基于截断统计特征的SAR图像双边滤波方法与流程

文档序号:15935756发布日期:2018-11-14 02:21阅读:293来源:国知局

本发明涉及sar图像斑点噪声抑制技术领域,尤其涉及一种基于截断统计特征的sar图像双边滤波方法。

背景技术

合成孔径雷达(syntheticapertureradar,sar)是一种高分辨率的成像雷达,具有全天时和全天候观测的能力。sar成像时通过对景区相干波照射和对后向散射信号相干检波以获得方位向的高分辨率。从一地面单元后向散射回来的全部信号是地面散射中后向散射信号相干总和。经goodman等证实,sar图像斑点噪声可模型化为一种乘性噪声。地表通常由许多随机分布的散射面组成,这种随机性是生成图像斑点的原因,其表现形式为与单一目标不同单元对应像元的图像色调随机变化。表现为图像灰度的剧烈变化,即在sar图像的同一片均匀的粗糙区域内,有的分辨率单元呈现为亮点,有的则呈现为暗点,直接影响了sar图像的灰度分辨率,隐藏了sar图像的细节部分。从而给sar图像的解译和定量化带来很大的困扰,给图像的信息提取带来了困难,从而妨碍了图像的应用。因此,对斑点噪声抑制的研究一直是sar图像处理的重要课题之一。

sar图像斑点噪声滤波的基本目标是在抑制图像斑点噪声的前提下,保持图像边缘和纹理等细节信息。sar图像斑点噪声的抑制可通过成像过程中的多视处理技术实现,也可以通过成像后空间域的滤波实现。由于多视处理会增加成像处理的运算成本,并且降低图像的空间分辨率。因此,一般情况下通过对图像进行空间域的滤波来抑制斑点噪声。近年来,许多传统的数字滤波技术,如均值和中值滤波等,被用于sar斑点噪声滤波,但由于sar斑点噪声的乘性特征,以及均值和中值滤波器的非自适应性,其滤波效果并不理想。针对这个问题,发展了许多基于乘性斑点噪声模型的自适应局部统计滤波器:lee滤波、frost滤波、kuan滤波、gamma-map滤波和sigma滤波等。这些方法优点是:计算量小,速度快,不能兼顾斑点抑制和边缘细节保持。但是它们通过设定一定大小的滑动窗口来对窗口内的数据进行相干斑滤波,它们的滤波效果与滑动窗口的大小有密切关系,当窗口较大时,滤波器过渡平滑导致边缘模糊,使得图像损失一些细节;当移动窗口较小时,可以很好的保护边缘,但此时滤波器的平滑能力减小,相干斑噪声能力变差。

传统sar图像斑点滤波方法在有效抑制斑点噪声的同时,模糊了sar图像的边缘,并破坏了sar图像的纹理信息。传统双边滤波器对强斑点噪声不但不能有效抑制,还增强了强斑点噪声。



技术实现要素:

本发明目的就是为了弥补已有技术的缺陷,提供一种基于截断统计特征的sar图像双边滤波方法。

本发明是通过以下技术方案实现的:

一种基于截断统计特征的sar图像双边滤波方法,其特征在于:包括如下步骤:

步骤(1):设置双边滤波器的滑动窗口尺寸,采用双边滤波法对sar图像进行斑点噪声滤波,有效平滑杂波和弱斑点噪声,同时增强强斑点噪声。

步骤(2):设置滑动窗口尺寸l,让该窗口在双边滤波后的sar图像上滑动,统计窗口中的所有像素的灰度均值μ和标准方差σ。

步骤(3):对滑动窗口中的所有像素点按照灰度值进行升序排序。将滑动窗口中心像素点的灰度值i与统计得到的均值μ和标准方差σ的关系进行对比分析来判断滑动窗口中心像素点所处杂波背景的类型。根据判定的滑动窗口中心像素点所处杂波背景的类型,采取不同程度的样本截断,并采用截断后的样本进行双边滤波,实现基于截断统计特征的双边滤波。

