專(zhuān)利名稱(chēng)：融入pca的非局部均值的極化sar數(shù)據(jù)相干斑抑制方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像數(shù)據(jù)處理技術(shù)領(lǐng)域，具體地說(shuō)是一種相干斑抑制方法，該方法可 用于對(duì)極化SAR數(shù)據(jù)的去噪。
背景技術(shù)：
隨著雷達(dá)技術(shù)的發(fā)展，極化SAR已成為SAR的發(fā)展趨勢(shì)，極化SAR能夠得到更豐富 的目標(biāo)信息，有利于提高目標(biāo)檢測(cè)，辨別和分類(lèi)能力等等的特性體現(xiàn)了極化SAR系統(tǒng)的優(yōu) 勢(shì)，但是它和SAR —樣，受著相干斑噪聲的嚴(yán)重干擾。因此，相干斑的抑制成為一個(gè)經(jīng)久不 衰的研究課題。對(duì)于極化SAR數(shù)據(jù)，抑斑的目的在于能夠在抑制相干斑的同時(shí)且保持?jǐn)?shù)據(jù) 的極化特性，邊緣細(xì)節(jié)以及紋理信息?，F(xiàn)有對(duì)極化SAR數(shù)據(jù)相干斑抑制的方法很多，其中1)極化白化濾波PWF是最早的一個(gè)濾波方法，該方法通過(guò)對(duì)極化SAR數(shù)據(jù)散射矩 陣元素的優(yōu)化組合來(lái)完成對(duì)span數(shù)據(jù)的相干斑抑制，但是該方法的缺點(diǎn)在于它只對(duì)極化 SAR數(shù)據(jù)中的span數(shù)據(jù)進(jìn)行相干斑抑制，而其余極化SAR數(shù)據(jù)的各元素并沒(méi)有進(jìn)行相干斑 的抑制。2)最為經(jīng)典的方法是精致極化Lee濾波，它通過(guò)使用邊緣窗口進(jìn)行濾波，濾波后 的數(shù)據(jù)在邊緣的特性保持方面效果顯著，但是，在紋理細(xì)節(jié)信息的保持上，濾波效果并非特 別理想，因此在相干斑的抑制中，數(shù)據(jù)原始的一些特性無(wú)法很好的保留。3)最近新提出的改進(jìn)的sigma濾波，它解決了原始sigma濾波的暗像素不被濾波 和濾波數(shù)據(jù)存在誤差等缺點(diǎn)，并有效的保持了亮目標(biāo)像素，該方法無(wú)論在邊緣的保持上還 是同質(zhì)區(qū)域的平滑上都優(yōu)于精致極化Lee濾波方法，但是在邊緣和紋理的處理上，由于相 干斑噪聲的影響，這種濾波還是不能最好的區(qū)分相干斑噪聲和邊緣紋理信息，使有用的邊 緣紋理信息不能被完整的保留。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服上述已有技術(shù)的缺點(diǎn)，提出一種基于融入PCA的非局部均 值的極化SAR數(shù)據(jù)的相干斑抑制方法，以在抑制相干斑的同時(shí)保持亮目標(biāo)和邊緣紋理細(xì)節(jié) 信息，提高極化SAR數(shù)據(jù)的相干斑抑制效果。為實(shí)現(xiàn)上述目的，本發(fā)明包括如下步驟(1)將一組極化SAR數(shù)據(jù)表示為含有9個(gè)元素的3X3相干矩陣T，并使用T矩陣 中的元素Tll和T22對(duì)T矩陣進(jìn)行亮目標(biāo)檢測(cè)和保留；(2)取 T 矩陣的元素 TlU T22 和 T33 獲得 span 數(shù)據(jù)，其中 span = T11+T22+T33， 使用主成分分析方法求出span數(shù)據(jù)中最大的d個(gè)特征向量W1 wd，d取6 ；(3)對(duì)相干矩陣T各元素的非亮目標(biāo)像素進(jìn)行如下基于融入PCA的非局部均值濾 波3a)對(duì)T矩陣的任意元素取一個(gè)待濾波像素點(diǎn)X，以χ為中心確定7X7的局部鄰 域Φ
