一种基于局部信噪比的干涉图滤波方法技术

本发明专利技术涉及一种基于局部信噪比的干涉图滤波装置，所述方法通过窗口在所述干涉图中的滑动，依次对滑动窗口内的干涉图进行滤波，其中，在所述滑动窗口内对干涉图进行滤波包括：对所述滑动窗口内的干涉图的干涉相位进行分解，得到所述干涉图在所述滑动窗口内的估计频率分量；根据所述干涉相位和所述估计频率分量计算出所述干涉图在所述滑动窗口内的局部信噪比；根据所述局部信噪比计算出滤波参数；以及根据所述滤波参数对所述滑动窗口内的干涉图进行滤波。本发明专利技术能准确估计干涉图中局部噪声的程度，在提供传统滤波方法降噪能力的同时，也降低了滤波对干涉图相位信息造成的损失，体现了一种整体优越性。

【技术实现步骤摘要】

本专利技术涉及图像处理领域，尤其涉及一种基于局部信噪比的InSAR干涉图的滤波方法。
技术介绍
合成孔径雷达干涉测量技术(InterferometricSynthetic ApertureRadar, INSAR)是以同一地区的两张SAR图像为基本处理数据，通过求取两幅SAR图像的相位差，获取干涉图像，然后经相位解缠，从干涉条纹中获取地形高程数据的空间对地观测新技术。在合成孔径雷达干涉测量(InSAR)的数据处理流程中，对干涉相位图进行滤波是一个非常重要的步骤。如上所述，干涉相位图用于后续的相位解缠，干涉相位图的质量会影响后续相位解缠的复杂程度，决定了利用InSAR技术生成数字高程模型以及地表形变监测的精度，对数字高程产品以及地表形变监测的应用都有影响。由于干涉相位图通常是条纹状的，通常也将其称之为干涉条纹图。请注意，下文中的干涉图、干涉相位图、干涉条纹图都意指同一事物。综上所述，必须采用有效的滤波方法对干涉图进行滤波降噪处理。目前，较为常用的干涉相位图的滤波方法是Goldstein频域滤波算法，它是由Goldstein和Werner在1998年提出的。该方法针对干涉图中的噪声往往是高频分量，而干涉条纹的空间频率则相对稳定这一特点，基于噪声点和一般信息点的频率特性的不同，将滤波处理从常用的空间域转换到频率域，分析处理噪声显著的频谱特性，从而实现对干涉相位图的频域滤波。该方法的缺陷是滤波因子需要人为设定，而滤波因子的大小直接影响了滤波程度的大小；进一步，由于干涉图在不同的区域具有不同的噪声，因此通常情况下很难确定其滤波因子。具体而言，该方法中的滤波参数α是通过经验人为设定的，取值范围例如在O至IJ I之间。实验结果表明，滤波效果随α的增大而增强，但是带来的负面影响是使图像的分辨率降低，图像的一些区域将变得模糊。所以，α的取值应该适当，在达到较好的降噪性能的同时要保证图像仍然具有较高的分辨率，使两者之间达到平衡。然而，通常情况下干涉图局部窗口内的噪声程度是未知的，因此如何选取准确的滤波参数α提高频域滤波的自适应性和准确度是一个值得研究的问题。这也是目前Goldstein频域滤波算法最大的缺陷。所以，如何准确估计InSAR干涉相位图中的噪音程度非常重要，它是确定滤波尺度的重要指标，直接影响了干涉相位的滤波效果。
技术实现思路
本专利技术的目的是提供一种能够克服上述缺陷的基于局部信噪比的干涉图滤波方法。本专利技术提供了一种基于局部信噪比的干涉图滤波装置，所述方法通过窗口在所述干涉图中的滑动，依次对滑动窗口内的干涉图进行滤波，其中，在所述滑动窗口内对干涉图进行滤波包括:对所述滑动窗口内的干涉图的干涉相位进行分解，得到所述干涉图在所述滑动窗口内的估计频率分量；根据所述干涉相位和所述估计频率分量计算出所述干涉图在所述滑动窗口内的局部信噪比；根据所述局部信噪比计算出滤波参数；以及根据所述滤波参数对所述滑动窗口内的干涉图进行滤波。优选地，所述对所述滑动窗口内的干涉图的干涉相位进行分解，得到所述干涉图在所述滑动窗口内的估计频率分量的步骤包括:识别所述干涉相位的极大值点和极小值点；根据所述极大值点和所述极小值点，计算极大值包络面和极小值包络面；计算所述极大值包络面和极小值包络面的平均值；以及根据所述滑动窗口内的干涉相位和所述平均值计算所述干涉图在所述滑动窗口内的估计频率分量。