《非局部均值滤波,SAR图像去噪.》由会员分享，可在线阅读，更多相关《非局部均值滤波,SAR图像去噪.（32页珍藏版）》请在金锄头文库上搜索。
1、基于迭代型非局部均值滤波的SAR图像去斑SAR Image Despeckling Based on Iterative Non-local Means Filter2014年6月15日29摘 要合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar, InSAR）技术因具有全天时、全天候、高精度、大区域等突出优点已成为目前最具潜力的对地观测技术之一，在研究地震形变、火山运动、冰川漂移、城市沉降以及山体滑坡等方面表现出极好的应用前景。SAR影像（单视复数影像）既记录了地面目标的辐射强度信息，也记录了与斜距（雷达天线到地面分辨单元）有关的相位信息，
2、InSAR正是利用这些具有高敏感特性的相位信号来分离和提取出有用信息。InSAR特殊的成像机制导致图像相干斑噪声的产生，使得图像信噪比下降，为特征提取造成困难。因此，对SAR图像去除相干斑噪声是InSAR数据处理中不可缺少的步骤。本文深入研究了SAR图像噪声的产生机理和模型，分析了几种较为经典的空域和频域滤波算法，指出这些传统算法所存在的问题：滤除噪声的同时模糊了图像的边缘纹理信息。针对传统滤波的缺点，基于非局部均值算法思想，提出了迭代型非局部均值滤波算法，充分考虑了SAR图像的噪声模型，修改了原有的权值函数，通过多次迭代来增加相似性的准确度。最后，采用本文算法依次对合成SAR图像和真实SAR
3、图像进行滤波，实验表明，即使是纹理复杂、边缘信息丰富的图像，迭代型非局部均值滤波也能得到非常好的效果。将该算法同Boxcar滤波、精制Lee滤波、IDAN滤波进行比较，噪声抑制方面效果相当，但细节保持方面本文算法更加突出。关键字：SAR图像去斑 非局部均值滤波 斑点噪声 迭代AbstractCurrently, Interferometric Synthetic Aperture Radar (InSAR) has become one of the most potential techniques for earth-observing, owing to its prominent me
4、rits, such as all-time, all-weather, high accuracy and large observation areas, etc. This technique indicates the great prospect in aspects of earthquake deformation, volcanic movement, glacial drift, urban settlement and landslide.SAR images (Single-Look Complex, SLC) record the radiation intensity
5、 information of ground target, as well as phase information related to slant-range (distance between radar antenna and ground resolution cell), InSAR exactly use the phase with a high sensitive feature to separate and extract useful information.The special imaging mechanism of SAR leads speckle nois
6、e, which cause decreasing of signal to noise ratio (SNR) and difficulties in research of target recognition and feature extraction. Therefore, despeckling is an indispensable process during InSAR data processing.This paper deeply studies the mechanism and model of SAR image noise, analyses of severa
7、l classic spacial and frequency domain filtering algorithm, Points out the existing problems in the traditional algorithm, poor detail preserving.A new method, iterative Non-local Means filter, was proposed aiming at the shortcoming of traditional filter. This filter is based on the non-local means
8、algorithm. We take full account of the noise model of SAR image, modify the original weight function, increase the accuracy of similarity by multiple iterations.Finally, we apply this algorithm to smooth the synthetic SAR image and true SAR image. Our experiments show that the iterative non-local me