所述的基于截断统计特征的sar图像双边滤波方法,其特征在于:所述步骤(1)的具体方法为:在双边滤波器中,引入了一种权值滤波,权值大小同时由几何位置相近度和灰度相似度来决定,在这个新的滤波器中,这两者以以下公式联合在一块:

式中,h为输出,f为输入,c(ξ,x)为中心像素点x和周围像素ξ的几何位置权值,s(f(ξ),f(x))为中心像素点x和周围像素ξ的灰度相似度权值,k(x)为归一化系数,其表达式为:

双边滤波器是噪声去除的一个基本概念,它需要设计好两个权值函数:几何位置相近函数和灰度相似度函数。这两个权值函数的设计直接影响着去噪效果。比较常用的是线性移不变高斯核函数,几何位置相近函数和灰度相似度函数都是高斯核函数。其中几何位置相近高斯核函数为:

式中d(ξ,x)为周围像素点ξ和中心像素点x的欧几里得距离,σd为几何扩散因子。它控制着低通滤波的强度,σd越大,低通滤波强度越强,滤波结果越模糊。通常选取一定大小窗口灰度相似度函数为:

式中,σr为灰度相似度扩散因子,要想得到好的滤波效果,σd和σr要选取恰当。

所述的基于截断统计特征的sar图像双边滤波方法,其特征在于:所述步骤(2)中的灰度均值μ和标准方差σ的计算方法为:假设滑动窗中的所有样本为x={x1,x2,…xn},通过式(5)、(6)计算整个滑动窗口所有像素的灰度均值μ和标准差σ;

所述的基于截断统计特征的sar图像双边滤波方法,其特征在于:所述步骤(3)中,双边滤波的规则为:

(1)|i-μ|<2σ,当前点为普通杂波点、阶跃、屋脊边缘点,此时由于杂波强度不强,因此滤波更侧重边缘保持。因此选取中间7×l×l/8(取整)个像素来进行双边滤波,选取的双边滤波样本中尽量去除和斑点噪声灰度值相近的点,同时又能保证样本中含有边缘点。既很好地保持了边缘,同时又一定程度上平滑了杂波及噪声。

(2)|i-μ|≥2σ&|i-μ|<3σ,当前点为强斑点或者为连续长屋脊边缘点,此时滤波算法应同时重视斑点抑制和边缘保持。因此可选取中间2×l×l/3(取整)个像素来进行双边滤波,既保持了屋脊边缘,同时极大地抑制了强斑点噪声。

(3)|i-μ|≥3σ,此时当前点为均匀杂波区域的强斑点或者为短屋脊边缘点,因此滤波更侧重强斑点抑制。选取中间5×l×l/6(取整)个像素来进行双边滤波,既保持了屋脊边缘,同时极大地抑制了强斑点噪声。

本发明的优点是:

1、本发明采用基于截断统计特征的双边滤波器来实现sar图像的斑点噪声滤波,有效解决了传统斑点滤波方法中存在的边缘模糊问题。

2、本发明采用自适应法对双边滤波器中的统计样本进行截断,并对截断后的样本进行双边滤波,在保持图像边缘纹理信息的同时,有效平滑了斑点噪声。

3、本发明中的样本截断、双边滤波过程精确简单,计算效率高,具有较高的工程应用价值。

附图说明

图1是本发明提出的基于截断统计特征的sar图像双边滤波法流程图。

图2是terrasar-x原始图像。

图3是lee滤波对terrasar-x整幅图像的滤波结果。

图4是frost滤波对terrasar-x整幅图像的滤波结果。

图5是gamma-map滤波对terrasar-x整幅图像的滤波结果。

图6是sigma滤波对terrasar-x整幅图像的滤波结果。

图7是传统双边滤波法对terrasar-x整幅图像的滤波结果。

图8是本发明提出的ts-bf滤波法对terrasar-x整幅图像的滤波结果。

图9是各滤波算法对terrasar-x边缘细节区域ii滤波后的对比图。(a)为边缘细节区域原图像,(b)为lee滤波结果,(c)为sigma滤波结果,(d)为gamma-map滤波结果,(e)为传统双边滤波结果,(f)为本发明提出的ts-bf滤波结果。

