一种结合极化分解向量统计分布的极化SAR图像滤波方法技术

本发明专利技术公开了一种结合极化分解向量统计分布的极化SAR图像滤波方法，通过对输入的极化SAR图像数据进行极化目标分解，得到散射向量；对输入的极化SAR数据利用非局部方法，得到每一个像素点和其搜索窗内的其他像素点的权值；根据极化SAR数据的极化分解向量的分布特性，求得极化相似性的度量公式及阈值，对于每个像素点的搜索窗内的像素点进行相似性度量，找到每一个像素点的相似集合，对权值公式进行修改；利用最终的权值公式对每一个像素点进行滤波，得到滤波后的极化SAR图像数据；本发明专利技术解决了滤波方法不能很好保持图像细节信息和散射特性的问题，使得在对极化SAR图像进行相干斑抑制的同时也能很好的保持图像的细节和散射特性。

【技术实现步骤摘要】

本专利技术属于图像处理
，可以用于极化SAR图像的相干斑抑制。具体是一种结合极化分解向量统计分布的极化SAR图像滤波方法。
技术介绍
极化合成孔径雷达(Pol-SAR)是在SAR的基础上发展来的，它获得的目标信息更为丰富，在军事和民事领域都得到了广泛的应用。但是，极化SAR图像中存在相干斑噪声，这给后续的图像解译和分析带来了困难，所以，首先就是要对极化SAR图像进行降斑处理。目前，有很多的极化SAR降斑方法，具有代表性的有极化白化滤波(PWF)，极化精致Lee滤波等方法，这些方法虽然对极化SAR图像有一定的降斑效果，但是在边缘，线条等领域丢失了很多细节，使得图像变得模糊不清。最近几年有很多学者将非局部的思想引入到极化SAR降斑中，提出了很多的方法，如杨健等人提出的极化SAR的非局部均值滤波------Pretest方法，该方法是利用图像的相似块计算权值，该方法很好的利用了图像的结构信息，对图像也有一定的降斑效果，但是经降斑后的图像丢失了很多的小细节，如目标点，细线条等，边缘处了也出现了模糊现象。
技术实现思路
本专利技术的目的是针对以上问题，提出一种结合极化分解向量统计分布的极化SAR图像滤波方法，主要解决现有的滤波算法在对图像滤波时不能很好的保持图像的细节信息和散射特性的问题。本专利技术的技术方案是，一种结合极化分解向量统计分布的极化SAR图像滤波方法，包括如下步骤：步骤一：输入极化SAR数据的相干矩阵T；步骤二：对相干矩阵T进行混合四分量分解，即HPD分解，每一个像素点分成四种散射类型，即：表面散射ps，偶次散射pd，体散射pv和螺旋散射ph，每一个像素点的散射特性用一个3×1向量表示，则像素点i的散射特性为：veci＝[psi,pdi,pvi+phi]；步骤三：利用非局部技术，求得每一个像素点i和其邻域内其他像素点j的权值w(i,j)；步骤四：根据极化SAR数据的极化分解向量的分布特性，求得极化相似性的度量公式及阈值，进而找到每一个像素点i在其邻域窗内相似性像素点，对权值进行修改，得到最终的权值公式；步骤五：利用最终的权值公式对每一个像素点进行估计，得到整个极化SAR图像滤波后的相干矩阵步骤六：利用Pauli分解方法将滤波后的相干矩阵合成伪彩图。上述步骤二包括如下步骤：201：将相干矩阵T进行去定向处理，得到去定向后的相干矩阵T0，T0=T110T120T130T210T220T230T310T320T330;]]>202：根据相干矩阵T0可以得到HPD分解向量vec，vec=[ps,pd,pv+ph]=[T110,T220,pv+ph];]]>203：求解pv和ph，当T330<T110+T220±2·Re(T120)]]>时：pv=15/4(T330-|Im(T230)|)|r|>24·(T330-|Im(T230)|)|r|≤2ph=2·|Im(T230)|]]>其中，Re(·)和Im(·)分别表示复数的实部和虚部，r的定义为：r=10×log(T110+T220-2·Re(T120)T110+T220+2·Re(T120))]]>当T330≥T110+T220±2·Re(T120)]]>或者Pv＜0时：pv=4·T330ph=0;]]>204：结束目标分解算法，每个像素点i分解成一个3×1散射向量，标记为veci＝[psi,pdi,pvi+phi]。上述步骤201包括如下步骤：301：使用Huynen参数估计出每个像素点的定向角θ；302：利用公式T0=1000cos2θsin2θ0-sin2θcos2θT1000cos2θ-sin2θ0sin2θcos2θ,]]>得到去定向角后的相干矩阵T0。上述步骤三包括如下步骤：401：图像块I表示以像素点i为中心扩展出7×7的图像块，将以像素点i为中心的15×15的搜索窗Ω内的每个像素点j1,j2,...,jN为中心扩展出各自的7×7的图像块，分别标记为图像块J1,J2,...,JN，N为搜索窗内的像素点数，为225；402：计算出图像块I和图像块Jn之间的相似性度量矩阵其中n＝1,2,...,N，即为像素点i和像素点jn之间的相似性度量矩阵，HI,Jn=6M·L·ln(2)+L·Σk=1M(ln|Ik|+ln|Jkn|-2ln|Ik+Jkn|)]]>其中，M为图像块内像素点的个数，为49，L为图像的视数，|Ik|为图像块I的第k个像素点矩阵的行列式值，为图像块Jn的第k个像素点矩阵的行列式值；403：根据相似矩阵，计算出权值函数w(i,jn)，w(i,jn)=1Ziexp(-H(i,jn)Ht),H(i,jn)>Ht0,H(i,jn)≤Ht]]>其中，Ht为阈值，K为一个可调参数，取20，L为图像视数，M为图像块内像素点的个数，Zi为归一化权值，Zi＝∑j∈s(i)w(i,j)，s(i)表示像素点i所在搜索区域。上述步骤四包括如下步骤：501：像素点i的散射特性向量标记为veci＝[psi,pdi,pvi+phi]，搜索窗Ω内的每个像素点j1,j2,...,jN的散射向量标记为其中n＝1，2，…，N，计算出像素点i和像素点jn在三个分量上的差值的绝对值，将其作为相似性参数：th3=|(pvjn+phjn)-(pvi+phi)|;]]>502：将501得到的两个像素点的三个差值的绝对值分别和阈值进行比较，如果则像素点jn对于像素点i的最终权值W(i,jn)＝w(i,jn)；否则，像素点jn就不是像素点i的相似点，像素点jn不参与像素点i的估计，即W(i,jn)＝0，得到最终的权值公式；其中，三个分量上差值的绝对值的阈值是由模拟极化SAR数据统计得到的，相似点的三个分量上的差值服从的分布近似为正态分布，通过大量数据得到三个分量上差值的标准差，由正态分布的性质知P(μ-2δ＜x≤μ+2δ)＝0.954，将阈值设为两倍的标准差，得到各个分量上差值绝对值的阈值为：TH1＝2*(0.992L-0.4994·psi+0.3本文档来自技高网...

