本發(fā)明涉及合成孔徑雷達(dá)圖像處理領(lǐng)域，具體涉及一種超高分辨率合成孔徑雷達(dá)圖像斑點噪聲濾波器構(gòu)建方法。

背景技術(shù)：

合成孔徑雷達(dá)(sar)作為一種有源微波遙感技術(shù)，具有全天候、全天時的工作能力。它可以在不同頻段和不同極化下得到目標(biāo)的較高分辨率圖像，在軍事應(yīng)用和國民經(jīng)濟(jì)的各個領(lǐng)域中表現(xiàn)出巨大的潛力和應(yīng)用前景。斑點噪聲的存在使得合成孔徑雷達(dá)的遙感圖像不能正確地反映地物目標(biāo)的散射特性，不僅增加了使用者判讀的復(fù)雜性，而且容易造成誤判，降低了sar對目標(biāo)探測、分析和解釋能力；也大大地增加了sar圖像定量化應(yīng)用的難度。另一方面，隨著sar圖像應(yīng)用的不斷拓展，對其空間、輻射分辨率要求不斷提高，對斑點噪聲的抑制水平要求也越來越高。有效地抑制或消除sar圖像斑點噪聲是提高雷達(dá)圖像質(zhì)量、使sar圖像數(shù)據(jù)得到成功應(yīng)用的基礎(chǔ)。

sar圖像的斑點濾波器已經(jīng)發(fā)展了三十多年。諸多方法被提出，包括傳統(tǒng)的自適應(yīng)濾波如增強(qiáng)lee濾波、kuan濾波等，基于小波變換的多分辨率濾波，基于壓縮感知的字典學(xué)習(xí)濾波，非局部均值濾波等，但僅有一些使用簡單卻性能有限的方法被廣泛采用。當(dāng)涉及到具有分米級或厘米級分辨率的超高分辨率合成空間雷達(dá)圖像時，傳統(tǒng)的斑噪模型如乘積模型等假設(shè)受到挑戰(zhàn)，因為它們不能解釋所觀察到的脈沖非高斯散射。受到上述影響，現(xiàn)有斑點噪聲濾波器難以取得滿意效果，當(dāng)采用小窗口尺寸時，斑點難以除盡，嚴(yán)重影響后續(xù)分割、分類效果；而大窗口尺寸將導(dǎo)致圖像細(xì)節(jié)的嚴(yán)重?fù)p失，使高分辨率的優(yōu)勢化為虛有。

技術(shù)實現(xiàn)要素：

為了解決上述問題，本發(fā)明公開一種超高分辨率合成孔徑雷達(dá)圖像斑點噪聲濾波器構(gòu)建方法，包括以下步驟：分區(qū)步驟，采用復(fù)廣義高斯分布對超高分辨率合成孔徑雷達(dá)圖像進(jìn)行擬合，獲取擬合區(qū)域的形狀因子，將所述超高分辨率合成孔徑雷達(dá)圖像分為亞高斯區(qū)域和高斯區(qū)域；以及去噪步驟，針對所述亞高斯區(qū)域采用加性噪聲濾波器，針對所述高斯區(qū)域采用乘性噪聲濾波器，實現(xiàn)對超高分辨率合成孔徑雷達(dá)圖像的自適應(yīng)噪聲去除。采用該構(gòu)建方法可構(gòu)建多種具有足夠平滑和細(xì)節(jié)保持能力的超高分辨率sar斑點噪聲去除混合濾波器。

優(yōu)選為，所述亞高斯區(qū)域?qū)?yīng)結(jié)構(gòu)性區(qū)域，所述高斯區(qū)域?qū)?yīng)分布式地物。

優(yōu)選為，所述復(fù)廣義高斯分布的概率密度分布函數(shù)表示為

其中，μ表示均值，β表示形狀因子，γ()表示伽馬函數(shù)，c表示協(xié)方差矩陣定義為

其中，h表示哈密頓轉(zhuǎn)置，zr和zi分別代表復(fù)數(shù)z的實部和虛部。

優(yōu)選為，區(qū)分所述亞高斯區(qū)域和所述高斯區(qū)域的閾值為，當(dāng)形狀因子β≥1時表示高斯分布，當(dāng)形狀因子β<1時表示亞高斯區(qū)域。

優(yōu)選為，采用最大似然法來獲取待測數(shù)據(jù)的形狀因子。

優(yōu)選為，所述最大似然法獲取形狀因子具體包括以下步驟：

通過以下公式獲取初始形狀因子

接著通過一個遞歸的操作對形狀因子進(jìn)行更新

l是(1)中概率密度函數(shù)的對數(shù)值，

當(dāng)β<1，通過固定點方法更新c

c＝(2β·γ(2/β)/2γ(1/β)/n)∑(z^hc^-1z)^β-1zz^h(5)

并繼續(xù)更新β。

優(yōu)選為，所述加性噪聲濾波器采用增強(qiáng)lee濾波器，所述乘性噪聲濾波器采用高斯低通濾波器。

優(yōu)選為，所述增強(qiáng)lee濾波器濾波方法具體表示如下

w(t)＝exp(-k(ci-cu)/(cmax-ci))(7)

cu＝0.523(8)

