型划分成亮点线目标、暗点线目标和非点线目标三种类型的方法是首先计算窗内各像素的功率值，并依次由小到大排序，通过考察中心像素的功率值，以及与中心像素相邻的3 X 3小窗口内，相干矩阵相似系数大于Th (I)、功率值在一定范围内的像素数目来划分像素类别。所述的步骤(5)中筛选参与滤波像素的方法是亮点线目标不予滤波，直接保留；暗点线目标在窗口内逐级筛选属于第i(i = 1,2, -,n2)级、且功率值位于功率序列前2/5的像素作为滤波像素；非点线目标在窗口内逐级筛选属于第i级、且不为亮目标的作为滤波像素。所述的步骤出)中对参与滤波的像素进行加权滤波的方法为将参与滤波的像素按其相干矩阵与中心像素相干矩阵的相似系数级别进行加权，按最小均方误差准则滤波。本发明提供的基于相似性特征分类的极化SAR图像斑点抑制方法是首先定义了去取向相干矩阵的相似系数，然后通过计算经过去取向的相干矩阵之间的相似系数构造阈值矢量，利用该矢量对图像像素进行分类和滤波像素的选取，最后进行加权滤波。本发明与现有技术相比，具有以下优点①克服了散射回波引起的随机取向问题。②所定义的相干矩阵相似系数可以衡量任意两个相干矩阵之间的相似系数，应用范围扩大且计算简单。③本发明方法能够很好地抑制斑点噪声。④本发明可以有效保持图像的极化散射特性和目标的结构类型。⑤运算简单。本技术可进一步用于极化SAR图像的目标检测、识别与分类中。
图I为本发明提供的基于相似性特征分类的极化SAR图像斑点抑制方法流程图。图2(a)为半月湾地区的Pauli分解图。图2(b)为半月湾地区对应的光学图像。图3为半月湾地区图像平均相干矩阵相似系数示意图。图4为代表不同地物的像素的平均相干矩阵相似系数分布图。图5(a)为半月湾地区各通道的原始图像。图5(b)为半月湾地区基于散射模型降斑方法滤波后各通道的图像。
图5(c)为半月湾地区本发明方法滤波后各通道的图像。图6 (a)为半月湾数据海洋地区的原始图像(放大图)。图6(b)为半月湾数据海洋地区基于散射模型降斑方法滤波后图像(放大图)。图6 (C)为半月湾数据海洋地区本发明方法滤波后图像(放大图)。图7为计算等效视数和极化散射特性保持指数选择区域示意图。图8为等效视数结果比较图。 图9为边缘保持指数结果比较图。图10为极化散射特性保持指数兩结果比较图。图11为极化散射特性保持指数std.结果比较图。
具体实施例方式下面参照附图和具体实施例对本发明提供的基于相似性特征分类的极化SAR图像斑点抑制方法进行详细说明。如图I所示，本发明提供的基于相似性特征分类的极化SAR图像斑点抑制方法包括按顺序进行的下列步骤(I)对原始图像极化相干矩阵进行极化去取向处理并形成矢量K 设原始图像极化相干矩阵为T°，对其进行极化去取向运算以得到去取向相干矩阵Τ，然后将相干矩阵T矢量化，形成I X 9维的向量K :K = V(T) = [T11 T12 T13 T21 T22 T23 T31 T32 T33It(I)其中，V(·)为矢量化算子。(2)依次以图像中每个像素为中心，取其周围nXn窗口内的像素，分别计算中心像素相干矩阵与其它像素相干矩阵的相似系数去取向相干矩阵1\、T2的相似系数R定义为两个矢量化后得到的向量的夹角余弦值，如下7 iT T I =__(2)
(1，2) WLWL其中，1\、T2为两个去取向相干矩阵，Il · I |2为向量的2-范数。以AIRSAR系统在美国半月湾地区采集的L波段的实测数据为例(该数据地物比较丰富，有城镇I、农田2、草地3、机场4，海洋5，靠近海湾的海面上停有大量的舰船6等，如图2所示)，利用上述相似系数定义计算该图像中各像素点的平均相似度系数(计算窗口大小为9X9)，得到的相似系数图像如图3所示，图像上不同类型区域的平均相似系数分布情况如图4所示。图3、图4清晰地反映了各像素与邻域像素之间的相似与区别程度，如匀质区域像素相干矩阵之间的相似系数值都较高，且分布更加集中，值域跨度较小；复杂地物区域以及均匀场景下出现的孤立点目标，相似系数较低，分布发散，值域跨度相对较大。公式⑵可以计算两个任意相干矩阵的相似系数，应用范围广。与矩阵内积计算方法相比，性质是相似的，但可以保证两个极化相干矩阵处于相同位置的元素进行相乘运算，能够更有效地体现任意两个像素间的极化散射特性相似程度。