和21 X 21的搜索窗Ω，對(duì)待濾波像素點(diǎn)χ的局部鄰域Φ進(jìn)行對(duì)數(shù)變換，將對(duì)數(shù)變 換后的局部鄰域拉伸成49Χ 1的待濾波向量Lx ；3b)在搜索窗內(nèi)取一像素y，取y的7X7的局部鄰域Ψ，對(duì)該局部鄰域Ψ先進(jìn)行 對(duì)數(shù)變換，再將其拉伸成49X1的搜索窗向量Ly ；3c)用span數(shù)據(jù)的d個(gè)最大的特征向量W1 Wd與待濾波向量Lx進(jìn)行內(nèi)積，得到 待濾波內(nèi)積結(jié)果fx(m，1)，再用span數(shù)據(jù)的d個(gè)最大的特征向量W1 Wd與搜索窗向量Ly 進(jìn)行內(nèi)積得到搜索窗內(nèi)積結(jié)果fy (m，1)，m為1 d的整數(shù)；3d)計(jì)算待濾波像素χ與搜索窗內(nèi)像素y的相似度d(x，y)
dd(X，力=Σ [&(講，])-])f
m=l3e)根據(jù)相似度d(x，y)計(jì)算搜索窗內(nèi)像素y與待濾波像素χ的濾波權(quán)值w(x，y)
γπ d{x-y))=其中h為一個(gè)濾波參數(shù)，這里h取5倍的噪聲標(biāo)準(zhǔn)差；3f)逐個(gè)掃描搜索窗內(nèi)的像素，重復(fù)執(zhí)行步驟: )- ),得到最終待濾波像素χ的 濾波結(jié)果ζ(χ) = -^-τ^(χ,γ)ζ(γ)
。W ^eQ其中C(X)為歸一化函數(shù)，表示為C(X) = Σ^^)，Ζ ω為搜索窗Ω內(nèi)像素y的
yeQ
值；3g)對(duì)T矩陣元素的逐個(gè)像素進(jìn)行上述3a) _3f)的步驟，完成T矩陣所有元素的濾 波；(4)用Pauli向量法對(duì)濾波后的T矩陣合成偽彩圖。本發(fā)明具有如下優(yōu)點(diǎn)A)本發(fā)明由于將PCA融入到非局部均值濾波的思想中，因而比現(xiàn)有的精制極化 Lee濾波和改進(jìn)的sigma濾波，在同質(zhì)區(qū)域的濾波結(jié)果上更為平滑；B)本發(fā)明由于使用了非局部均值濾波的思想，比起精制極化Lee濾波和改進(jìn)的 sigma濾波，能夠更好的保持?jǐn)?shù)據(jù)的邊緣、紋理等細(xì)節(jié)和特征信息；C)本發(fā)明由于使用span數(shù)據(jù)提取極化SAR數(shù)據(jù)的特征來(lái)對(duì)T矩陣元素進(jìn)行濾波， 因而很好的保持了極化SAR數(shù)據(jù)的極化相關(guān)性，保證濾波后T矩陣合成的偽彩圖沒(méi)有失真。


圖1是本發(fā)明的流程圖；圖2是本發(fā)明使用的兩組原始極化SAR數(shù)據(jù)的圖像；圖3是用本發(fā)明與現(xiàn)有精致極化Lee濾波和改進(jìn)的sigma濾波對(duì)第一組原始極化 SAR數(shù)據(jù)的濾波結(jié)果圖；圖4是用本發(fā)明與精致極化Lee濾波和改進(jìn)的sigma濾波對(duì)第二組原始極化SAR數(shù)據(jù)的濾波結(jié)果圖。
具體實(shí)施例方式參照?qǐng)D1，本發(fā)明的具體實(shí)現(xiàn)步驟如下步驟1，對(duì)極化SAR數(shù)據(jù)相干矩陣T的亮目標(biāo)進(jìn)行檢測(cè)并保留(la)將極化SAR數(shù)據(jù)相干矩陣T表示為
~ΑΑ*AB*AC
M=ΒΑ*BB*BCCA*CB*CC"
其中[A BC]=[Shh
,Shh-Svv 2Shv]，這里Shh表示h向發(fā)射和h向接收的回波 數(shù)據(jù)，Svv表示ν向發(fā)射和ν向接收的回波數(shù)據(jù)，Shv表示h向發(fā)射ν向接收的回波數(shù)據(jù)，AA* 到CCf分別代表Tll到T33九個(gè)元素，即kk*代表Tll，AB*代表T12，AC*代表T13，BA*代表 T21, BB* 代表 T22, BC* 代表 T23, CA* 代表 T31, CB* 代表 T32, CC* 代表 T33, Tll =AA*= Stt+Sj2，T22 = BB*= Shh-Svv|2 可知，通常它們有著較強(qiáng)的回波 值，而T33為I S1J2，它的回波值通常很小，因此本實(shí)施例只用Tll和T22來(lái)檢測(cè)亮目標(biāo)；lb)將Tl 1的所有像素從小到大排列，取出第t個(gè)像素，得到該像素值K， t = \0M-n\[_」為取整符號(hào)，η為T(mén)ll像素總數(shù)；Ic)使用3X3滑窗對(duì)Tll的逐個(gè)像素進(jìn)行掃描，當(dāng)滑窗中9個(gè)像素中大于K的個(gè) 數(shù)超過(guò)Tk時(shí)，將此3 X 3區(qū)域視為亮目標(biāo)區(qū)域，Tk取5或6 ；Id)對(duì)T22做與上述步驟la)-Ic)相同的處理，得到T22的亮目標(biāo)區(qū)域；Ie)將Tll和T22得到的亮目標(biāo)區(qū)域的位置一起作為整個(gè)極化SAR數(shù)據(jù)T矩陣的 亮目標(biāo)，并保留這些亮目標(biāo)不被濾除。