超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法技术

本发明专利技术公开一种超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法，包括以下步骤：分区步骤，采用复广义高斯分布对超高分辨率合成孔径雷达图像进行拟合，获取拟合区域的形状因子，将所述超高分辨率合成孔径雷达图像分为亚高斯区域和高斯区域；以及去噪步骤，针对所述亚高斯区域采用加性噪声滤波器，针对所述高斯区域采用乘性噪声滤波器，实现对超高分辨率合成孔径雷达图像的自适应噪声去除。本发明专利技术能够自适应地对结构性细节和分布式面状地物分开滤波，达到实现足够的平滑的同时良好保持影像细节的目的。

【技术实现步骤摘要】
超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法
本专利技术涉及合成孔径雷达图像处理领域，具体涉及一种超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法。
技术介绍
合成孔径雷达(SAR)作为一种有源微波遥感技术，具有全天候、全天时的工作能力。它可以在不同频段和不同极化下得到目标的较高分辨率图像，在军事应用和国民经济的各个领域中表现出巨大的潜力和应用前景。斑点噪声的存在使得合成孔径雷达的遥感图像不能正确地反映地物目标的散射特性，不仅增加了使用者判读的复杂性，而且容易造成误判，降低了SAR对目标探测、分析和解释能力；也大大地增加了SAR图像定量化应用的难度。另一方面，随着SAR图像应用的不断拓展，对其空间、辐射分辨率要求不断提高，对斑点噪声的抑制水平要求也越来越高。有效地抑制或消除SAR图像斑点噪声是提高雷达图像质量、使SAR图像数据得到成功应用的基础。SAR图像的斑点滤波器已经发展了三十多年。诸多方法被提出，包括传统的自适应滤波如增强Lee滤波、Kuan滤波等，基于小波变换的多分辨率滤波，基于压缩感知的字典学习滤波，非局部均值滤波等，但仅有一些使用简单却性能有限的方法被广泛采用。当涉及到具有分米级或厘米级分辨率的超高分辨率合成空间雷达图像时，传统的斑噪模型如乘积模型等假设受到挑战，因为它们不能解释所观察到的脉冲非高斯散射。受到上述影响，现有斑点噪声滤波器难以取得满意效果，当采用小窗口尺寸时，斑点难以除尽，严重影响后续分割、分类效果；而大窗口尺寸将导致图像细节的严重损失，使高分辨率的优势化为虚有。
技术实现思路
为了解决上述问题，本专利技术公开一种超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法，包括以下步骤：分区步骤，采用复广义高斯分布对超高分辨率合成孔径雷达图像进行拟合，获取拟合区域的形状因子，将所述超高分辨率合成孔径雷达图像分为亚高斯区域和高斯区域；以及去噪步骤，针对所述亚高斯区域采用加性噪声滤波器，针对所述高斯区域采用乘性噪声滤波器，实现对超高分辨率合成孔径雷达图像的自适应噪声去除。采用该构建方法可构建多种具有足够平滑和细节保持能力的超高分辨率SAR斑点噪声去除混合滤波器。优选为，所述亚高斯区域对应结构性区域，所述高斯区域对应分布式地物。优选为，所述复广义高斯分布的概率密度分布函数表示为其中，μ表示均值，β表示形状因子，Γ()表示伽马函数，C表示协方差矩阵定义为其中，H表示哈密顿转置，zr和zi分别代表复数z的实部和虚部。优选为，区分所述亚高斯区域和所述高斯区域的阈值为，当形状因子β≥1时表示高斯分布，当形状因子β<1时表示亚高斯区域。优选为，采用最大似然法来获取待测数据的形状因子。优选为，所述最大似然法获取形状因子具体包括以下步骤：通过以下公式获取初始形状因子接着通过一个递归的操作对形状因子进行更新L是(1)中概率密度函数的对数值，当β<1，通过固定点方法更新CC＝(2β·Γ(2/β)/2Γ(1/β)/N)∑(zHC-1z)β-1zzH(5)并继续更新β。优选为，所述加性噪声滤波器采用增强Lee滤波器，所述乘性噪声滤波器采用高斯低通滤波器。优选为，所述增强Lee滤波器滤波方法具体表示如下w(t)＝exp(-K(CI-Cu)/(Cmax-CI))(7)Cu＝0.523(8)其中，F(t)代表位置t处的滤波结果，A(t)代表原始的影像强度或幅度，代表划窗中的强度或幅度均值，K代表阻尼系数，CI代变异系数。优选为，高斯低通滤波器以二维高斯函数作为核函数其中，x和y代表像素位置，σ代表标准差。上述加性噪声滤波器和乘性噪声滤波器仅为采用本专利技术构建混合斑噪滤波器的一个例子，任何类似的滤波器都可以应用，并构建新的滤波器。本专利技术能够自适应地对结构性细节和分布式面状地物分开滤波，达到有效滤除斑噪同时良好保持影像细节的目的。附图说明图1是超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法的流程图。图2是典型场景1的原始影像及五种滤波方法的结果比较：(a)原始SAR影像，(b)ELF结果，(c)WF结果，(d)CSF结果，(e)NLMF结果，(f)CGGDF结果。图3是典型场景2的原始影像及五种滤波方法的结果比较：(a)原始SAR影像，(b)ELF结果，(c)WF结果，(d)CSF结果，(e)NLMF结果，(f)CGGDF结果。图4是典型场景3的原始影像及五种滤波方法的结果比较：(a)原始SAR影像，(b)ELF结果，(c)WF结果，(d)CSF结果，(e)NLMF结果，(f)CGGDF结果。图5是均匀场景五种滤波方法的结果比较：(a)ELF结果(b)WF结果，(c)CSF结果，(d)NLMF结果，(e)CGGDF结果。图6A～图6F是场景1的SIFT同名点匹配结果比较，其中，图6A是原始SAR影像结果，图6B是ELF结果，图6C是WF结果，图6D是CSF结果，图6E是NLMF结果，图6F是CGGDF结果。图7A～图7F是场景2的SIFT同名点匹配结果比较：其中，图7A是原始SAR影像结果，图7B是ELF结果，图7C是WF结果，图7D是CSF结果，图7E是NLMF结果，图7F是CGGDF结果。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，应当理解，此处所描述的具体实施例仅用以解释本专利技术，并不用于限定本专利技术。所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。图1是超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法的流程图。如图1所示，超高分辨率合成孔径雷达图像斑点噪声滤波滤波器方法包括以下步骤：在分区步骤S1中，采用复广义高斯分布(CGGD)对超高分辨率合成孔径雷达(UHRSAR)图像进行拟合，获取拟合区域的形状因子，将图像分为亚高斯区域(对应结构性地物)和高斯区域(对应分布式地物)。具体而言，CGGD是一个复分布族，可以表示高斯分布、拉普拉斯分布、均匀分布、冲激函数等在内的多种分布形式，不同的分布类型对应不同的形状因子。CGGD的概率密度分布函数表示为公式(1)μ表示均值，β表示形状因子，Γ()表示伽马函数，C表示协方差矩阵定义为H表示哈密顿转置，zr和zi分别代表复数z的实部和虚部。当形状因子β≥1时表示高斯分布，β<1时表示亚高斯分布，即为区分结构性地物和分布式地物的阈值。接下来，我们采用最大似然法来获取待测数据的形状因子。通过式(3)获取初始形状因子接着通过一个递归的操作对形状因子进行更新其中，L是公式(1)中概率密度函数的对数值，当β<1,通过固定点方法更新CC＝(2β·Γ(2/β)/2Γ(1/β)/N)∑(zHC-1z)β-1zzH(5)并继续更新β。在去噪步骤S2中，分别针对结构性地区采用有效的加性噪声滤波器，针对分布式地物采用有效的乘性噪声滤波器实现对整幅影像的自适应噪声去除。通过不同的滤波器对结构性区域和分布式区域进行分别滤波。在本实施方式中，选取了两个非常广泛应用的滤波器，对于乘性噪声选择增强Lee滤波，对于加性噪声选择高斯低通滤波。但是本专利技术不限定于此，这两个滤本文档来自技高网...