并且，公式(2)中完全是向量计算，避免了矩阵求迹运算中非对角线元素的冗余运算，运算量仅为矩阵内积方法的O. 4倍，在提高了准确度的同时，显著降低了运算量。(3)在原始图像上选择几个均匀程度不同的区域，构造相干矩阵相似系数阈值矢量I)在原始图像中选取Ii1个不同地物类型的、均匀程度不同的区域(包括匀质、非匀质区域，大小均为IOX 10)，每个区域像素的平均相似系数形成一个数据集合φ，Φ ={Φ1 Φ2, Φ3，…，Φη1}，<^的维数是 100X1。 2)对每一个Φ i按下式计算均值
权利要求
1.一种基于相似性特征分类的极化SAR图像斑点抑制方法，其特征在于所述的基于相似性特征分类的极化SAR图像斑点抑制方法包括按顺序进行的下列步骤 (1)对原始图像极化相干矩阵进行极化去取向处理并形成矢量K; (2)依次以图像中每个像素为中心，取其周围nXn窗口内的像素，分别计算中心像素与其余每个像素相干矩阵的相似系数； (3)在原始图像中选择几个均匀程度不同的区域，构造相干矩阵相似系数阈值矢量； (4)将像素的结构类型划分成亮点线目标、暗点线目标和非点线目标三种类型； (5)根据像素的结构类型筛选参与滤波的像素； (6)对参与滤波的像素进行加权滤波。
2.根据权利要求I所述的基于相似性特征分类的极化SAR图像斑点抑制方法，其特征在于所述的步骤(I)中对原始图像极化相干矩阵进行极化去取向处理并形成矢量K的方法是先对原始图像极化相干矩阵T°进行极化去取向处理，得到极化相干矩阵T，以克服散射回波引起的随机取向问题；然后将相干矩阵T矢量化，形成1X9维的矢量K。
3.根据权利要求I所述的基于相似性特征分类的极化SAR图像斑点抑制方法，其特征在于所述的步骤(2)中相似系数定义为两个矢量Ki和&的夹角余弦值。
4.根据权利要求I所述的基于相似性特征分类的极化SAR图像斑点抑制方法，其特征在于所述的步骤(3)中构造相似系数阈值矢量的方法是首先在滤波图像中选取Ii1个不同地物类型的、均匀程度不同的区域，每个区域像素的平均相似系数构成一个数据集合，并计算每个集合的均值，然后在其中选择n2个典型的、有一定差额的数值并按照从小到大进行排列，形成阈值矢量Th。
5.根据权利要求I所述的基于相似性特征分类的极化SAR图像斑点抑制方法，其特征在于所述的步骤(4)中将像素的结构类型划分成亮点线目标、暗点线目标和非点线目标三种类型的方法是首先计算窗内各像素的功率值，并依次由小到大排序，通过考察中心像素的功率值，以及与中心像素相邻的3 X 3小窗口内，相干矩阵相似系数大于Th (I)、功率值在一定范围内的像素数目来划分像素类别。
6.根据权利要求I所述的基于相似性特征分类的极化SAR图像斑点抑制方法，其特征在于所述的步骤(5)中筛选参与滤波像素的方法是亮点线目标不予滤波，直接保留；暗点线目标在窗口内逐级筛选属于第i(i = 1，2，…，n2)级、且功率值位于功率序列前2/5的像素作为滤波像素；非点线目标在窗口内逐级筛选属于第i级、且不为亮目标的作为滤波像素。
7.根据权利要求I所述的基于相似性特征分类的极化SAR图像斑点抑制方法，其特征在于所述的步骤出)中对参与滤波的像素进行加权滤波的方法为将参与滤波的像素按其相干矩阵与中心像素相干矩阵的相似系数级别进行加权，按最小均方误差准则滤波。
全文摘要
一种基于相似性特征分类的极化SAR图像斑点抑制方法。该方法是首先定义了去取向相干矩阵的相似系数，然后通过计算经过去取向的相干矩阵之间的相似系数构造阈值矢量，利用该矢量对图像像素进行分类和滤波像素的选取，最后进行加权滤波。本发明与现有技术相比，具有以下优点①克服了散射回波引起的随机取向问题。②所定义的相干矩阵相似系数可以衡量任意两个相干矩阵之间的相似系数，应用范围扩大且计算简单。③本发明方法能够很好地抑制斑点噪声。④本发明可以有效保持图像的极化散射特性和目标的结构类型。⑤运算简单。
文档编号G06T5/00GK102637296SQ20121011936
公开日2012年8月15日 申请日期2012年4月23日 优先权日2012年4月23日
发明者于晓红, 吴仁彪, 晏珂, 董菲, 韩萍 申请人:中国民航大学