图10是各滤波算法对terrasar-x海洋目标图像滤波性能对比图。(a)为terrasar-x海洋目标sar图像,(b)为lee滤波结果,(c)为sigma滤波结果,(d)为gamma-map滤波结果,(e)为传统双边滤波法的滤波结果(不迭代),(h)为本发明提出的ts-bf滤波法的滤波结果(不迭代),(g)为传统双边滤波法迭代5次后的滤波结果结果,(h)为本发明提出的ts-bf滤波法迭代5次后的滤波结果。

图11是对脉冲噪声采取全部窗口样本进行双边滤波的效果图。(a)为信号添加脉冲噪声后的污染信号,(b)为23×23窗口的联合权值函数图,(c)为采用全部窗口样本进行双边滤波后的结果。

具体实施方式

如图1所示,一种基于截断统计特征的sar图像双边滤波方法,包括如下步骤:

步骤(1):设置双边滤波器的滑动窗口尺寸,采用双边滤波法对sar图像进行斑点噪声滤波,有效平滑杂波和弱斑点噪声,同时增强强斑点噪声;

步骤(2):设置滑动窗口尺寸l,让该窗口在双边滤波后的sar图像上滑动,统计窗口中的所有像素的灰度均值μ和标准方差σ;

步骤(3):对滑动窗口中的所有像素点按照灰度值进行升序排序,将滑动窗口中心像素点的灰度值i与统计得到的均值μ和标准方差σ的关系进行对比分析来判断滑动窗口中心像素点所处杂波背景的类型;根据判定的滑动窗口中心像素点所处杂波背景的类型,采取不同程度的样本截断,并采用截断后的样本进行双边滤波,实现基于截断统计特征的双边滤波。

其中步骤(1)中,在双边滤波器中引入了一种权值滤波,权值大小同时由几何位置相近度和灰度相似度来决定,在这个新的滤波器中,这两者以以下公式联合在一块:

式中,h为输出,f为输入,c(ξ,x)为中心像素点x和周围像素ξ的几何位置权值,s(f(ξ),f(x))为中心像素点x和周围像素ξ的灰度相似度权值,k(x)为归一化系数,其表达式为:

双边滤波器是噪声去除的一个基本概念,它需要设计好两个权值函数:几何位置相近函数和灰度相似度函数。这两个权值函数的设计直接影响着去噪效果。比较常用的是线性移不变高斯核函数,几何位置相近函数和灰度相似度函数都是高斯核函数;其中几何位置相近高斯核函数为:

式中d(ξ,x)为周围像素点ξ和中心像素点x的欧几里得距离,σd为几何扩散因子。几何位置相近高斯核函数控制着低通滤波的强度,σd越大,低通滤波强度越强,滤波结果越模糊。通常选取一定大小窗口灰度相似度函数为:

式中,σr为灰度相似度扩散因子,要想得到好的滤波效果,σd和σr要选取恰当。

假如选取全部窗口样本进行双边滤波,它对非高斯噪声不能起到很好地平滑效果,尤其是脉冲噪声。图11为对脉冲噪声采取全部窗口样本进行双边滤波的效果图。(a)为信号添加脉冲噪声后的污染信号,(b)为23×23窗口的联合权值函数图,(c)为采用全部窗口样本进行双边滤波后的结果。从图中可以看出,采用全部窗口样本双边滤波器不仅不能很好地平滑脉冲噪声,相反还可能一定程度上地增强脉冲噪声。这是因为假如滤波窗口中包含脉冲噪声时,并且该脉冲噪声与中心像素点的信号强度与空间距离都很接近,此时该脉冲噪声在滤波样本中占据最大比例,导致脉冲噪声不能很好地过滤。