优选地，所述根据所述滑动窗口内的干涉相位和所述平均值计算所述干涉图在所述滑动窗口内的估计频率分量的步骤包括:从所述干涉相位中减去所述平均值，得到所述干涉图在所述滑动窗口内的估计频率分量；或者判断所述频率分量是否满足预定条件；如果不满足，则用所述频率分量代替所述干涉相位，从所述识别所述滑动窗口内的干涉相位的极大值点和极小值点的步骤开始迭代，得出满足所述预定条件的第一频率分量，将所述第一频率分量作为所述估计频率分量。优选地，所述对所述滑动窗口内的干涉图的干涉相位进行分解，得到所述干涉图在所述滑动窗口内的估计频率分量的步骤还包括:根据所述干涉相位和所述估计频率分量得到所述干涉相位的余量；用所述余量代替所述干涉相位，从所述识别所述滑动窗口内的干涉相位的极大值点和极小值点的步骤开始预定次数的迭代，得出满足所述预定条件的一个或多个第二频率分量，将所述一个或多个第二频率分量作为所述估计频率分量。优选地，所述局部信噪比是根据所述干涉相位和所述估计频率分量的关系计算得出的，所述局部信噪比是伪信噪比。优选地，所述滤波参数是对所述局部信噪比进行归一化处理得到的。优选地，所述根据所述滤波参数对所述滑动窗口内的干涉图进行滤波的步骤包括:将所述滑动窗口内的干涉图从空间域变换到频域，得到所述干涉图的频谱；用所述滤波参数对所述频谱进行频域平滑滤波；以及将所述频域平滑滤波后的频谱变换到空间域。优选地，所述极大值点和极小值点是通过像素点邻域搜索来识别的，所述极大值点和极小值点分别有一个或多个。优选地,所述极大值包络面和所述极小值包络面是通过Delaunay三角剖分插值得到的。优选地，所述干涉图是通过合成孔径雷达干涉测量InSAR得到的。本专利技术通过对滑动窗口中的干涉图进行相位分解，利用分解结果得到滑动窗口中的局部信噪比，根据局部信噪比构造针对每个滑动窗口的滤波参数，自适应地对滑动窗口内的干涉图进行滤波。本专利技术能准确估计干涉图中局部噪声的程度，在提供传统滤波方法降噪能力的同时，也降低了滤波对干涉图相位信息造成的损失，体现了一种整体优越性。附图说明图1是根据本专利技术实施例的基于局部信噪比的干涉图滤波方法的流程图。具体实施例方式下面通过附图和实施例，对本专利技术的技术方案做进一步的详细描述。鉴于此问题，本专利技术的干涉图滤波方法利用经验模态分解(EMD)技术分解干涉相位得到干涉图的局部信噪比，通过该局部信噪比确定噪声程度，进而对干涉图进行对噪声程度有针对性的滤波。举例说明，根据本专利技术的方法可以采用二维EMD技术对干涉相位进行分解，得到相位图在不同频率成分的分量，其中高频分量主要包含了原始相位的噪声信息，低频分量包含了原始相位大尺度的变化趋势。通过获得的不同频率成分的相位分量，计算原始干涉图的局部信噪比。用局部信噪比作为衡量噪声程度的参数，把它设为滤波因子。利用上一步计算得到的滤波因子对原始干涉相位图进行频域加权滤波。 在此，为了更好地理解本专利技术，首先对经验模态分解进行介绍。由于大多数所有要分析的数据都不是本征模函数，在任意时间点上，数据可能包含多个波动模式，这就是简单的希尔伯特变换不能完全表征一般数据的频率特性的原因。于是需要对原数据进行EMD分解来获得本征模函数。EMD分解方法是基于以下假设条件:⑴数据至少有两个极值，一个最大值和一个最小值；(2)数据的局部时域特性是由极值点间的时间尺度唯一确定；(3)如果数据没有极值点但有拐点，则可以通过对数据微分一次或多次求得极值，然后再通过积分来获得分解结果。这种方法的本质是通过数据的特征时间尺度来获得本征波动模式，然后分解数据。这种分解过程可以形象地称之为“筛选(sifting)”过程。分解过程是:找出原数据序列X(t)所有的极大值点并用三次样条插值函数拟合形成原数据的上包络线；同样,找出所有的极小值点，并将所有的极小值点通过三次样条插值函数拟合形成数据的下包络本文档来自技高网...

【技术保护点】
一种基于局部信噪比的干涉图滤波方法，所述方法通过窗口在所述干涉图中的滑动，依次对滑动窗口内的干涉图进行滤波，其中，在所述滑动窗口内对干涉图进行滤波包括：对所述滑动窗口内的干涉图的干涉相位进行分解，得到所述干涉图在所述滑动窗口内的估计频率分量；根据所述干涉相位和所述估计频率分量计算出所述干涉图在所述滑动窗口内的局部信噪比；根据所述局部信噪比计算出滤波参数；以及根据所述滤波参数对所述滑动窗口内的干涉图进行滤波。

【技术特征摘要】

【专利技术属性】
技术研发人员：刘广，宋瑞，郭华东，
申请(专利权)人：中国科学院对地观测与数字地球科学中心，
类型：发明
国别省市：