【技术保护点】
一种结合极化分解向量统计分布的极化SAR图像滤波方法，其特征在于，包括如下步骤：步骤一：输入极化SAR数据的相干矩阵T；步骤二：对相干矩阵T进行混合四分量分解，即HPD分解，每一个像素点分成四种散射类型，即：表面散射ps，偶次散射pd，体散射pv和螺旋散射ph，每一个像素点的散射特性用一个3×1向量表示，则像素点i的散射特性为：veci＝[psi,pdi,pvi+phi]；步骤三：利用非局部技术，求得每一个像素点i和其邻域内其他像素点j的权值w(i,j)；步骤四：根据极化SAR数据的极化分解向量的分布特性，求得极化相似性的度量公式及阈值，进而找到每一个像素点i在其邻域窗内的相似像素点，对权值进行修改，得到最终的权值公式；步骤五：利用最终的权值公式对每一个像素点进行估计，得到整个极化SAR图像滤波后的相干矩阵步骤六：利用Pauli分解方法将滤波后的相干矩阵合成伪彩图。

【技术特征摘要】
1.一种结合极化分解向量统计分布的极化SAR图像滤波方法，其特征在于，
包括如下步骤：
步骤一：输入极化SAR数据的相干矩阵T；
步骤二：对相干矩阵T进行混合四分量分解，即HPD分解，每一个像素点分成
四种散射类型，即：表面散射ps，偶次散射pd，体散射pv和螺旋散射ph，每一个
像素点的散射特性用一个3×1向量表示，则像素点i的散射特性为：
veci＝[psi,pdi,pvi+phi]；
步骤三：利用非局部技术，求得每一个像素点i和其邻域内其他像素点j的权值
w(i,j)；
步骤四：根据极化SAR数据的极化分解向量的分布特性，求得极化相似性的度
量公式及阈值，进而找到每一个像素点i在其邻域窗内的相似像素点，对权值进行修
改，得到最终的权值公式；
步骤五：利用最终的权值公式对每一个像素点进行估计，得到整个极化SAR图
像滤波后的相干矩阵步骤六：利用Pauli分解方法将滤波后的相干矩阵合成伪彩图。
2.根据权利要求1所述的一种结合极化分解向量统计分布的极化SAR图像滤
波方法，其特征在于，所述步骤二包括如下步骤：
201：将相干矩阵T进行去定向处理，得到去定向后的相干矩阵T0，
T0=T110T120T130T210T220T230T310T320T330;]]>202：根据相干矩阵T0可以得到HPD分解向量vec，
vec=[ps,pd,pv+ph]=[T110,T220,pv+ph];]]>203：求解pv和ph，
当T330<T110+T220±2·Re(T120)]]>时：
pv=15/4(T330-|Im(T230)|)4·(T330-|Im(T230)|)|r|>2|r|≤2ph=2·|Im(T230)|]]>其中，Re(·)和Im(·)分别表示复数的实部和虚部，r的定义为：
r=10×log(T110+T220-2·Re(T120)T110+T220+2·Re(T120))]]>当T330≥T110+T220±2·Re(T120)]]>或者Pv＜0时：
pv=4·T330ph=0;]]>204：结束目标分解算法，每个像素点i分解成一个3×1散射向量，标记为
veci＝[psi,pdi,pvi+phi]。
3.根据权利要求2所述的一种结合极化分解向量统计分布的极化SAR图像滤
波方法，其特征在于，所述步骤201包括如下步骤：
301：使用Huynen参数估计出每个像素点的定向角θ；
302：利用公式T0=1000cos2θsin2θ0-sin2θcos2θT1000cos2θ-sin2θ0sin2θcos2θ,]]>得到去定向角后的相
干矩阵T0。
4.根据权利...

【专利技术属性】
技术研发人员：钟桦，焦李成，张丽芳，寇杏子，侯彪，缑水平，熊涛，
申请(专利权)人：西安电子科技大学，西安航天天绘数据技术有限公司，
类型：发明
国别省市：陕西;61