【技术保护点】
一种超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法，其特征在于，包括以下步骤：分区步骤，采用复广义高斯分布对超高分辨率合成孔径雷达图像进行拟合，获取拟合区域的形状因子，将所述超高分辨率合成孔径雷达图像分为亚高斯区域和高斯区域；以及去噪步骤，针对所述亚高斯区域采用加性噪声滤波器，针对所述高斯区域采用乘性噪声滤波器，实现对超高分辨率合成孔径雷达图像的自适应噪声去除。

【技术特征摘要】
1.一种超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法，其特征在于，包括以下步骤：分区步骤，采用复广义高斯分布对超高分辨率合成孔径雷达图像进行拟合，获取拟合区域的形状因子，将所述超高分辨率合成孔径雷达图像分为亚高斯区域和高斯区域；以及去噪步骤，针对所述亚高斯区域采用加性噪声滤波器，针对所述高斯区域采用乘性噪声滤波器，实现对超高分辨率合成孔径雷达图像的自适应噪声去除。2.根据权利要求1所述的超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法，其特征在于，所述亚高斯区域对应结构性区域，所述高斯区域对应分布式地物。3.根据权利要求1所述的超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法，其特征在于，复广义高斯分布的概率密度分布函数表示为其中，μ表示均值，β表示形状因子，Γ()表示伽马函数，C表示协方差矩阵定义为其中，H表示哈密顿转置，zr和zi分别代表复数z的实部和虚部。4.根据权利要求1所述的超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法，其特征在于，区分所述亚高斯区域和所述高斯区域的阈值为，当形状因子β≥1时表示高斯分布，当形状因子β<1时表示亚高斯区域。5.根据权利要求1所述的超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法，其特征在于，采用最大似然法来获取待测数据的形状因子。6.根据权利要求5所述的超高分辨率合成孔径雷达图像斑点噪声滤波器构建方法，其特征在于，所述最大似然法获取形状因子具体包括以下步骤：通过以下公式获取初始形状因子

【专利技术属性】
技术研发人员：吴文瑾，李新武，郭华东，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11