《sar图像斑点噪声抑制方法与应用研究-read》由会员分享，可在线阅读，更多相关《sar图像斑点噪声抑制方法与应用研究-read（11页珍藏版）》请在金锄头文库上搜索。
1、SAR图像斑点噪声抑制方法与应用研究杨红磊1彭军还1（1中国地质大学（北京）土地科学技术学院，北京 100083）摘 要合成孔径雷达图像固有的相干斑噪声严重降低了图像的可解译程度,影响了后续目标检测、分类和识别等应用。一个理想的去斑算法应该在平滑的同时保持图像的边缘等细节不受损失,目前存在各种各样的算法,但没有一种方法能够完美的满足这一要求。本文对SAR图像的相干斑抑制问题进行了全面系统的研究,总结了目前存在的相干斑抑制算法的主要思路,介绍了具有代表性的算法,给出了去斑算法定量评估方法。关键词:SAR;斑点噪声;小波变换Research on Method and Application of
2、 Speckle NoiseReduction of SAR ImageYANG Hong-lei1 PENG Jun-huan1(1School of Land Science and Technology, China University of Geosciences,Beijing 100083)AbstractSpeckle, appearing in synthetic aperture radar (SAR) images as granular noise, is generated by the coherent processing of radar signals. It
3、 severely affects the image qualities. To alleviate deleterious effects of speckle, various wayshave been devised to suppression it. An ideal algorithm should smooth the speckle without blurring edges and fine detail.But most algorithms cannot satisfy these two demands very good. This paper investig
4、ates the problem of speckle suppressioncomprehensively and thoroughly. It describes the general approaches of speckle reduction filtering, discusses several well-known speckle reduction filter, compares the algorithms qualitatively. To compare speckle smoothing algorithm quantitatively, a set of per
5、formance criteria is established.Keyword: SAR; speckle noise; wavelet transform1 引言合成孔径雷达是一种主动的微波成像遥感雷达，由于它具有全天候、全天时、大面积、远距离获取实时高分辨率图像数据的能力，已成为空间对地观测系统的主要探测手段和技术，在军事和民用领域里得到了广泛的应用1。SAR图像是地物目标散射信号经相干处理后得到的，对于分布目标，可能存在着大量的斑点噪声，这对后续工作如边缘检测、图像分割、地物分类、目标检测与识别等造成一定的影响。所以，抑制斑点噪声，重构图像的雷达截面积RCS(Radar Cross S
6、ection)2，是对SAR图像进行解译和应用的基础工作。目前斑点噪声的抑制技术主要可以分为2大类，即成像之前的多视处理技术和成像后的滤波技术.前者用多视平均的方法，以空间分辨率降低N倍为代价提高N/2倍的信噪比；后者可分为空间滤波技术和频域滤波技术2个分支，空间滤波技术通常采用统计学方法利用局部统计信息估计去除斑点噪声后的数据；频域方法主要利用小波变换域滤波，处理方法是将图像进行小波变换，对变换后的小波系数进行门限化处理，然后进行小波逆变换得到去噪图像。本文分析比较了抑制SAR图像斑点噪声的几种经典算法，并用实验数据验证了不同滤波算法对斑点噪声的抑制效果。2 斑点噪声的数学表达在1976年A
7、rsenault和April就证明相干斑噪声是乘性独立同分布的，可表示为3： （1）其中，表示观测值，表示理想的、不受噪声影响的图像，表示相干斑噪声。从式（1）可以看出，去斑就是从受斑块噪声影响的观测值中忠实恢复理想图像。3 斑点噪声滤波方法分析3.1 Lee滤波方法及其增强算法Lee滤波器基于完全发育的斑点乘性噪声模型，假定先验均值和方差可由局域的均值和方差得到。Lee滤波器（Lee，1983）可表示为4： (2)其中，是去斑后的图像值，即式(1)中的的估计值，是去斑窗口均值，是权重函数： （3）和分别是斑块和图像的标准差系数： (4)其中，、分别是斑块的标准差和均值，是图像的标准差。Lee
8、滤波器是假设斑点噪声是乘性的且完全发育，但在图像中不少区域里斑点噪声是不完全发育的，当场景中由于分辨单元相当或更小的细节时，例如边缘和纹理很强的区域，则斑点噪声不再是乘性的，这时滤波器也不再可靠。针对滤波器的这一特点等提出增强型滤波算法，其数学表达式5： （5）的确定，可认为的区域是均匀区域，因此取；为变化系数的阀值，通过这个阀值来判断滤波窗口所处的区域的类型，一般取，为图像的视数。3.2 Frost滤波方法及其增强算法Frost滤波器是通过观测图像与SAR系统的冲击响应的卷积来估计场景的真实回波，在假定斑点噪声是乘性噪声的条件下，假设SAR图像是平稳过程，依据最小均方误差准则进行滤波处理，滤
