SAR干涉图小波降噪处理方法及其处理装置制造方法及图纸

本发明专利技术提供了一种SAR干涉图小波降噪处理方法，包括：确定SAR干涉图中的信号点和噪声点，构建噪点识别矩阵，仅对噪声点进行滤波降噪处理；提取出含有噪声的干涉图数据，分解为实部和虚部，利用Biorthogonal小波基对实部和虚部分别进行小波分解，并采用白化检验的方式使小波分解的层数达到最优；利用改进的小波阈值函数和Birge

【技术实现步骤摘要】
SAR干涉图小波降噪处理方法及其处理装置


[0001]本专利技术涉及图像处理领域。更具体地说，本专利技术涉及一种SAR干涉图小波降噪处理方法及其处理装置。

技术介绍

[0002]由于散射体与传感器之间距离不同，影响回波信号的相干性，使SAR(Synthetic Aperture Radar，合成孔径雷达)成像产生相干斑噪声，这在一定程度上降低了SAR影像的质量，可导致SAR影像获取的地物特征存在失真现象。因此，对SAR影像进行滤波降噪，可提升SAR影像的判读能力，获取更加真实可靠的相位信息。
[0003]目前，SAR降噪技术主要有两类：一类是成像前的多视处理技术，一类是成像后的滤波处理技术。成像前的多视处理技术一般使用多视平均的方法，其原理是对返回信号的方位向或距离向降低处理器的带宽，再将信号频谱分割成若干部分，分别成像后进行强度简单叠加得到最终影像。该类方法达到了抑制噪声的目的，但在一定程度上影响了SAR影像的空间分辨率，且对相干斑噪声的滤除不是很完美。成像后的滤波处理技术又可分为两种：(1)空间域滤波方法，主要包括均值、中值和统计类滤波方法。该类方法基于影像像素间空间上的相关性对SAR影像的噪声进行去除，以达到降噪目的，应用较为广泛，但常会导致影像异质区域边缘模糊、纹理损失；(2)频率域滤波方法，主要包含离散小波变换和二维离散傅立叶变换下的低通、高通和高频滤波等方法。该类方法是将影像从空间域通过离散变换转换到频率域，在频率域进行降噪处理，再通过逆变换转回到空间域，从而实现降噪的目的。
[0004]小波变换属于典型的成像后滤波处理技术，其可以将时域和频域相结合来处理信号，克服了以往降噪方法的局限性，是目前成像后滤波处理研究的热点。小波变换最初的思想形成于20世纪初，法国的Morlet在1974年首次提出了小波变换的方法。1989年，Mallat将多尺度分析的思想引入到小波变换中，给出了构造正交小波基的一般方法和与FFT相对应的快速小波算法(Mallat算法)，并将分散在各应用领域中的小波成果统一在同一个理论框架下。1995年，斯坦福大学的Donoho团队提出了小波域阈值滤波算法，取得了大量理论及应用成果，为降噪研究奠定了坚实基础。在小波域阈值滤波中，阈值的选取尤为重要，会直接影响到最终的滤波结果。目前，确定阈值的方法有模极大值法、平移不变量法、硬阈值法、软阈值法和半软阈值法等。模极大值法降噪后信噪比较高，但算法复杂，难于在实际处理中广泛应用；平移不变量法可以处理不连续点，但计算速度较慢；硬阈值法效果较好，但存在伪Gibbs现象，导致视觉失真；软阈值法滤波结果相对平滑，但会造成边缘模糊等失真现象；半软阈值法提高了信噪比，降噪效果得到了明显的提升，但需要确定两个阈值，增加了不可靠性。相关研究表明，阈值过大会造成有用信息的丢失，阈值过小会造成噪声去除不彻底。
[0005]近20年来，小波滤波方法不断得到改进与提升。Gao等人提出了一种基于平稳小波变换结合方向滤波器组的SAR图像去噪方法。该方法使用贝叶斯最大后验估计来替代传统阈值方法，降噪效果明显，但计算量太大。Zhang等人在马尔可夫随机场模型的基础上，结合
改进后的粒子滤波器，提出了一种新的基于小波的SAR影像去斑方法，实验结果表明该方法有效地保留了SAR图像的边缘、纹理信息和结构特征，但算法过程较为繁琐。李金伦等人针对混合脉冲和高斯噪声，改进中值和提升小波变换去噪方法，实现了对混合噪声的去除。查显杰等人基于Daubechies小波对SAR干涉图进行小波包去噪，采用多级分解降噪，结果显示比直接使用软阈值法去噪效果更有效，同时证实了分层阈值的优势。Bhateja等人结合小波和各向异性扩散滤波器，考虑了不同滤波器的组合情况，在环境检测中有效地对SAR图像的斑点噪声进行了抑制。江虹等人通过一个变量μ结合软、硬阈值重构了小波阈值函数，降噪效果明显。Saravani等人提出了一种新的小波变换迭代算法，该算法通过聚合平稳小波变换、双边滤波、贝叶斯估计和各向异性扩散滤波对SAR影像降噪，有效降低了斑点噪声，保留了图像的边缘细节信息；但迭代算法计算量过大，可能造成低效率的问题。张玉叶等人利用平稳小波对信号进行分解，采用增强Lee滤波和自适应阈值滤波方法对不同信号分别处理，最终实现了降噪的目的；但结合两种滤波处理过程相对复杂，并没有对小波滤波方面进行细化和改进。Yan等人应用快速非局部均值滤波获取了小波包系数，对SAR影像实部和虚部分别进行小波包变换，避免了相位跳跃对后续滤波的影响，有效提高了降噪的质量；但增加了该算法的复杂性。
[0006]综上，SAR影像降噪作为雷达遥感领域长期的研究热点，以往传统滤波方法很难兼顾有效降噪的同时保持边缘细节信息和特征。近年来，小波降噪作为一种应用广泛的新型滤波方法，许多学者虽然使用不同研究思路提升了小波降噪效果，但大部分算法往往存在以下局限性：(1)算法较为复杂，导致计算量过大；(2)算法引入其它变量，增加了不可靠性；(3)在小波降噪方法中对分解、降噪和重构等细节归纳与研究不够。