步骤2中,设置滑动窗口尺寸l,让该窗口在双边滤波后的sar图像上滑动;假设滑动窗中的所有样本为x={x1,x2,…xn},通过式(5)、(6)计算整个滑动窗口所有像素的灰度均值μ和标准差σ;

步骤3中,首先对滑动窗口中的所有像素点按照灰度大小进行升序排序,其次在进行双边滤波时,考虑到提出的斑点抑制算法注重平滑斑点噪声的同时保持边缘细节,因此此处将要对边缘的类型进行分析;当前滑动窗口中的中心像素点类型存在以下两种情况:

(1)假设滑动窗口的中心像素点为边缘点,则可分为:

a)阶跃边缘,此时滑动窗口中统计的标准方差σ会很大。假如中心像素点为阶跃边缘点,则一般满足:|i-μ|&lt;2σ。而在进行双边滤波样本选取时,为了保护边缘,在剔除强斑点噪声的同时,应确保选取的中间段像素样本中有接近中心像素灰度值的边缘点。

b)连续的长屋脊边缘,此时滑动窗口中统计的准方差σ会次于阶跃边缘的方差。假如中心像素点为屋脊边缘点,则一般满足:σ≤|i-μ|&lt;3σ。而在进行双边滤波时,为了很好地保护边缘,在双边滤波样本选取时,应该选取尽量多的中间段像素样本,要确保选取的样本中包含屋脊边缘点。

c)短屋脊边缘,此时滑动窗口中统计的准方差σ会更小,甚至接近不含边缘点的杂波区域。假如中心像素点为屋脊边缘点,则一般满足:|i-μ|&gt;3σ。而在进行双边滤波时,为了很好地保护边缘,在双边滤波样本选取时,应该选取尽量多的中间段像素样本,在剔除强斑点噪声的同时,要确保选取的点中包含屋脊边缘点。

(2)假设当前窗口的中心像素点为杂波点,则可分为:

a)当前中心像素为一般强度杂波点,则不管其处于杂波区域还是边缘区域,一般都满足:|i-μ|&lt;2σ,因此在在双边滤波样本选取时,选择尽量多的中间段像素,剔除较强斑点噪声样本来平滑该杂波点。

b)当前中心像素为强斑点噪声点,它有可能处于杂波区域,也有可能处于边缘区域,因此有:

|i-μ|&lt;σ,处于强边缘区域或者强杂波区域。

|i-μ|≥σ&|i-μ|<3σ,处于弱边缘区域或者一般强度杂波区域

|i-μ|≥3σ,处于弱杂波区域。

根据当前滑动窗口中心像素的所处背景类别不同选择不同长度的中间像素段进行双边滤波。滤波规则为:

(1)|i-μ|&lt;2σ,当前点为普通杂波点、阶跃、屋脊边缘点,此时由于杂波强度不强,因此滤波更侧重边缘保持。因此选取中间7×l×l/8(取整)个像素来进行双边滤波,选取的双边滤波样本中尽量去除和斑点噪声灰度值相近的点,同时又能保证样本中含有边缘点。既很好地保持了边缘,同时又一定程度上平滑了杂波及噪声。

(2)|i-μ|≥2σ&|i-μ|<3σ,当前点为强斑点或者为连续长屋脊边缘点,此时滤波算法应同时重视斑点抑制和边缘保持。因此可选取中间2×l×l/3(取整)个像素来进行双边滤波,既保持了屋脊边缘,同时极大地抑制了强斑点噪声。

(3)|i-μ|≥3σ,此时当前点为均匀杂波区域的强斑点或者为短屋脊边缘点,因此滤波更侧重强斑点抑制。选取中间5×l×l/6(取整)个像素来进行双边滤波,既保持了屋脊边缘,同时极大地抑制了强斑点噪声。

