一种顾及地物特征的Mean Shift滤波方法技术

本发明专利技术提供一种顾及地物特征的Mean Shift滤波方法，包括如下步骤，S1对待滤波极化的SAR图像进行极化白化滤波，得到单波段的滤波图像；S2计算该滤波图像中各个区域的变差系数；S3基于等效视数计算各个区域的异质程度阈值，并基于等效视数与对应的变差系数之间的关系，确定异质程度阈值与对应的变差系数之间的联系，比较各个像元与该像元所在区域的异质程度阈值，将滤波图像中的像元分为同质像元和异质像元；S4对异质像元使用最小均方误差滤波进行滤波，对同质像元使用综合了变差系数的Mean Shift滤波进行滤波；S5得到最终的滤波结果。有益效果：能够对不同异质程度的像元进行区别滤波，且算法简单。

【技术实现步骤摘要】
一种顾及地物特征的MeanShift滤波方法
本专利技术涉及合成孔径雷达图像相干斑滤波方法
，尤其涉及一种顾及地物特征的MeanShift滤波方法。
技术介绍
SAR图像中的相干斑现象，降低了图像解译和应用的性能，对于利用同极化和交叉极化共同作用来获取地物回波信息的全极化SAR图像，极化通道间的相关性使得强度图像和通道间的复相关项中都包含有相干斑噪声，进一步增加了极化SAR图像相干斑抑制的难度和复杂性。MeanShift算法以其较好的边缘保持性和无需先验统计知识的特性，在模式识别领域的图像平滑、分割和聚类等方面得到了广泛应用。类似于双边滤波，MeanShift算法可以综合空间和光谱信息度量像元相似性，进行加权滤波，但该算法使用移动而非固定的滑动窗来选取同质像元，从而达到了较好的SAR图像滤波效果。然而，传统MeanShift算法的实现，需要进行包括对数变换和归一化的预处理。为了降低预处理的影响，更充分的利用极化SAR数据信息，发展了针对极化SAR数据的各个极化通道采用非对称可变带宽进行处理的算法，算法相对比较复杂。对于极化SAR数据，分布目标需要有效地相干斑抑制，而强后向散射目标主要来自于分辨单元中的一些强散射截面，主要由分辨单元中的强散射机制决定和主导，并不完全是随机的散射单元叠加的结果，不具备典型的相干斑特性，不同于分布目标，需要区别处理。
技术实现思路
有鉴于此，本专利技术的实施例提供了一种顾及地物特征的MeanShift滤波方法，能够对不同异质程度的像元进行区别滤波，且算法简单。本专利技术的实施例提供一种顾及地物特征的MeanShift滤波方法，包括如下步骤，S1：对待滤波极化的SAR图像进行极化白化滤波，得到单波段的滤波图像；S2：计算所述滤波图像中各个区域的变差系数；S3：基于等效视数计算各个区域的异质程度阈值，并基于等效视数与对应的变差系数之间的关系，确定所述异质程度阈值与对应的变差系数之间的联系，比较各个像元与该像元所在区域的异质程度阈值，将所述滤波图像中的像元分为同质像元和异质像元；S4：对所述异质像元使用最小均方误差滤波进行滤波，对所述同质像元使用综合了变差系数的MeanShift滤波进行滤波；S5：综合S4，得到最终的滤波结果。进一步地，所述同质像元的异质程度小于该像元所在区域的异质程度阈值，所述异质像元的异质程度大于该像元所在区域的异质程度阈值。进一步地，S1中，将用相干矩阵T来表示待滤波极化的SAR图像，对所述相干矩阵T进行极化白化滤波得到的所述滤波图像F的方式为：F＝tr(∑-1T)式中，tr(·)表示矩阵的迹，∑是局部区域的归一化矩阵。进一步地，S2包括：S2.1：针对所述滤波图像，计算所述滤波图像各个区域的标准差和均值；S2.2：利用计算出的标准差和均值，计算对应区域的异质性图的变差系数。进一步地，S2.1中所述滤波图像中任一区域的标准差σI与均值μI的具体计算公式为：式中，噪声由v表示，纹理由x表示，和分别表示纹理和噪声的平均值，E(·)表示期望；S2.2中，利用标准差σI与均值μI计算相应区域的异质性图的变差系数CV的具体公式为：进一步地，所述滤波图像中包含有同质区域和异质区域，在所述同质区域内，纹理由x为常数，且因此，标准差σI的计算被简化为：σv为噪声分量的标准差，同时，由于又由于在同质区域同质区域的异质性图的变差系数CV被简化为：L为等效视数；在所述异质区域内，当且仅当纹理x是常数时，等号成立，且纹理x随异质性图的异质性增大而增大，纹理x增大时，变差系数CV随之增大。