基于RoEWA算子的全局加权最小二乘滤波方法技术

本发明专利技术公开了一种基于算子的全局加权最小二乘滤波方法，主要解决现有技术中基于差分去求取梯度，导致精准程度欠佳的问题。实现步骤包括：1)根据原始含噪的极化合成孔径雷达图像获取功率图；2)在功率图上根据算子求取梯度，并计算每个像素点上x、y方向上的权重；3)利用得到的权重构建用于滤波的能量函数；4)将能量函数转换为矩阵形式，获取最小化能量函数的结果；5)将前述滤波步骤3)和4)独立且同等运用于图像的九个通道，得到每个通道中的输出的数据，即滤波后图像。本发明专利技术能够对相干斑噪声进行有效抑制，并更好的保留图像细节信息，可用于极化合成孔径雷达图像相干斑抑制。于极化合成孔径雷达图像相干斑抑制。于极化合成孔径雷达图像相干斑抑制。

【技术实现步骤摘要】
基于RoEWA算子的全局加权最小二乘滤波方法


[0001]本专利技术属于极化遥感图像处理
，进一步涉及极化合成孔径雷达图像相干斑抑制方法，具体是一种基于加权指数平均比率RoEWA(Ratio of Exponentially Weighted Averages)算子的全局加权最小二乘滤波方法，可用于极化合成孔径雷达图像相干斑抑制。

技术介绍

[0002]极化合成孔径雷达PolSAR(Polarimetric Syntheticaperture Radar)数据具有全天候、全天时的测绘能力，不受夜间光线差、云层烟雾等天气条件的影响，因此在遥感应用中具有巨大的潜力。然而相干斑噪声的存在对PolSAR的图像质量有着不可忽视的影响，因此抑制相干斑噪声成为使用PolSAR数据前的一个重要预处理步骤，PolSAR数据去噪的研究和探索已成为一个日益重要的课题。
[0003]考虑在去除噪声的同时还需保留图像的局部细节，在目前的研究中，各种极化数据的去噪方法大致可分为局部去噪、非局部滤波以及采用优化模型的其他去噪算法；其中，局部去噪方法中的Boxcar滤波方法，通过取滑动窗口内所有像素的平均值对噪声进行去除。Lee等人提出的Lee filter是一种基于窗口内像素的统计特性进行滤波的方法。Lee等人还提出了一种基于最小均方误差MMSE的局部统计估计量，并由此衍生出许多基于最小均方误差的优秀局部滤波器。然而，上述传统算法仅利用图像的局部信息，不可避免地会造成边缘模糊。非局部滤波是根据非局域性选择均匀像素，用加权平均或MMSE估计中心像素；在2011年，Chen等人提出了基于图像匹配块概念的NL
‑
Pretest滤波，该算法具有较好的噪声抑制和边缘保持性能，它是PolSAR图像去噪应用中最典型的非局部均值滤波算法之一，随后一系列基于NL
‑
means的PolSAR图像去噪算法相继被提出，这类非局部的方法去噪效果明显优于局部去噪方法的效果，但仍存在去噪效率耗时长、效率低等问题。通过对模型的优化和改进，达到噪声滤波和细节保留之间的平衡，这种去噪方法已逐渐成为PolSAR图像预处理的一种重要手段。
[0004]近年来，PolSAR优化框架得到了越来越广泛的应用，例如Nie等人基于PolSAR协方差数据的统计特性和贝叶斯极大后验准则建立Wishart全变分WisTV模型，Daniel等人将各向异性扩散引入去噪等，然而，现有的基于优化的去噪算法难以满足高速去噪的同时达到良好去噪效果的要求；正则化项的引入很好地解决了这一问题，Ren等通过将全局正则化项思想应用在PolSAR图像去噪领域后，建立了一种具有简单有效正则化项的全局加权最小二乘滤波器方法，使求解全局加权最小二乘滤波器等价于求解大型稀疏线性系统，从而完成快速去噪。这种滤波的目的是使结果尽可能接近原始图像，即要求在梯度小的区域尽可能平滑，在梯度大的边缘尽量保留信息。这一目标通过最小化能量函数来实现，其中自适应参数和梯度值约束的正则化项是实现最小化的重要组成部分。全局加权最小二乘滤波器通过提出建立引导图像，精准化计算图像梯度，从而得到更加利于去噪的滤波权重，并且引导图像的建立使得单极化的SAR数据处理可以更好地拓展到多极化SAR图像处理上。但由于
PolSAR在相干成像的过程中产生的噪声是乘性噪声，现有的差分梯度算子基于加性噪声模型，不能很好地估计PolSAR数据的局部结构信息，因此，合适的梯度算子有利于进一步提高去噪效果，目前的全局加权最小二乘滤波器去噪方法在PolSAR领域的应用中，梯度方法仍需改进。

