基于聚类的极化SAR图像相干斑自适应滤波方法技术

本发明专利技术属于全极化SAR成像遥感技术领域，涉及一种基于聚类的极化SAR图像相干斑自适应滤波方法，具体步骤：(S1)输入待滤波的极化SAR图像，由极化SAR图像的极化相干矩阵计算相似度参数；(S2)根据相似度参数，计算相似度参数的距离测度；(S3)计算原始聚类特征参数；(S4)对原始聚类特征参数序列进行降序排列；(S5)确定聚类类别数目和聚类中心；(S6)根据聚类中心，进行聚类处理，得到聚类类别参数序列；(S7)选取候选样本像素集，并对待滤波像素进行滤波处理，遍历极化SAR图像中的每一个像素，得到极化SAR相干斑滤波结果图。本发明专利技术实现简单，对不同地物具有很好的鲁棒性，可对不同波段和不同分辨率的极化SAR图像进行处理。

【技术实现步骤摘要】

本专利技术属于全极化SAR(SyntheticApertureRadar，合成孔径雷达)成像遥感
，涉及一种基于聚类的极化SAR图像相干斑自适应滤波方法。
技术介绍
相干斑现象广泛存在于极化SAR等相干成像系统所获得的图像中。相干斑的存在给极化SAR图像理解和解译带来了困难和挑战。在进行诸如目标检测、分类和识别等处理时，通常需要对极化SAR图像进行相干斑滤波预处理。性能优良的相干斑滤波方法要求在充分抑制相干斑的同时很好地保护地物细节。作为极化SAR图像预处理，相干斑滤波性能直接影响后续各种处理和应用的效果。因此，发展具有高精度的极化SAR相干斑自适应滤波方法具有重要意义。相干斑滤波主要包含两个步骤：一是相似候选样本像素的选取，二是无偏估计器的构建。其中，相似候选样本像素的选取是决定相干斑滤波性能的关键，成为该领域的研究重点。当前，极化SAR图像中相似候选样本像素的选取主要基于各极化通道的能量信息，较少利用各极化通道的相关信息和完整的极化矩阵信息，相似候选样本像素选取的适应性和准确性有待提高。文献Si-WeiChen,Xue-SongWangandMotoyukiSato,“PolInSARcomplexcoherenceestimationbasedoncovariancematrixsimilaritytest,”IEEETransactionsonGeoscienceandRemoteSensing,vol.50,no.11,pp.4699–4710,Nov.2012提出了一种基于极化矩阵相似性检验的相似候选样本像素选取方法，获得了更好的相干斑滤波性能。该方法利用了全极化信息，通过预设一个全局门限和门限判断来选取邻域内与待滤波像素相似的候选样本集。然而，全局门限并不能始终适应极化SAR图像中的各种纹理特征，相似候选样本像素选取的适应性和准确性仍有待提高。如何根据极化SAR图像局部纹理特征自适应地选取门限参数，是当前面临的技术挑战。因此，发展一种利用全极化信息的极化SAR图像自适应相干斑滤波方法具有重要意义。
技术实现思路
本专利技术要解决的技术问题是，提供一种基于聚类的极化SAR图像相干斑自适应滤波方法，本方法能够准确和自适应地选取候选样本像素集，实现对极化SAR图像的自适应相干斑滤波。本专利技术的基本思路是：基于极化SAR图像极化矩阵相似性检验的相似度参数能够很好地衡量不同像素之间的相似程度。根据像素之间的相似程度，通过聚类处理则可自适应地确定具有不同纹理特征的邻域内各像素的类别，进而选取与待滤波像素类别相同的像素为候选样本集，实现极化SAR图像相干斑自适应滤波。具体而言，本专利技术通过计算待滤波像素邻域内两两像素之间的相似度参数，并构建相似度参数的距离测度。在此基础上，通过构建聚类特征参数，自适应确定聚类类别数目实现邻域内像素的聚类处理，并准确选取候选样本像素集，实现对极化SAR图像的自适应相干斑滤波。具体技术方案如下：一种基于聚类的极化SAR图像相干斑自适应滤波方法，具体包括以下步骤：(S1)输入待滤波的极化SAR图像，由极化SAR图像的极化相干矩阵计算相似度参数；(S2)根据相似度参数，计算相似度参数的距离测度；(S3)计算原始聚类特征参数；(S4)对原始聚类特征参数序列进行降序排列；(S5)确定聚类类别数目和聚类中心；(S6)根据聚类中心，进行聚类处理，得到聚类类别参数序列；(S7)选取候选样本像素集，并对待滤波像素进行滤波处理，遍历极化SAR图像中的每一个像素，得到极化SAR相干斑滤波结果图。具体地，所述步骤(S1)中计算相似度参数具体为：极化SAR图像中的每一个像素(i，j)对应一个极化相干矩阵，记为Tij,i＝1,2,…,I,j＝1,2,…,J，极化SAR图像的大小为I×J，I,J分别表示图像的行、列像素点总数，取整数，对每一个待滤波像素对应的极化相干矩阵Tij，记以Tij为中心的邻域N×M内每一个极化相干矩阵Tnm，n＝1,2,…,N，m＝1,2,…,M，N、M分别表示邻域的行、列像素点总数，N、M为奇数，计算Tij和Tnm的相似度参数lnQij-nm：lnQij-nm＝6ln2+ln[Det(Tij)]+ln[Det(Tnm)]-2ln[Det(Tij+Tnm)]当Tij＝Tnm时，lnQij-nm＝0；当Tij≠Tnm时，lnQij-nm＜0。Det(·)表示取矩阵的行列式。符号ln表示自然对数。遍历邻域N×M内的每一个极化相干矩阵Tnm，得到相似度参数矩阵lnQij-NM。具体地，所述步骤(S2)计算相似度参数的距离测度具体为：将邻域N×M内的相似度参数矩阵lnQij-NM按列展开，构建相似度参数向量lnQij-P，P＝N×M，计算相似度参数向量lnQij-P内两两元素之间的距离测度Dxy：Dxy＝|lnQij-x-lnQij-y|其中，x，y表示邻域内的像素，x＝1,2,…,P，y＝1,2,…,P；|·|为取绝对值。具体地，所述步骤(S3)计算聚类参数具体过程为：对邻域N×M内的每一个像素x，x＝1,2,…,P，计算该像素的局部密度参数ρx：其中，dc为截断距离，y＝1,2,…,P，P＝N×M，Dxy为距离测度，e为自然指数。计算邻域N×M内的每一个像素x与邻域N×M内局部密度大于ρx的像素的最小距离，即：δx＝min(Dxy)，其中ρx＜ρyρy表示像素y的局部密度参数，min(·)表示求最小值；同时，记录满足δx＝min(Dxy)的ρy的下标为即邻域N×M内像素是所有局部密度大于ρx的像素中与像素x距离最小的像素，即：计算邻域N×M内每一个像素x的聚类特征参数ηx：ηx＝ρx×δx遍历邻域N×M内的每一个像素，得到原始聚类特征参数序列ηP，即ηP＝{ηx本文档来自技高网...