进一步地，S3中，通过等效视数计算各个区域的异质程度阈值的具体计算公式为：式中，d是矩阵维度，L是等效视数，c为某一区域的基于变差系数阈值，通过阈值区分不同像元的具体操作是，对于所述滤波图像中的某一像元f：进一步地，S4包括：S4.1：对异质度大于该像元所在区域的异质程度阈值c的像元使用3×3大小窗口的最小均方误差滤波进行滤波，最小均方误差滤波的具体计算公式为：式中，为待估像元，为窗口中像元的均值，y为中心像元值，参数b可以由下式进行计算：式中，Var(y)是y在局部窗内计算的方差；S4.2：对异质度小于该像元所在区域的异质程度阈值c的像元，使用综合了变差系数的MeanShift进行滤波，为根据包含d维空间的第i个异质性图xi计算出的MeanShift向量，xi，s为第i个异质性图xi的第s个像元的值，xi，r为第i个异质性图xi的第r个像元的值，xs是异质性图xi内第s个像元所在窗口内所有像元的平均值，xr是异质性图xi内第r个像元所在窗口内所有像元的平均值，hs和hr分别是第s个和第r个像元的带宽，gs(·)和gr(·)分别表示与第s个和第r个像元有关的高斯核函数；在核函数窗口依次计算所有核像元点的meanshift向量，沿meanshift梯度方向移动到新位置，然后将这个点作为一个新点，继续计算meanshift向量并移动，如果则停止计算，且即是收敛点；否则继续迭代计算直至收敛。本专利技术的实施例提供的技术方案带来的有益效果是：本专利技术所述的顾及地物特征的MeanShift滤波方法，基于像元异质性的自适应极化MeanShift滤波算法，通过移动窗口选取同质像元，利用变差系数和空间信息迭代计算，估计目标像元，实现滤波。同时，利用变差系数阈值，对高异质性像元采用最小均方误差估计，提高了滤波算法对地物特性的保持性。附图说明图1是本专利技术顾及地物特征的MeanShift滤波方法的流程图；图2是本专利技术美国AIRSAR图像相干斑滤波结果实例：图2(a)AIRSAR系统获得的旧金山地区L波段4视极化SAR图像，分辨率为10m；图2(b)是由CVF计算的异质性图；图2(c)是通过阈值区分的均质区域和异质区域，图2(d)为AIRSAR图像的相干斑滤波结果；图3是本专利技术德国ESAR图像相干斑滤波结果实例：图3(a)为德国ESAR系统在Oberpfaffenhofen区域的单视极化SAR图像，分辨率为1.5m；图3(b)是由CVF计算的异质性图；图3(c)是通过阈值区分的均质区域和异质区域，图3(d)为ESAR图像的相干斑滤波结果。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合附图对本专利技术实施方式作进一步地描述。请参考图1，本专利技术的实施例提供了一种顾及地物特征的MeanShift滤波方法，包括如下步骤：S1：对待滤波极化的SAR图像进行极化白化滤波，得到单波段的滤波图像。所述待滤波极化的SAR图像为原始极化SAR图像，用极化相干矩阵T或者极化散射矩阵来表示待滤波极化的SAR图像，本实施例以输入为相干矩阵T为例进行说明。其中，SX，Y表示复散射系数或复散射幅度，X，Y代表入射场和散射场的极化方式，X，Y分别表示水平和垂直极化方式，因此散射矩阵的对角线元素是同极化项，非对角元素是交叉极化项。对所述相干矩阵T进行极化白化滤波得到的所述滤波图像F的方式为：F＝tr(∑-1T)式中，tr(·)表示矩阵的迹，∑是局部区域的归一化矩阵。极化白化滤波可最优地组合散射矩阵的所有元素获得一幅滤波的强度图像。S2：计算所述滤波图像中各个区域的变差系数。进一步地，S2包括：S2.1：针对所述滤波图像，计算所述滤波图像各个区本文档来自技高网...

