一种基于各项异性扩散的全极化雷达影像去噪方法技术

本发明专利技术公开了一种基于各项异性扩散的全极化雷达影像去噪方法，其特征在于，包括以下步骤：步骤一，计算原始含噪声雷达遥感影像中每个像元与其邻域像元的极化统计相似度，完成初始各项异性扩散去噪；步骤二，在每次迭代去噪开始前计算上次迭代所得影像每个像元与邻域像元新的极化相似度，并联合步骤一所得的极化相似度信息实现去噪；步骤三，步骤二持续进行，直到满足迭代终止条件完成去噪；本发明专利技术所述的全极化雷达影像去噪方法与现有方法相比优点在于：方法简便高效，既能显著去除噪声，也能有效保持影像的细节信息。

A fully polarised radar image denoising method based on various heterosexual diffusion

The invention discloses a polarimetric radar image denoising method based on anisotropic diffusion, which is characterized in that the method comprises the following steps: step one, each containing the original statistical similarity calculation of polarization noise of radar remote sensing image pixel and its neighborhood pixels, to complete the initial anisotropic diffusion denoising; step two, to the last iteration of the images each pixel and the pixel neighborhood of new polarization noise before the similarity computation in each iteration, and combined with a polarization similarity information obtained to achieve denoising steps; step three, step two continues, until the iteration termination condition of polarimetric radar image denoising; the denoising method is compared with the existing methods advantages is a simple and efficient method, which can significantly remove noise, also can effectively maintain the detail information of image.

【技术实现步骤摘要】
一种基于各项异性扩散的全极化雷达影像去噪方法
本专利技术涉及遥感影像处理领域，具体涉及一种基于各项异性扩散的全极化雷达去噪方法。
技术介绍
全极化合成孔径雷达(polarimetricsyntheticapertureradar,PolSAR)遥感系统同光学遥感系统相比，具有全天时、全天候对地观测的优点，能同时发射、接收水平及垂直的极化雷达波，因此能够获取地物丰富的后向散射信息，已在诸多行业领域得到广泛应用。近年来，国内外多个高分辨率PolSAR系统相继投入使用，特别是，我国于2016年发射了国内首颗高分辨率全极化SAR卫星--高分三号，进一步推动了PolSAR的应用前景。然而，由于成像机理的限制，使得SAR影像不可避免存在相干斑噪声，这一问题在全极化SAR影像中更为突出和复杂，严重降低了影像的质量，制约了其在各方面的应用潜力。因此，发展有效的PolSAR去噪方法，具有重要的研究价值和实际意义。近年来，在PolSAR影像去噪方面，国内外的研究者从不同的研究角度出发逐渐提出了一些卓有成效的方法，这些方法大致可分为两大主要类别：一类是基于局部噪声统计特性的去噪方法，其中代表性的方法如文献1:J.S.Lee,T.L.Ainsworth,Y.Wang,andK.S.Chen,"PolarimetricSARSpeckleFilteringandtheExtendedSigmaFilter,"IEEETransactionsonGeoscienceandRemoteSensing,53(3):1150-1160,2015.提出了一种基于局部线性最小均方误差的滤波器，如文献2：A.Alonso-González,C.López-Martínez,andP.Salembier,"FilteringandsegmentationofpolarimetricSARdatabasedonbinarypartitiontrees,"IEEETransactionsonGeoscienceandRemoteSensing,50(2):593-605,2012.先对影像进行分割，然后对每个分割对象取均值作为对象内像素去噪后的值；另一类是基于非局部均值思想的去噪方法，其中的代表性方法如文献3：J.Chen,Y.Chen,W.An,Y.Cui,andJ.Yang,"NonlocalfilteringforpolarimetricSARdata:apretestapproach,"IEEETransactionsonGeoscienceandRemoteSensing,49(5):1744-1754,2011.和文献4：H.Zhong,J.Zhang,andG.Liu,"RobustpolarimetricSARdespecklingbasedonnonlocalmeansanddistributedLeefilter,"IEEETransactionsonGeoscienceandRemoteSensing,42(7):4198-4210,2014。总的来说，基于局部噪声统计特性的去噪方法虽然简便易行、运算复杂度低，但往往在去噪后难以较好地保持影像的细节信息；相反，基于非局部均值的方法虽然能够取得较好的去噪效果，但运算复杂度通常很大，难以大范围推广应用于较大尺寸PolSAR影像的处理。偏微分方程(PartialDifferentialEquation,PDE)理论在图像处理领域的研究始于上世纪六、七十年代，其最早应用于数字图像去噪方面的研究。基于PDE的图像处理方法具有很好的数学基础，深入的理论背景，算法稳定性也较高。在基于PDE的去噪方法当中，各向异性扩散方法因其运算复杂度低、显著抑制噪声的同时也能有效保持影像纹理信息等特点而得到了广泛关注。目前，各向异性扩散方法已广泛应用于各类图像的去噪问题，例如数字图像、医学图像等。然而，由于PolSAR系统及数据的复杂性，针对PolSAR影像的各向异性扩散去噪方法目前为止还十分罕见。
技术实现思路
本专利技术的目的在于克服现有技术中存在的上述问题，提供一种基于各项异性扩散的全极化雷达影像去噪方法，既能显著去除噪声，也能有效保持影像的细节信息。为实现上述技术目的，达到上述技术效果，本专利技术是通过以下技术方案实现：一种基于各项异性扩散的全极化雷达影像去噪方法，其特征在于，包括以下步骤：步骤一，计算原始含噪声雷达遥感影像中每个像元与其邻域像元的极化统计相似度，完成初始各项异性扩散去噪；步骤二，在每次迭代去噪开始前计算上次迭代所得影像每个像元与邻域像元新的极化相似度，并联合步骤一所得的极化相似度信息实现去噪；步骤三，步骤二持续进行，直到满足迭代终止条件完成去噪。进一步地，所述步骤一中，采用基于复威沙特分布的似然比检验法度量原始影像中像素间的极化相似度并将其作为原始梯度值：其中，代表原始影像中像素x的极化协方差矩阵。进一步地，所述步骤一中，利用基于复威沙特分布的似然比检验法获得的原始梯度值构建扩散系数，进而完成初始各项异性扩散去噪：其中，Z代表像素x的邻域像素的集合。进一步地，所述步骤二中，在每次迭代去噪开始前，联合原始影像极化相似度信息和上次去噪所得影像极化相似度信息计算当前迭代影像的梯度信息，具体为：在t时刻的迭代去噪开始前，计算t-Δt时刻去噪所得影像Ct-Δt像素间的极化相似性其中，C*代表真实无噪声的影像，联合原始影像的梯度信息计算得出当前时刻影像的梯度信息为进一步地，所述步骤二中，在每次迭代去噪时，利用新的梯度信息构建扩散系数，然后完成如下去噪过程：进一步地，所述扩散系数计算方式为其中，k为归一化参数。进一步地，所述归一化参数k的设置方法为：计算当前迭代影像所有像素与其邻域像素的梯度值，将这些值升序排序，计算出90％累积分位数，并将该数值作为当前迭代参数k的取值。进一步地，所述步骤三中，所述迭代去噪终止条件为，计算t时刻迭代所得影像与t-Δt时刻迭代所得影像间的差异度：其中，N表示影像总像素数，S代表PolSAR数据的信号总功率，如果迭代前后影像间差异度大于预设的阈值σ＝0.01，则开始下次迭代去噪的过程；否则，终止迭代去噪过程，将该时刻迭代所得影像作为最终的去噪影像。本专利技术的收益效果是：本专利技术的全极化雷达影像去噪方法与现有方法相比优点在于：方法简便高效，既能显著去除噪声，也能有效保持影像的细节信息。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术主要流程图。具体实施方式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，显然，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作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。如图1所示，本专利技术为一种基于各项异性扩散的全极化雷达影像去噪方法，包括以下步骤：步骤一，计算原始影像中相邻像素间的极化相似度；步骤二，对影像进行初始各项异性扩散去噪本文档来自技高网...

