一种基于两参数加权的多时相SAR影像滤波算法制造技术

一种基于两参数加权的多时相SAR影像滤波算法，包括步骤1)，对多时相SAR影像进行预处理，选定参考影像；步骤2)，以参考影像为基准对其他N

【技术实现步骤摘要】
一种基于两参数加权的多时相SAR影像滤波算法


[0001]本专利技术涉及影像处理
，尤其涉及一种基于两参数加权的多时相SAR(Synthetic Aperture Radar)影像滤波方法。

技术介绍

[0002]合成孔径雷达SAR(Synthetic aperture radar)是一种工作在微波频段的主动式成像雷达，由于采用主动工作方式，因此具有全天时全天候的成像能力。合成孔径雷达系统所生成的SAR影像具有分辨率高、信息量大等优点，常被应用于国土资源调查、航空遥感、环境保护、减灾救灾等领域。
[0003]由于多个散射体同时被照射，使得雷达接收机接受到的信号产生一定的波动，从而使合成孔径雷达系统对目标散射系数的测量产生较大的偏差，最终以相干斑的形式表现在图像上。相干斑的存在破坏了SAR影像正确反映地物目标的散射特性，严重损坏了影像的质量，如何抑制相干斑噪声是提升SAR影像质量的关键。
[0004]随着我国航天事业的蓬勃发展，各行各业对遥感影像日益旺盛的需求促使SAR系统的功能已日趋完善，目前合成孔径雷达已经可以提供长时间序列的高质量影像数据，这为SAR影像滤波系统的发展提供了强有力的条件。
[0005]现有的滤波方式主要是基于单景SAR影像对相干斑噪声进行抑制，但是随着SAR卫星成像能力的不断提升，SAR卫星可以在短时间内获取长时间序列影像，如何利用多景影像最大程度还原某一地区的辐射信息已经成为了当前SAR影像滤波研究的新趋势，联合处理同一区域的多张图像可能比恢复单个图像提供更好的滤波结果，这为SAR影像的去噪领域开辟了新的方向。