步驟2，使用主成分分析方法求出span = T11+T22+T33數(shù)據(jù)中最大的d個(gè)特征向
量W1 Wdo2a)對(duì)span數(shù)據(jù)做對(duì)數(shù)變換，得到變換后的span數(shù)據(jù)，對(duì)span數(shù)據(jù)做對(duì)數(shù)變換是 為了把乘性噪聲模型轉(zhuǎn)化為加性噪聲模型；2b)求對(duì)數(shù)變換后的span數(shù)據(jù)的均值歹；2c)求對(duì)數(shù)變換后的span的特征矩陣Cy ]XJJ
|Τ| εψ其中，Ψ是搜索窗的子集，大小為7X7，Ψ是區(qū)域Ψ的像素個(gè)數(shù)，y(i)表示區(qū) 域Ψ做對(duì)數(shù)變化后的第i個(gè)像素，特征矩陣Cy的大小由局部區(qū)域大小的平方而定，例如是 7X7的局部區(qū)域時(shí)，此時(shí)Ψ區(qū)域的大小取7X7，獲得的特征矩陣為49X49 ；2d)計(jì)算特征矩陣Cy的特征向量ω，對(duì)特征向量ω按照特征值從小到大的順序 排列，取其ω中最后d個(gè)特征向量作為span數(shù)據(jù)最大的d個(gè)特征向量W1 wd。步驟3，對(duì)相干矩陣T各元素的非亮目標(biāo)像素進(jìn)行融入PCA的非局部均值濾波。3a)對(duì)T矩陣的任意元素取一個(gè)待濾波像素點(diǎn)X，以χ為中心確定7X7的局部鄰 域Φ和21X21的搜索窗Ω，將χ的局部鄰域Φ做對(duì)數(shù)變換，將變換后的局部鄰域拉伸成 49X1的待濾波向量Lx ；
6
3b)在搜索窗內(nèi)取一像素y，取y的7X7局部鄰域Ψ，將此局部鄰域Ψ做對(duì)數(shù)變 換，然后拉伸成49X1的搜索窗向量Ly ；3c)用span數(shù)據(jù)的d個(gè)最大的特征向量W1 Wd與待濾波向量Lx進(jìn)行內(nèi)積，即特 征向量中的元素與待濾波向量中的對(duì)應(yīng)元素相乘求和，得到待濾波內(nèi)積結(jié)果fx(m，l)，再用 span數(shù)據(jù)的d個(gè)最大的特征向量W1 Wd與搜索窗向量Ly進(jìn)行內(nèi)積，得到搜索窗內(nèi)積結(jié)果 fy(m，l)，m為1 d的整數(shù)；3d)計(jì)算待濾波像素χ與搜索窗像素y的相似度d (X，y):

權(quán)利要求
1.一種融入PCA的非局部均值的極化SAR數(shù)據(jù)的相干斑抑制方法，包括如下步驟(1)將一組極化SAR數(shù)據(jù)表示為含有9個(gè)元素的3X3相干矩陣T，并使用T矩陣中的 元素Tll和T22對(duì)T矩陣進(jìn)行亮目標(biāo)檢測(cè)和保留；(2)取T矩陣的元素Til、T22和T33獲得span數(shù)據(jù)，其中span= T11+T22+T33，使用 主成分分析方法PCA求出span數(shù)據(jù)中最大的d個(gè)特征向量W1 wd，d取6 ；(3)對(duì)相干矩陣T各元素的非亮目標(biāo)像素進(jìn)行如下基于融入PCA的非局部均值濾波 3a)對(duì)T矩陣的任意元素取一個(gè)待濾波像素點(diǎn)X，以χ為中心確定7X7的局 部鄰域Φ和21X21的搜索窗Ω，對(duì)待濾波像素點(diǎn)χ的局部鄰域Φ進(jìn)行對(duì)數(shù)變換，將對(duì)數(shù)變換后的局部鄰域拉伸成49Χ 1的待濾波向量Lx ；3b)在搜索窗內(nèi)取一像素y，取y的7X7的局部鄰域Ψ，對(duì)該局部鄰域Ψ先進(jìn)行對(duì)數(shù) 變換，再將其拉伸成49X1的搜索窗向量Ly ；3c)用span數(shù)據(jù)的d個(gè)最大的特征向量W1 Wd與待濾波向量Lx進(jìn)行內(nèi)積，得到待濾 波內(nèi)積結(jié)果fx (m，1)，再用span數(shù)據(jù)的d個(gè)最大的特征向量W1 Wd與搜索窗向量Ly進(jìn)行 內(nèi)積得到搜索窗內(nèi)積結(jié)果fy (m，1)，m為1 d的整數(shù)；3d)計(jì)算待濾波像素χ與搜索窗內(nèi)像素y的相似度d(x，y)