【技术保护点】
一种基于聚类的极化SAR图像相干斑自适应滤波方法，其特征在于，具体包括以下步骤：(S1)输入待滤波的极化SAR图像，由极化SAR图像的极化相干矩阵计算相似度参数；(S2)根据相似度参数，计算相似度参数的距离测度；(S3)计算原始聚类特征参数；(S4)对原始聚类特征参数序列进行降序排列；(S5)确定聚类类别数目和聚类中心；(S6)根据聚类中心，进行聚类处理，得到聚类类别参数序列；(S7)选取候选样本像素集，并对待滤波像素进行滤波处理，遍历极化SAR图像中的每一个像素，得到极化SAR相干斑滤波结果图。

【技术特征摘要】
1.一种基于聚类的极化SAR图像相干斑自适应滤波方法，其特征在于，具体包括以下步骤：(S1)输入待滤波的极化SAR图像，由极化SAR图像的极化相干矩阵计算相似度参数；(S2)根据相似度参数，计算相似度参数的距离测度；(S3)计算原始聚类特征参数；(S4)对原始聚类特征参数序列进行降序排列；(S5)确定聚类类别数目和聚类中心；(S6)根据聚类中心，进行聚类处理，得到聚类类别参数序列；(S7)选取候选样本像素集，并对待滤波像素进行滤波处理，遍历极化SAR图像中的每一个像素，得到极化SAR相干斑滤波结果图。2.如权利要求1所述的一种基于聚类的极化SAR图像相干斑自适应滤波方法，其特征在于，所述步骤(S1)中计算相似度参数具体为：极化SAR图像中的每一个像素对应一个极化相干矩阵，记为Tij,i＝1,2,…,I,j＝1,2,…,J，极化SAR图像的大小为I×J，I,J为整数，对每一个待滤波像素对应的极化相干矩阵Tij，记以Tij为中心的邻域N×M内每一个极化相干矩阵Tnm，n＝1,2,…,N，m＝1,2,…,M，N、M为奇数，计算Tij和Tnm的相似度参数lnQij-nm：lnQij-nm＝6ln2+ln[Det(Tij)]+ln[Det(Tnm)]-2ln[Det(Tij+Tnm)]其中，Det(·)表示取矩阵的行列式；遍历邻域N×M内的每一个极化相干矩阵Tnm...

【专利技术属性】
技术研发人员：陈思伟，李永祯，陶臣嵩，王雪松，
申请(专利权)人：中国人民解放军国防科学技术大学，
类型：发明
国别省市：湖南;43