其中，f(t)代表位置t處的濾波結(jié)果，a(t)代表原始的影像強(qiáng)度或幅度，代表劃窗中的強(qiáng)度或幅度均值，k代表阻尼系數(shù)，ci代變異系數(shù)。

優(yōu)選為，高斯低通濾波器以二維高斯函數(shù)作為核函數(shù)

其中，x和y代表像素位置，σ代表標(biāo)準(zhǔn)差。

上述加性噪聲濾波器和乘性噪聲濾波器僅為采用本發(fā)明構(gòu)建混合斑噪濾波器的一個例子，任何類似的濾波器都可以應(yīng)用，并構(gòu)建新的濾波器。

本發(fā)明能夠自適應(yīng)地對結(jié)構(gòu)性細(xì)節(jié)和分布式面狀地物分開濾波，達(dá)到有效濾除斑噪同時良好保持影像細(xì)節(jié)的目的。

附圖說明

圖1是超高分辨率合成孔徑雷達(dá)圖像斑點噪聲濾波器構(gòu)建方法的流程圖。

圖2是典型場景1的原始影像及五種濾波方法的結(jié)果比較：(a)原始sar影像，(b)elf結(jié)果，(c)wf結(jié)果，(d)csf結(jié)果，(e)nlmf結(jié)果，(f)cggdf結(jié)果。

圖3是典型場景2的原始影像及五種濾波方法的結(jié)果比較：(a)原始sar影像，(b)elf結(jié)果，(c)wf結(jié)果，(d)csf結(jié)果，(e)nlmf結(jié)果，(f)cggdf結(jié)果。

圖4是典型場景3的原始影像及五種濾波方法的結(jié)果比較：(a)原始sar影像，(b)elf結(jié)果，(c)wf結(jié)果，(d)csf結(jié)果，(e)nlmf結(jié)果，(f)cggdf結(jié)果。

圖5是均勻場景五種濾波方法的結(jié)果比較：(a)elf結(jié)果(b)wf結(jié)果，(c)csf結(jié)果，(d)nlmf結(jié)果，(e)cggdf結(jié)果。

圖6a～圖6f是場景1的sift同名點匹配結(jié)果比較，其中，圖6a是原始sar影像結(jié)果，圖6b是elf結(jié)果，圖6c是wf結(jié)果，圖6d是csf結(jié)果，圖6e是nlmf結(jié)果，圖6f是cggdf結(jié)果。

圖7a～圖7f是場景2的sift同名點匹配結(jié)果比較：其中，圖7a是原始sar影像結(jié)果，圖7b是elf結(jié)果，圖7c是wf結(jié)果，圖7d是csf結(jié)果，圖7e是nlmf結(jié)果，圖7f是cggdf結(jié)果。

具體實施方式

為了使本發(fā)明的目的、技術(shù)方案及優(yōu)點更加清楚明白，下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整地描述，應(yīng)當(dāng)理解，此處所描述的具體實施例僅用以解釋本發(fā)明，并不用于限定本發(fā)明。所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動前提下所獲得的所有其它實施例，都屬于本發(fā)明保護(hù)的范圍。

圖1是超高分辨率合成孔徑雷達(dá)圖像斑點噪聲濾波器構(gòu)建方法的流程圖。如圖1所示，超高分辨率合成孔徑雷達(dá)圖像斑點噪聲濾波濾波器方法包括以下步驟：

在分區(qū)步驟s1中，采用復(fù)廣義高斯分布(cggd)對超高分辨率合成孔徑雷達(dá)(uhrsar)圖像進(jìn)行擬合，獲取擬合區(qū)域的形狀因子，將圖像分為亞高斯區(qū)域(對應(yīng)結(jié)構(gòu)性地物)和高斯區(qū)域(對應(yīng)分布式地物)。

具體而言，cggd是一個復(fù)分布族，可以表示高斯分布、拉普拉斯分布、均勻分布、沖激函數(shù)等在內(nèi)的多種分布形式，不同的分布類型對應(yīng)不同的形狀因子。cggd的概率密度分布函數(shù)表示為公式(1)

μ表示均值，β表示形狀因子，γ()表示伽馬函數(shù)，c表示協(xié)方差矩陣定義為

h表示哈密頓轉(zhuǎn)置，zr和zi分別代表復(fù)數(shù)z的實部和虛部。

當(dāng)形狀因子β≥1時表示高斯分布，β<1時表示亞高斯分布，即為區(qū)分結(jié)構(gòu)性地物和分布式地物的閾值。

接下來，我們采用最大似然法來獲取待測數(shù)據(jù)的形狀因子。通過式(3)獲取初始形狀因子

接著通過一個遞歸的操作對形狀因子進(jìn)行更新

其中，l是公式(1)中概率密度函數(shù)的對數(shù)值，

當(dāng)β<1,通過固定點方法更新c

c＝(2β·γ(2/β)/2γ(1/β)/n)∑(z^hc^-1z)^β-1zz^h(5)