技术实现思路

[0007]本专利技术的一个目的是解决至少上述问题和/或缺陷，并提供至少后面将说明的优点。
[0008]本专利技术还有一个目的是提供一种SAR干涉图小波降噪处理方法及其处理装置，其既能够有效降噪，又能够保持边缘细节信息。
[0009]为了实现本专利技术的这些目的和其它优点，第一方面，本专利技术提供了一种SAR干涉图小波降噪处理方法，包括：
[0010]步骤一、确定SAR干涉图中的信号点和噪声点，构建噪点识别矩阵，以便于仅对噪声点进行滤波降噪处理；
[0011]步骤二、提取出含有噪声的干涉图数据，分解为实部和虚部，利用Biorthogonal小波基对实部和虚部分别进行小波分解，并采用白化检验的方式使小波分解的层数达到最优；
[0012]步骤三、利用改进的小波阈值函数和Birge
‑
Massart惩罚函数自适应获取的分层阈值对小波分解后得到的小波系数进行处理，即对实部和虚部分别进行滤波降噪；
[0013]步骤四、对滤波降噪后的实部和虚部进行小波重构，获取滤波降噪后的干涉图，并结合步骤一中SAR干涉图中的信号点，获取最终的降噪干涉图。
[0014]优选的是，所述的SAR干涉图小波降噪处理方法，对实部和虚部分别进行小波分解时采用的二维Mallat快速分解公式为：
[0015][0016][0017][0018][0019]其中，d为小波系数，c为尺度系数，V、H和D分别为垂直方向、水平方向和对角线方向，j为尺度，h(N)为低通滤波器系数，g(N)为高通滤波器系数，m、n为二维信号的序列，k＝2m+N，l＝2n+N，m,n,k,l∈Z；
[0020]对滤波降噪后的实部和虚部进行小波重构，采用的二维Mallat重构公式为：
[0021][0022]优选的是，所述的SAR干涉图小波降噪处理方法，所述步骤三中，改进的小波阈值函数为:
[0023][0024]其满足：...

【技术保护点】

【技术特征摘要】
1.SAR干涉图小波降噪处理方法，其特征在于，包括：步骤一、确定SAR干涉图中的信号点和噪声点，构建噪点识别矩阵，以便于仅对噪声点进行滤波降噪处理；步骤二、提取出含有噪声的干涉图数据，分解为实部和虚部，利用Biorthogonal小波基对实部和虚部分别进行小波分解，并采用白化检验的方式使小波分解的层数达到最优；步骤三、利用改进的小波阈值函数和Birge
‑
Massart惩罚函数自适应获取的分层阈值对小波分解后得到的小波系数进行处理，即对实部和虚部分别进行滤波降噪；步骤四、对滤波降噪后的实部和虚部进行小波重构，获取滤波降噪后的干涉图，并结合步骤一中SAR干涉图中的信号点，获取最终的降噪干涉图。2.如权利要求1所述的SAR干涉图小波降噪处理方法，其特征在于，对实部和虚部分别进行小波分解时采用的二维Mallat快速分解公式为：进行小波分解时采用的二维Mallat快速分解公式为：进行小波分解时采用的二维Mallat快速分解公式为：进行小波分解时采用的二维Mallat快速分解公式为：其中，d为小波系数，c为尺度系数，V、H和D分别为垂直方向、水平方向和对角线方向，j为尺度，h(N)为低通滤波器系数，g(N)为高通滤波器系数，m、n为二维信号的序列，k＝2m+N，l＝2n+N，m,n,k,l∈Z；对滤波降噪后的实部和虚部进行小波重构，采用的二维Mallat重构公式为：3.如权利要求2所述的SAR干涉图小波降噪处理方法，其特征在于，所述步骤三中，改进的小波阈值函数为:其满足：其满足：
其中，为施加阈值改进后的小波系数，t为阈值，sgn(
·
)为符号函数。4.如权利要求1所述的SAR干涉图小波降噪处理方法，其特征在于，所述步骤一具体包括：计算SAR干涉图中的每一个点的相邻像素点的相位梯度；判断相位梯度累计值是否为零；若不为零，则将该点设为噪声点，反之，将该点设为信号点；设置噪声点的值为1，信号点的值为0，构造元素为0/1的噪点识别矩阵。5.如权利要求4所述的SAR干涉图小波降噪处理方法，其特征在于，SAR干涉图中每一个点(x，y)的相邻像素点的相位梯度计算方式为：Δ1＝p
x,y
‑
p
x+1,y
Δ2＝p
x+1,y
‑
p
x+1,y+1
Δ3＝p
x+1,y+1
‑
p
x,y+1
Δ4＝p
x,y+1
‑
p
x,y
其中，p为对应像素值，相位梯度累计值6.如权利...

【专利技术属性】
技术研发人员：陈智宏，路芳，倪艳，张健钦，李梦薇，张学东，黄宜婕，李琳，林亨，
申请(专利权)人：北京建筑大学，
类型：发明
国别省市：