至此,基于截断统计特征的sar图像双边滤波方法基本完成。

以下通过terrasar-x图像实验进一步说明本发明的有效性。

terrasar-x图像斑点滤波对比实验:

1.实验设置:

实验数据来自terrasar-x卫星sar图像,如图2、图6所示。为了验证本发明提出的基于截断统计特征的sar图像双边滤波方法(ts-bf)具有良好的斑点噪声抑制能力,选取图2中的平坦区域i、iii(图2中白色方框标注的最左和最右图像块)进行实验,为了验证本发明提出的ts-bf方法的边缘保持能力,选取图2中的边缘纹理区域ii(图2中白色方框标注的中间图像块)进行实验。实验中,采用lee滤波(lee)、kuan滤波(kuan)、frost滤波(frost)、gamma-map滤波(gamma-map)、sigma滤波(sigma)、双边滤波(bf)与本发明提出的ts-bf方法进行斑点滤波性能对比。

各滤波方法的滑动窗口尺寸均设为5×5。传统双边滤波器和本发明提出的ts-bf方法中的几何扩散因子σd和灰度相似度扩散因子σr均设为5。

2.结果分析:

本实验采用等效视数(enl)来评估滤波算法对sar图像平坦区域i、iii的斑点噪声平滑能力进行定量分析,其定义为:

其中为去除斑点噪声后的sar图像。分别是方差和均值。等效视数是最常用的评价相干斑抑制滤波器平滑效果的参数,等效视数越大,表明图像区域越光滑,相干斑噪声抑制的效果越好。尤其是对不含边缘细节的杂波区域而言。

采用边缘保持因子esi对sar图像边缘区域ii及整幅sar图像的边缘保持能力进行定量分析,其定义为:

式中m为原sar图像,m'为滤波后的sar图像。sar图像尺寸为:m×n。esi越大,表明去斑算法的边缘保持性能越好,尤其是对多边缘区域而言。

各滤波算法对sar图像平坦区域i、iii,边缘区域ii的滤波性能对比结果如表1所示。terrasar-x原图像如图2所示,lee滤波、frost滤波、gamma-map滤波、sigma滤波、传统双边滤波及本发明提出的ts-bf对图2整幅sar图像的滤波结果如图3至图8所示。为了比较各算法的边缘细节保持性能,将图2中边缘细节区域ii的滤波结果单独在图9中进行显示。图10是各滤波方法对海洋目标sar图像滤波的对比图。根据表1、图3至图10的结果,可以看出:

(1)对于平滑区域的斑点噪声抑制能力,本发明提出的ts-bf滤波法具有最高的等效视数,enl最高达125,其斑点噪声平滑能力最好;图9、图10中,ts-bf滤波法迭代5次后,斑点噪声变得很平滑,而传统双边滤波算法迭代5次后滤波结果中部分强斑点噪声不仅没有抑制,反而得到了增强。

(2)对于图像边缘细节的保持能力,本发明提出的ts-bf滤波法的边缘保持系数esi最高,并且从图像5、图6中的对比可以看出,传统lee、kuan、frost、sigma、gamma-map滤波算法的图像边缘保持能力较差,目标边缘处模糊。传统双边滤波方法在保持边缘的同时,会增强强斑点噪声,如图10(e)所示,部分强斑点噪声不仅没有抑制,反而得到了增强。而本发明提出的ts-bf滤波法在保持sar图像边缘细节的同时,可有效抑制斑点噪声,如图10(f)所示。经过5次迭代滤波后,传统双边滤波结果中部分强斑点噪声仍然不能有效滤除,而本发明提出的ts-bf滤波法可全部平滑斑点噪声,并且保持目标边缘信息。

(3)综上,本发明提出的ts-bf滤波方法在最大限度平滑斑点噪声的同时,可有效保持sar图像的边缘纹理。

表1本发明与其他滤波方法的斑点噪声滤波性能比较

当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1