9、ans filter can obtain great results even with images of complex texture and rich edge information. Compared to Boxcar filter, refined Lee filter and IDAN filter, the iterative non-local means filter is similar in aspect of noise suppression，but better in details preserving.Key words: SAR image despe
10、ckling non-local means filter speckle noise iteration目 录摘 要IAbstractII第一章 绪论11.1 SAR图像去斑研究背景和意义11.2 SAR图像去斑技术发展现状21.3 论文的研究内容及结构安排3第二章 SAR图像去斑的基本原理及算法42.1 SAR图像噪声特征42.1.1 相干斑噪声的产生机理42.1.2 相干斑噪声模型42.2 SAR图像传统去斑方法52.2.1 空域滤波方法52.2.2 频域滤波方法72.3 本章小结8第三章 迭代型非局部均值滤波的SAR图像去斑93.1 非局部均值算法93.2 迭代型非局部均值滤波去斑原理
11、103.3 算法流程13第四章 实验结果及讨论144.1 SAR图像评价指标144.2 合成SAR图像去斑结果及比较144.3 真实SAR图像去斑效果及比较17结 论20参考文献21附 录：程序清单22第一章 绪论由于SAR系统固有的斑点噪声及InSAR受时间和空间失相关等多种因素的干扰，使得SAR图像存在较为严重的相干斑（Speckle）噪声，图像信噪比下降，给目标识别和信息提取造成困难，因此消除或抑制相干斑噪声是SAR数据处理的一项重要内容。1.1 SAR图像去斑研究背景和意义合成孔径雷达干涉 (Interferometric Synthetic aperture radar, InSAR
12、) 是近三十年发展起来的极具潜力的定量微波遥感新技术，它是合成孔径雷达成像技术与电磁波干涉技术融合的结晶1。起初，InSAR主要应用于地表三维重建、制图及地表变化检测，后来很快被扩展为差分雷达干涉技术 (Differential InSAR, DInSAR) 并应用于测量地表微小形变和地球物理模型反演。DInSAR已在研究地震形变、火山运动、冰川漂移、城市沉降以及山体滑坡等方面表现出极好的应用前景。从误差传播的角度来看，DInSAR应用于区域形变测量的精度受到几个不确定因素的影响，这包括轨道数据误差、地形数据误差、干涉失相关 (Decorrelation) 所引起的相位噪声、相位解缠 (Pha
13、se Unwrapping) 误差以及大气延迟误差等。其中，干涉失相关和大气效应是制约DInSAR推广应用的瓶颈问题。 2000年，Ferretti等率先提出了永久散射体雷达干涉技术即PSI (Permanent Scatterers Interferometry) 技术，其核心思想是：使用在某一时间段内对同一地区所获取的多幅SAR影像 (即SAR影像时间序列) ，并采用统计分析方法探测出成像区域内时间相关性较高的目标 (即永久散射体) ，基于这些永久散射体 (Permanent Scatterers, PS) 目标的相位时间序列进行建模与分析，从而分离形变与大气延迟信息。与DInSAR相比，
14、PSI具有明显的技术优势，很大程度上解决了大气效应的问题，能够得到较为可靠的形变测量结果。由于PSI将干涉相位分析与处理焦点完全集中在某些具有稳定散射特性的像元点集上，而城市拥有众多能够在长时间序列上保持较高相位稳定性的地物，例如建筑物、混凝土堤坝、岩石和人造角反射器等，所以PSI非常适合监测城市区域缓慢累积的地表形变，但不适用于瞬间发生的地表位移。同时，非城市区域的PS点密度太小成为了PSI技术的关键制约因素，为此，应将分布式散射体（Distributed Scatterers, DS）加入干涉相位的处理过程中2。2011年，Ferretti等提出了一种新的多基线干涉SAR处理算法Squee
15、SAR，通过考虑PS及DS目标的不同统计行为特性并对其进行联合处理，获取地表形变参数反演3。算法首先定义目标的分布函数，使用KS检验（Kolmogorov-Smirnov Test）方法计算并选择合适的DS目标；然后联合所有数据估计DS目标的干涉相位；最后采用传统PS-InSAR算法联合PS及DS目标进行处理并求解地形及形变参数。该算法的优点是既可以对PS及DS目标进行联合处理，而不需要对传统PS-InSAR处理流程进行重大改变，同时也提高了地面信息的监测密度，可有效应用于非城市区域。无论是InSAR、DInSAR，还是新兴的PS-InSAR、SqueeSAR，都离不开数字图像处理技术。相比于光学图像，SAR图像能够以更高的分辨率提供详细的地面测绘数据，含有相位、幅度和极化等多种有用信息，同时突破了光学遥感易受天气等外界条件影响的局限，可全天候工作。由于SAR发射相干电磁波，因此各理想点目标回波是相互干涉的。相干电磁波照射实际目标时，其散射回来的总回波并不完全由地物目标的散射系数决定，而是围绕这些散射系数值有很大的随机起伏，这种起伏在图像上的反映就是相干斑噪声，也就是说，这种起伏将会使具有均匀散射系数目标的SAR图像并不具有均匀灰度，而会出现许多的斑点。相干斑噪声的存在使图像的信噪比下降，严重时使图像模糊，甚至图像特征消失，影响了