【技术保护点】
一种基于各项异性扩散的全极化雷达影像去噪方法，其特征在于，包括以下步骤：步骤一，计算原始含噪声雷达遥感影像中每个像元与其邻域像元的极化统计相似度，完成初始各项异性扩散去噪；步骤二，在每次迭代去噪开始前计算上次迭代所得影像每个像元与邻域像元新的极化相似度，并联合步骤一所得的极化相似度信息实现去噪；步骤三，步骤二持续进行，直到满足迭代终止条件完成去噪。

【技术特征摘要】
1.一种基于各项异性扩散的全极化雷达影像去噪方法，其特征在于，包括以下步骤：步骤一，计算原始含噪声雷达遥感影像中每个像元与其邻域像元的极化统计相似度，完成初始各项异性扩散去噪；步骤二，在每次迭代去噪开始前计算上次迭代所得影像每个像元与邻域像元新的极化相似度，并联合步骤一所得的极化相似度信息实现去噪；步骤三，步骤二持续进行，直到满足迭代终止条件完成去噪。2.根据权利要求1所述的方法，其特征在于：所述步骤一中，采用基于复威沙特分布的似然比检验法度量原始影像中像素间的极化相似度并将其作为原始梯度值：其中，代表原始影像中像素x的极化协方差矩阵。3.根据权利要求1所述的方法，其特征在于：所述步骤一中，利用基于复威沙特分布的似然比检验法获得的原始梯度值构建扩散系数，进而完成初始各项异性扩散去噪：其中，Z代表像素x的邻域像素的集合。4.根据权利要求1所述的方法，其特征在于：所述步骤二中，在每次迭代去噪开始前，联合原始影像极化相似度信息和上次去噪所得影像极化相似度信息计算当前迭代影像的梯度信息，具体为：在t时刻的迭代去噪开始前，计算t-Δt时刻去噪所得影像Ct-Δt像素间的极化相似性

【专利技术属性】
技术研发人员：马晓双，吴鹏海，
申请(专利权)人：安徽大学，
类型：发明
国别省市：安徽,34