9、波参数由局部方差系数决定。Frost自适应滤波数学表达式为7： （6）为平滑处理后的象素灰度值；为平滑窗口中各象素的原始灰度值；为平滑窗口中各个对应象素的权重指数；为平滑窗口内中心象素到其相邻象素的绝对距离；是指数衰减值；为平滑窗口中象素值的方差；为平滑窗口内象素值的均值平方；为平滑窗口的大小。增强滤波基本原理与滤波算法相同，但在权重值的计算上有一些改进5： （7）3.3 Kuan滤波器Kuan滤波器首先将乘性噪声模型式(1)改写为与信号相关的加性噪声模型，然后再利用MMSE估计模型参数。滤波公式与Lee滤波器具有相同的形式，但具有不同的权重6： （8）3.4 Gamma MAP滤波器基于乘性
10、噪声模型，假定地面后向散射系数呈高斯分布，Kuan等人提出最大后验概率算法(MAP-maximum a posteriori probability)，在此基础上，Lopes等人用更符合实际情况的分布模型取代高斯分布，即假设地面目标雷达散射特性和相干斑都服从分布(因此又称GammaMAP滤波算法)。GammaMAP滤波器为8： （9）式中，异质参数，是等效视数。3.5 小波变换滤波一般来说，空间滤波方法只能在空间域对图像噪声进行统计分析，再根据某种算法来达到滤除斑点噪声的目的；小波滤波则可以对遥感图像先进行时域与频率域的分解，并针对各小波分解图像的噪声特点而设计有针对性的滤波算法，这种方法滤波
11、效果好且可以最大限度的保留图像中的细节信息9。本文根据雷达图像的乘性噪声模型与小波滤波一般针对加性噪声的特点，采用如下滤波方法:先对图像进行对数变换，使乘性噪声变为加性噪声;再对雷达图像进行一级小波变换，变换后的低频子图像(LL)噪声主要为高斯白噪声，水平高频分量(LH)与垂直高频分量(HL)噪声主要为椒盐噪声与高斯噪声并存，对角线高频分量(HH)噪声主要为随机分布的椒盐噪声;然后针对各小波分解子图像的噪声特点，将低频子图像(LL)进行Wiener中值滤波，高频子图像HL和LH进行均值滤波，HH进行中值滤波，得到各滤波子图像;最后通过小波逆变换与指数变换来重构滤波后图像。4 实验结果和算法应用
12、分析SAR图像数据来源于Envisat，选取的图像区域为村庄、河流和农田。对观测数据分别用了Lee滤波、增强Lee滤波、Frost滤波、增强Frost滤波、Kuan滤波、Gamma MAP滤波以及小波变换滤波，并将各种算法处理结果进行比较和分析。图1为各种滤波结果。Lee滤波原始SAR图像Frost滤波增强Lee滤波增强Frost滤波Kuan滤波小波变换滤波Gamma MAP滤波图1SAR图像滤波结果F图像的边缘、细小特征、点目标和纹理特征的保持主要通过目视检验来评价。图像滤波效果的比较主要采用均值、标准差、等效视数和边缘保持指数4,10。均值反映图像的平均灰度，即所含目标的平均后向散射系数。
13、标准差的大小表示图像信息量的多少。等效视数是衡量一幅图像相干斑点噪声相对强度的指标，反映滤波器的斑点抑制能力，等效视数越大，表现图像上的相干斑越弱，其解译性越好，其定义如下： （10）式(10)中，是所有像元的均值，是标准差。边缘保持指数表示处理后滤波器对边界的保持能力，分为水平边缘保持指数和垂直边缘保持指数。边缘保持指数值愈高，边缘保持能力愈好，其公式为：（11）其中，m表示图像像元的个数，和表示沿滤波后图像边缘交接处左右或上下互邻像元的灰度值，和表示沿原始图像边缘交接处左右或上下互邻像元的灰度值。滤波窗采用的大小，实验指标如表1所示。表1斑点噪声滤波方法比较滤TF均值标准差ENLESI原始
14、SAR图像134.343422.44212.89861Lee滤波146.123217.59615.41470.7084增强Lee滤波151.544513.81925.83870.27567Frost滤波148.809013.847610.34760.2864增强Frost滤波148.977213.845610.44160.2877Kuan滤波150.459616.34037.55820.5607Gamma MAP滤波149.0088915.34989.28250.3689小波变换滤波146.402312.812913.17810.3903从图1和表1可以看出，经各种算法滤波后，小波变换滤波和L
15、ee滤波的均值比较接近原始图像的均值，表明保持原始图像的灰度强度，有利于图像的后续处理和解释；小波变换滤波的标准差最小，说明其滤波能力最强；ENL值均高于原始图像，小波变换滤波所得的图像ENL值最大，表明图像上的相干斑越弱，可解译性越好。Lee滤波的边缘保持指数最大，意味着边缘保持能力愈强，便于图像几何校正点的选择以及边缘提取。通过对以上滤波算法的分析，发现没有一种十全十美的理想滤波器，既能平滑斑点噪声又能保持良好的边缘和细节信息。各种算法均有其优缺点，在实际工程应用中，还要考虑各种算法的可靠性和速度的快慢。既然斑点噪声是SAR图像固有的缺陷，那么只能尽量抑制，并尽量地减少对有用的细节信息和边缘造成损失。所以，在进行SAR成像和SAR图像处理时，应针对具体应用目的而选择相应的滤波算法。5 结束语SAR图像的斑点噪声是由于采用相干微波源进行照射，一个分辨单元内众多散射体散射的电磁波产生相干叠加，引起幅度的增加和衰减而形成的。相干斑噪声严重地影响了图像质量，使解译者难以识别出不同层次的图案，降低了图像的判读性和应用。本文