并繼續(xù)更新β。

在去噪步驟s2中，分別針對結(jié)構(gòu)性地區(qū)采用有效的加性噪聲濾波器，針對分布式地物采用有效的乘性噪聲濾波器實現(xiàn)對整幅影像的自適應(yīng)噪聲去除。

通過不同的濾波器對結(jié)構(gòu)性區(qū)域和分布式區(qū)域進(jìn)行分別濾波。在本實施方式中，選取了兩個非常廣泛應(yīng)用的濾波器，對于乘性噪聲選擇增強(qiáng)lee濾波，對于加性噪聲選擇高斯低通濾波。但是本發(fā)明不限定于此，這兩個濾波器根據(jù)使用情況可以進(jìn)行更換。

當(dāng)β≥1時，說明區(qū)域為乘性噪聲主導(dǎo)的分布式地物區(qū)域。采用乘性噪聲濾波器進(jìn)行處理。這里采用增強(qiáng)lee濾波，濾波方法如下

w(t)＝exp(-k(ci-cu)/(cmax-ci))(7)

cu＝0.523(8)

其中，f(t)代表位置t處的濾波結(jié)果，a(t)代表原始的影像強(qiáng)度或幅度，代表劃窗中的強(qiáng)度或幅度均值，k代表阻尼系數(shù)，越低越平滑作用越強(qiáng)，ci代變異系數(shù)。

當(dāng)β<1時，說明區(qū)域為結(jié)構(gòu)性地物區(qū)域，采用加性噪聲濾波器進(jìn)行濾波，

這里采用高斯低通濾波器。該濾波器通過一個二維高斯函數(shù)做為核函數(shù)

x和y代表像素位置，σ代表標(biāo)準(zhǔn)差。為了對離散的像素進(jìn)行處理，連續(xù)的高斯函數(shù)需要根據(jù)不同的窗口大小進(jìn)行離散化處理。

為了進(jìn)一步說明本發(fā)明的技術(shù)效果，將本發(fā)明的超高分辨率合成孔徑雷達(dá)圖像斑點噪聲濾波器構(gòu)建方法所形成的濾波器的濾波方法與四種先進(jìn)濾波方法進(jìn)行了對比。所采用的數(shù)據(jù)為30個真實超高分辨率合成孔徑雷達(dá)影像(分辨率0.03m×0.15m)樣本，五種濾波方法分別是增強(qiáng)lee濾波(elf)，小波濾波(wf)，壓縮感知稀疏字典濾波(csf)和非局部均值(nlmf)，本發(fā)明所構(gòu)建的濾波器的濾波方法(cggdf)。選取4個典型場景展示對比結(jié)果如圖2～圖5所示。從圖中可以看到傳統(tǒng)方法針對超高分辨率合成孔徑雷達(dá)影像在噪聲平滑效果和細(xì)節(jié)保持效果方面難以兩全，而新濾波器可以在實現(xiàn)非常有效的噪聲去除的同時對精細(xì)細(xì)節(jié)進(jìn)行完整的保持。特別是對于典型場景4即均勻場景，如圖5所示，小波濾波和壓縮感知稀疏字典等濾波方法無法做到完全的去噪處理，而本發(fā)明的方法在有效平滑的同時，非常有效地保持了細(xì)節(jié)。

表1

表1給出了全部場景的定量評價結(jié)果。評價指標(biāo)包括結(jié)構(gòu)相似度指數(shù)(ssim)、等效視數(shù)(enl)和目標(biāo)背景比率(tcr)。其中，結(jié)構(gòu)相似度指數(shù)評價對原圖的還原程度，值越大效果越好；等效視數(shù)評價平滑程度，值越大越平滑，去噪能力越好；目標(biāo)背景比率評價目標(biāo)和背景的對比度，值越大目標(biāo)越清晰。由表1可以看出，在定量評價中本發(fā)明的超高分辨率合成孔徑雷達(dá)圖像斑點噪聲濾波方法也展現(xiàn)了顯著優(yōu)勢，對超高分辨率合成孔徑雷達(dá)的后續(xù)應(yīng)用將起到非常積極的作用。

此外，圖6a～圖6f、圖7a～圖7f分別展示了典型場景1和典型場景2的原始sar影像和應(yīng)用濾波后的影像與其旋轉(zhuǎn)90度后的影像進(jìn)行尺度不變特征變換(sift)同名地物匹配的例子，圓圈的大小代表匹配的尺度，直線代表成功的匹配點對。所采用的五種濾波方法按順序分別是增強(qiáng)lee濾波(elf)，小波濾波(wf)，壓縮感知稀疏字典濾波(csf)和非局部均值(nlmf)以及本發(fā)明提出的超高分辨率合成孔徑雷達(dá)圖像斑點噪聲濾波器構(gòu)建方法所構(gòu)建的濾波方法(cggdf)。可以看到由本發(fā)明方法得到的濾波結(jié)果無論在匹配點數(shù)還是匹配的精細(xì)程度上均較傳統(tǒng)方法得到了顯著的提升。這一實驗結(jié)果說明本發(fā)明提出的方法對于超高分辨率sar立體測量，變化監(jiān)測等應(yīng)用具有重要意義。

以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。