技术实现思路

[0006]本专利技术的目的在于解决现有技术中的至少一部分技术问题，提供了一种基于两参数加权的多时相SAR影像滤波算法，对长时间序列影像进行处理提升SAR影像质量。
[0007]为了解决上述技术问题，本专利技术第一方面，提供了一种基于两参数加权的多时相SAR影像滤波算法，所述方法包括：
[0008]对多时相SAR影像进行预处理，所述预处理包括配准处理；
[0009]以所述多时相影像中的一副影像作为参考影像，以所述参考影像为基准对N
‑
1幅卫星拍摄的多时相影像进行配准处理；
[0010]目前SAR影像的配准方法有：基于区域灰度值的配准方法和基于特征的配准方法。影像配准包括关键点的检测、特征描述、关键点匹配、误匹配点剔除；
[0011]基于区域灰度值的配准方法对噪声敏感，而且算法准确性受目标形变影响过大；
[0012]基于特征的配准方法具有较高的配准正确率，因为SAR影像成像情况复杂，又有斑点噪声的存在；
[0013]我们采用了一种适合SAR影像的影像梯度算法，用比值法代替差值法来消除SAR影
像边缘的乘性噪声，即比值梯度法，使SIFT算法对SAR影像同样适用。
[0014]本专利技术第二方面，提供了一种基于两参数加权的多时相SAR影像滤波算法，所述方法包括：
[0015]平均梯度(AVG)就是一幅图像的梯度图上所有点的均值。它反映了图像中的微小细节反差和纹理变化特征，同时也能反映出图像的清晰度。一般来说平均梯度越大，图像层次也就越丰富，变化就越多，图像也就越清晰。所以我们可以把平均梯度当做影像模糊程度的评价标准，其数学表达式为：
[0016][0017]其中，表示水平方向的梯度、垂直方向的梯度。M、N表示图像大小。
[0018]等效视数是衡量一副SAR图像斑点噪声相对强度的一种指标，等效视数越大，表明图像斑点越弱。其数学表达式为：
[0019][0020]其中，μ表示影像局部区域的灰度均值，σ表示影像局部区域的标准差。
[0021]两参数指平均梯度和等效视数客观评价指标。
[0022]本专利技术第三方面，提供了一种基于两参数加权的多时相SAR影像滤波算法，所述方法包括：
[0023]对N张影像处于同一位置的小图像块进行质量评价，其计算表达式为：
[0024]W
mn
＝AVG*ENL；
[0025]其中，AVG代表每个小图像的平均梯度值，ENL代表每个小图像的等效视数，W
mn
(m＝1,2,3
……
,n＝1,2,3
……
)代表每个小图像的客观评价值。
[0026]本专利技术第四方面，提供了一种基于两参数加权的多时相SAR影像滤波算法，所述方法包括：
[0027]对各个小图像块进行权重归一化，其计算表达式为：
[0028][0029][0030]其中，ε为任一无穷小的常数，f(n)代表重建影像的第n个图像块，block11为第一张SAR影像的第1个小图像块，block21为第二张SAR影像的第1个小图像块，以此类推遍历完所有影像的所有图像块，完成SAR影像重建。
[0031]本专利技术第六方面，提供了一种基于两参数加权的多时相SAR影像滤波算法，所述方法包括：
[0032]对重建影像进行非局部高斯加权中值滤波算法滤波。
[0033]表示以像元坐标x为中心的方形邻域的像元灰度值，表示以像元坐标y为中心的方形邻域像元灰度值，二者相似性通过高斯加权欧氏距离D(x,y)来计算，其表达式为：
[0034][0035]y点的滤波结果是在中心框内求出来局部加权中值：
[0036][0037]其中，边长为f的方形邻域作为相似框，选取边长为2f+1的方形邻域作为搜索框。
[0038]G
a
代表高斯核函数。相似框内的每个像元均具有特定的权系数，权重w(x,y)取决于边长为f的方形邻域间的结构相似度。本算法采用高斯加权欧氏距离代表相似性，邻域间高斯加权欧氏距离D(x,y)表示为：
[0039][0040]a为平滑参数，决定了权值的大小，决定了影像的滤波程度。
[0041]用高斯核函数与灰度值进行卷积的同时考虑了邻域内每点与中心点的距离和灰度值对于局部相似性的影响，权重根据下式计算：
[0042][0043][0044]0≤w(x,y)≤1且满足∑
j
w(x,y)＝1。Z(x)是归一化因子，h是控制函数衰减的常数。如果平滑参数太大，会导致影像中输入的每一个像素值接近所以该滤波器可以作为一个平均滤波器使用，而且滤波后影像的线条纹理特征不会被模糊掉。
[0045]遍历循环整张影像，x处像元滤波后的值可通过如下方程式得到：
[0046][0047]其中，含噪图像为u(x)，去噪后的图像为
附图说明
[0048]图1为根据本专利技术优选实施例一种基于两参数加权的多时相SAR影像滤波算法的影像配准流程图；
[0049]图2为根据本专利技术优选实施例的一种基于两参数加权的多时相SAR影像滤波算法的具体流程图；
[0050]图3为根据本专利技术优选实施例的7幅多时相SAR影像信息；
[0051]图4为根据本专利技术优选实施例的参考影本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于两参数加权的多时相SAR影像滤波算法，其特征在于，所述方法包括：该多时相滤波算法要求对同一地区用SAR卫星进行多次独立成像；基准影像的获取。选取SAR卫星在同一地区不同时刻拍摄的N景SAR影像，对N景SAR影像进行预处理后，选取合适的图像作为基准影像；SAR影像配准。将N
‑
1景SAR影像与基准影像进行配准处理，得到N景在同一坐标下的SAR影像；将N景SAR影像分为16小块后一一对应，评价每个小图像块的等效视数和平均梯度两参数指标，构建权重图；权重归一化，生成重建影像；对重建影像进行非局部高斯加权中值滤波算法滤波，完成两参数加权的多时相SAR影像滤波。2.根据权利要求1所述的一种基于两参数加权的多时相SAR影像滤波算法，其特征在于，所述配准包括以下步骤：将所述参考影像与N
‑
1景多时相影像进行匹配，得到同名点；根据同名点，对N
‑
1景多时相SAR影像进行仿射变换，得到N景配准后的多时相SAR影像；基于参考影像，对仿射变换后的N景多时相SAR影像逐一取与参考影像重合的公共区域，得到N
‑
1景影像，即重采；将重采完的N景多时相SAR影像像元一一对应后取均值，得到均值影像。3.根据权利要求1所述的一种基于两参数加权的多时相SAR影像滤波算法，其特征在于，所述两参数包括以下步骤：平均梯度(AVG)就是一幅图像的梯度图上所有点的均值。它反映了图像中的微小细节反差和纹理变化特征，同时也能反映出图像的清晰度。一般来说平均梯度越大，图像层次也就越丰富，变化就越多，图像也就越清晰。所以我们可以把平均梯度当做影像模糊程度的评价标准，其数学表达式为：其中，表示水平方向的梯度、垂直方向的梯度。M、N表示图像大小。等效视数是衡量一副SAR图像斑点噪声相对强度的一种指标，等效视数越大，表明图像斑点越弱。其数学表达式为：其中，μ表示影像局部区域的灰度均值，σ表示影像局部区域的标准差。4.根据权利要求1所述的一种基于两参数加权的多时相SAR影像滤波算法，其特征在于，所述构建权重图包括以下步骤：对N张影像处于同一位置的小图像块进行质量评价，其计算表达式为：W

【专利技术属性】
技术研发人员：王迪，邓明军，刘鑫，陈凯凌，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：