技术实现思路

[0005]本专利技术目的在于针对上述现有技术的不足，提出一种基于RoEWA算子的全局加权最小二乘滤波方法，通过利用PolSAR图像的空间结构信息，克服当前全局加权最小二乘滤波器中基于差分去求取梯度，从而导致梯度求取不精准的问题，以提高对PolSAR图像中结构信息的提取能力，从而达到对相干斑噪声的有效抑制和对图像细节信息的有效保留。
[0006]本专利技术方法的思路是：利用RoEWA算子通过功率图提取图像梯度信息的能力，充分将结构信息融入到PolSAR图像相干斑的去除过程中。首先根据原始含有噪声的极化SAR图像计算出总功率，然后结合RoEWA算子在总功率图上计算出图像梯度，最后使用全局加权最小二乘滤波器对图像进行处理。
[0007]为实现上述目的，本专利技术的技术方案包括如下步骤：
[0008](1)根据原始含有噪声的极化合成孔径雷达PolSAR图像计算总功率SPAN，得到功率图：
[0009]SPAN＝|S
HH2
+2S
HV2
+S
VV2
，
[0010]其中，H代表水平方向上的收发信息，V代表垂直方向上的收发信息；S
HH
、S
VV
分别表示垂直和水平方向上的共极化分量，S
HV
表示满足互异性时，水平发送且垂直接收或垂直发送且水平接受情况下的共极化分量；
[0011](2)在功率图上根据加权指数平均比率ROEWA算子求取梯度：
[0012][0013]其中，h∈{x,y}，表示垂直方向x或水平方向y上的梯度；表示在窗口区域i内利用加权函数所求得的指数加权平均值，i＝{1,2}；
[0014](3)根据下式计算像素点p上的x、y方向上的权重：
[0015][0016][0017]其中，α表示约束因子，ε为常数；
[0018](4)利用步骤(3)得到的权重，构建用于滤波的能量函数J(u)：
[0019][0020]其中，f代表含有噪声的极化SAR图像，u代表经过滤波后输出的图像，p表示像素点的位置；λ为平滑程度系数；和分别为经过滤波后输出的图像u在x和y方向上的偏导数；
[0021](5)为了获得最小化能量函数的结果，将能量函数转换为矩阵形式，并根据矩阵运算的性质得到如下：
[0022](I+λL
s
)u＝f，
[0023]其中，I表示单位矩阵；L
s
为利用功率图计算的五点拉普拉斯矩阵；
[0024](6)令A＝I+λL
s
，输出的图像u表示如下：
[0025]u＝F
λ
(f)＝A
‑1f，
[0026]其中，A
‑1为A的逆矩阵；
[0027](7)根据PolSAR数据的性质，对PolSAR图像的九个通道分别进行步骤(6)中的滤波，并根据下式得到每个通道中的输出的图像：
[0028]u
z
＝F
λ
(q
z
)＝A
‑1q
z
，
[0029]其中，q
z
表示第z个通道的输入图像，z∈{1,2,
…
,9}；u
z
表示第z个通道的输出图像。
[0030]本专利技术与现有技本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于RoEWA算子的全局加权最小二乘滤波方法，其特征在于，包括如下步骤：(1)根据原始含有噪声的极化合成孔径雷达PolSAR图像计算总功率SPAN，得到功率图：SPAN＝|S
HH
|2+2|S
HV
|2+|S
VV
|2，其中，H代表水平方向上的收发信息，V代表垂直方向上的收发信息；S
HH
、S
VV
分别表示垂直和水平方向上的共极化分量，S
HV
表示满足互异性时，水平发送且垂直接收或垂直发送且水平接受情况下的共极化分量；(2)在功率图上根据加权指数平均比率ROEWA算子求取梯度：其中，h∈{x,y}，表示垂直方向x或水平方向y上的梯度；表示在窗口区域i内利用加权函数所求得的指数加权平均值，i＝{1,2}；(3)根据下式计算像素点p上的x、y方向上的权重：(3)根据下式计算像素点p上的x、y方向上的权重：其中，α表示约束因子，ε为常数；(4)利用步骤(3)得到的权重，构建用于滤波的能量函数J(u)：其中，f代表含有噪声的极化SAR图像，u代表经过滤波后输出的图像，p表示像素点的位置；λ为平滑程度系数；和分别为经过滤波后输出的图像u在x和y方向上的偏导数；(5)为了获得最小化能量函数的结果，将能量函数转换为矩阵形式，并根据矩阵运算的性质得到如下：(I+λL
s
)u＝f，其中，I表示单位矩阵；L
s
为利用功率图计算的五点...

【专利技术属性】
技术研发人员：武杰，史画，刘明，张译之，马苗，裴炤，姚超，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：