2.根據(jù)權(quán)利要求書(shū)1所述的相干斑抑制方法，其中步驟(1)所述的用T矩陣中的元素 Tll和T22對(duì)T矩陣進(jìn)行亮目標(biāo)檢測(cè)和保留，按如下步驟進(jìn)行2a)將相干矩陣T表示為
3.根據(jù)權(quán)利要求書(shū)1所述的相干斑抑制方法，其中步驟( 所述的使用主成分分析方 法PCA求出span數(shù)據(jù)中最大的d個(gè)特征向量W1 wd，按如下步驟進(jìn)行3a)對(duì)span數(shù)據(jù)做對(duì)數(shù)變換，得到變換后的span數(shù)據(jù)； 3b)求對(duì)數(shù)變換后的span數(shù)據(jù)的均值 ； 3c)求對(duì)數(shù)變換后的span的特征矩陣Cy c產(chǎn)—Σ ΚΟ-咖)_好111 ^ψ其中，ψ是搜索窗的子集，大小為7X7，I ψ I是區(qū)域Ψ的像素個(gè)數(shù)，y(i)表示區(qū)域ψ 做對(duì)數(shù)變化后的第i個(gè)像素，特征矩陣Cy的大小由局部區(qū)域大小的平方而定；3d)計(jì)算特征矩陣Cy的特征向量ω，對(duì)特征向量ω按照特征值從小到大的順序排列， 取其ω中最后d個(gè)特征向量作為span數(shù)據(jù)最大的d個(gè)特征向量W1 wd。
4.根據(jù)權(quán)利要求書(shū)1所述的相干斑抑制方法，其中步驟⑷所述的用Pauli向量法對(duì) 濾波后的相干矩陣T合成偽彩圖，按如下步驟進(jìn)行4a)對(duì)濾波后的相干矩陣T的元素T22進(jìn)行開(kāi)平方處理AS = I^j-SwI,將IShh-SvvI 作為待合成偽彩圖的紅色分量R ；4b)對(duì)濾波后的相干矩陣T的元素T33進(jìn)行開(kāi)平方處理 掘=IH M I Shv I作為待合 成偽彩圖的綠色分量G ；4c)對(duì)濾波后的相干矩陣T的元素Tll進(jìn)行開(kāi)平方處理λ/ Τ = ^^+^,將ISh^SvvI 作為待合成偽彩圖的藍(lán)色分量B ；4d)用R、G、B三個(gè)顏色分量作為三基色，根據(jù)三基色原理得到最終偽彩圖。
全文摘要
本發(fā)明公開(kāi)了一種基于融入PCA的非局部均值的極化SAR數(shù)據(jù)相干斑噪聲抑制的方法，主要解決現(xiàn)有極化SAR濾波方法不能很好的濾除同質(zhì)區(qū)域的相干斑噪聲和不能有效保持邊緣細(xì)節(jié)信息的問(wèn)題。其實(shí)現(xiàn)過(guò)程為(1)輸入極化SAR數(shù)據(jù)的相干矩陣T；(2)對(duì)相干矩陣T進(jìn)行亮目標(biāo)保持；(3)使用PCA的方法求得span數(shù)據(jù)的特征向量；(4)對(duì)相干矩陣T的元素進(jìn)行非局部均值濾波，濾波權(quán)值由span數(shù)據(jù)的特征向量計(jì)算所得；(5)通過(guò)Pauli向量方法將濾波后的相干矩陣T生成偽彩圖。本發(fā)明與現(xiàn)有技術(shù)相比顯著提高了極化SAR數(shù)據(jù)的相干斑噪聲抑制的能力，能夠有效的平滑同質(zhì)區(qū)域和保持邊緣細(xì)節(jié)信息，可用于極化SAR數(shù)據(jù)的預(yù)處理過(guò)程。
文檔編號(hào)G01S13/90GK102073989SQ201010535150
公開(kāi)日2011年5月25日 申請(qǐng)日期2010年11月9日 優(yōu)先權(quán)日2010年11月9日
發(fā)明者劉芳, 張爽, 李?lèi)? 楊國(guó)輝, 焦李成, 王爽, 緱水平, 鐘樺, 馬文萍 申請(qǐng)人:西安電子科技大學(xué)