一种极化sar图像的快速滤波处理方法
【专利摘要】本发明涉及一种极化SAR图像快速滤波处理方法，可有效提高极化SAR图像滤波处理速度，节约费用的问题，技术方案是，包括以下步骤：1)载入极化SAR图像数据，并进行扩展，为滤波做准备；2)利用扩展后的极化SAR图像计算得到总功率图像；3)基于非局部均值中搜索窗Ω，利用积分图像计算实现快速滤波处理；4)使用Pauli向量法对滤波后的整个极化协方差矩阵C合成伪彩图，输出滤波结果；本发明大大降低了遍历计算范围，有效减少了计算开销，提高了极化SAR滤波处理速度；扩展了非局部均值滤波处理的适用范围，利用积分图，一方面是相似性度量的计算次数，另一方面是矩形窗口积分计算，对SAR图像的相干斑抑制能得到比现有技术更好的效果。
【专利说明】-种极化SAR图像的快速滤波处理方法
【技术领域】
[0001] 本发明涉及图像处理【技术领域】，特别是一种极化SAR图像快速滤波处理方法，可 用于极化SAR图像的场景分析和图像理解的预处理。
【背景技术】
[0002] 合成孔径雷达（Synthetic Aperture Radar, SAR)就是利用雷达与目标的相对运 动把尺寸较小的真实天线孔径用数据处理的方法合成一较大的等效天线孔径的雷达，也称 综合孔径雷达。SAR不受天气、光照等条件的限制，能够连续、实时地进行对地观测。极化 SAR为遥感图像中的信息获取和处理提供了更加丰富的目标信息，使其在采集地表或地面 覆盖物的物理和电磁结构信息的应用中起着越来越重要的作用。由于极化SAR受相干斑噪 声严重的干扰，相干斑噪声不仅导致数据质量下降，同时给极化SAR数据分类、目标检测等 后处理带来困难。因此相干斑噪声的滤波处理成为极化SAR信息处理中的首要问题，相干 斑噪声如果能够有效的抑制，可以显著提高极化SAR数据的可读性，有利于图像的处理、解 译和信息提取。
[0003] 非局部（non local means, NLM)算法在近年来受到广泛关注和应用，其基本原理 是利用图像块的相似性作为均值滤波的加权权重。这种算法对于自然图像的去噪结果十分 理想，尤其是在边缘纹理等细节信息的保持方面明显优于其它现有的方法。目前该去噪方 法正逐步推广到极化SAR相干斑噪声滤波处理领域。但是非局部均值算法的一个重要问题 是计算量问题，在NLM类算法中像素点间相似性度量的计算最为耗时，因为任意两个图像 块之间的相似性，都要通过计算对应像素之间的差异，然后进行累积获得。可以想象，随着 滤波窗口的滑动，像素之间相似性度量运算存在大量的重复操作，使现有非局部均值类算 法很难应用于工程实践，适用面小，计算速率低，费用高，为此需要提供极化SAR的非局部 均值滤波类快速算法，但是今未见有公开报导。
【发明内容】
[0004] 针对上述情况，为克服现有技术之缺陷，本发明之目的就是提供一种极化SAR图 像快速滤波处理方法，以拓展非局部均值滤波方法的适用范围，有效提高极化SAR图像滤 波处理速度，节约费用的问题
[0005] 本发明解决的技术方案是，首先使用不局限于高斯分布的相似性度量计算滤波权 重，然后利用积分图在极化SAR功率图上实现相似性度量的快速计算，最后用该相似度分 别对极化散射矩阵或者协方差矩阵进行滤波处理，包括以下步骤：
[0006] 1)载入极化SAR图像数据，并进行扩展，为滤波做准备；
[0007] 2)利用扩展后的极化SAR图像计算得到总功率图像；
[0008] 3)记At表示目标像素 t所在的邻域窗，As表示中心像素 s所在的邻域窗，基于 非局部均值中搜索窗Ω，利用积分图像计算实现快速滤波处理，步骤如下：
[0009] 3a)初始化邻域窗Λ t在搜索窗内的当前位置
[0010] 3b)在扩展的总功率图像上，分别记A为邻域窗Λ S中心像素构成的全局图像，B 为邻域窗Λ t中心像素构成的全局图像，按照下式计算全局图像A和B对应像素的相似性 度量DS,其中IA为图像A内像素的灰度值，I B为图像B内像素的灰度值，（x，y)为像素坐 标：
[0011]
【权利要求】
1. 一种极化SAR图像的快速滤波处理方法，其特征在于，包括以下步骤： 1) 载入极化SAR图像数据，并进行扩展，为滤波做准备； 2) 利用扩展后的极化SAR图像计算得到总功率图像； 3) 记At表示目标像素 t所在的邻域窗，As表示中心像素 s所在的邻域窗，基于非局 部均值中搜索窗Ω，利用积分图像计算实现快速滤波处理，步骤如下： 3a)初始化邻域窗At在搜索窗内的当前位置； 3b)在扩展的总功率图像上，分别记A为邻域窗As中心像素构成的全局图像，B为邻 域窗At中心像素构成的全局图像，按照下式计算全局图像A和B对应像素的相似性度量 DS,其中IA为图像A内像素的灰度值，IB为图像B内像素的灰度值，（X，y)为像素坐标： (?Β(χ,ν) ιΑ(χ,ν), 3c)按照下式构建积分图SI : Sl(x:y)= J2 DS(ulV) 其中，U、V分别为DS图像中左上角为原点与右下角为点（x，y)区域内点的横纵坐标； 3d)根据下式计算邻域窗At与As的相似性度量： SSI (x, y) = SI (x, y) +SI (x+2p+l, y+2p+l) -SI (x+2p+l, y) -SI (x, y+2p+l) 3e)通过以下计算得到目标像素 t对中心像素 s的滤波权值w(x, y)，其中h为滤波参 数： I \ [SSI(x, y) w[^yj = exp - 3f)对极化协方差矩阵C每个通道分别进行加权滤波，6为滤波结果，滤波式为： c{x,y) = ^ w{x-y)c(^y) 3g)利用下式对滤波结果进行归一化，其中z = Σ 为归一化系数： 知)=亨 3h)遍历整个搜索窗，完成滤波处理； 4) 使用Pauli向量法对滤波后的整个极化协方差矩阵C合成伪彩图，输出滤波结果。
【文档编号】G06T5/00GK104103046SQ201410331693
【公开日】2014年10月15日 申请日期:2014年7月11日 优先权日:2014年7月11日
【发明者】陈建宏, 牛朝阳, 赵拥军 申请人:中国人民解放军信息工程大学