【技术保护点】
1.一种顾及地物特征的Mean Shift滤波方法，其特征在于：包括如下步骤，S1：对待滤波极化的SAR图像进行极化白化滤波，得到单波段的滤波图像；S2：计算所述滤波图像中各个区域的变差系数；S3：基于等效视数计算各个区域的异质程度阈值，并基于等效视数与对应的变差系数之间的关系，确定所述异质程度阈值与对应的变差系数之间的联系，比较各个像元与该像元所在区域的异质程度阈值，将所述滤波图像中的像元分为同质像元和异质像元；S4：对所述异质像元使用最小均方误差滤波进行滤波，对所述同质像元使用综合了变差系数的Mean Shift滤波进行滤波；S5：综合S4，得到最终的滤波结果。

【技术特征摘要】
1.一种顾及地物特征的MeanShift滤波方法，其特征在于：包括如下步骤，S1：对待滤波极化的SAR图像进行极化白化滤波，得到单波段的滤波图像；S2：计算所述滤波图像中各个区域的变差系数；S3：基于等效视数计算各个区域的异质程度阈值，并基于等效视数与对应的变差系数之间的关系，确定所述异质程度阈值与对应的变差系数之间的联系，比较各个像元与该像元所在区域的异质程度阈值，将所述滤波图像中的像元分为同质像元和异质像元；S4：对所述异质像元使用最小均方误差滤波进行滤波，对所述同质像元使用综合了变差系数的MeanShift滤波进行滤波；S5：综合S4，得到最终的滤波结果。2.如权利要求1所述的顾及地物特征的MeanShift滤波方法，其特征在于：所述同质像元的异质程度小于该像元所在区域的异质程度阈值，所述异质像元的异质程度大于该像元所在区域的异质程度阈值。3.如权利要求1所述的顾及地物特征的MeanShift滤波方法，其特征在于：S1中，用相干矩阵T来表示待滤波极化的SAR图像，对所述相干矩阵T进行极化白化滤波得到的所述滤波图像F的方式为：F＝tr(∑-1T)式中，tr(·)表示矩阵的迹，Σ是局部区域的归一化矩阵。4.如权利要求1所述的顾及地物特征的MeanShift滤波方法，其特征在于：S2包括：S2.1：针对所述滤波图像，计算所述滤波图像各个区域的标准差和均值；S2.2：利用计算出的标准差和均值，计算对应区域的异质性图的变差系数。5.如权利要求4所述的顾及地物特征的MeanShift滤波方法，其特征在于：S2.1中所述滤波图像中任一区域的标准差σI与均值μI的具体计算公式为：式中，噪声由v表示，纹理由x表示，和分别表示纹理和噪声的平均值，E(·)表示期望；S2.2中，利用标准差σI与均值μI计算相应区域的异质性图的变差系数CV的具体公式为：6.如权利要求5所述的顾及地物特征的MeanShift滤波方法，其特征在于：所述滤波图像中包含有...

【专利技术属性】
技术研发人员：刘修国，陈启浩，行晓黎，周欣，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：湖北,42