SAR图像相干斑滤波算法和评价.docVIP

SAR图像相干斑滤波算法及评价 目前已有大量的雷达相干斑抑制算法，这些算法可分为成像前的多视平滑预处理和成像后的滤波两大类。而成像后的滤波又包括空域滤波和频域滤波两种。 为了减少相干斑噪声，早期的方法是在SAR成像处理中，通过降低处理器带宽形成多视图子图像，然后对多视子图像进行非相干叠加来降低相干斑噪声。这种非相干叠加来降低斑点噪声的方法称为多视处理。多视处理通过牺牲SAR图像的空间分辨率为代价来对相干斑进行抑制，已不能满足空间高分辨率的要求。空域滤波方法是利用图像像素的空间相关性对相干斑进行滤波，一般是利用一个滑动窗口，然后对窗口内的像素进行加权得到窗口中心点的像素值。频域的方法主要是利用小波变换，比较著名的有小波软阈值方法，基于小波变换和多尺度分析的滤波方法。 本文研究SAR图像边缘检测，采用了局域统计自适应滤波算法，因??该方法考虑了图像的不均匀性，以局域的灰度统计特性为基础来决定参与滤波的邻域像素点及其权值，能在平滑噪声的同时较有效的保持明显的边缘，而且能通过参数控制来调整平滑效果和边缘保持效果之间的权衡。本文采用了增强Lee滤波算法， Kuan滤波算法，Frost滤波算法，最大后验概率（MAP）滤波算法，边缘保持最优化（Edge Preserving Optimized Speckle，EPOS）滤波算法等。 1．传统滤波方法 传统滤波算法包括均值滤波、中值滤波等。这类算法的特点是直接对图像进行处理，没有考虑任何噪声模型，也没有考虑噪声的统计特性。这些算法实现起来比较简单，但效果不太理想。它们计算简单，速度快，均匀区域的斑点噪声去除效果较好。缺点是细节保持得不好，图像边缘变模糊，点目标损失大，随着处理窗口的增大，图像的整体模糊和分辨率下降更严重。正是由于这两种传统滤波算法不适合相干斑噪声的乘性特点，实际中较少采用。 1.1 均值滤波 均值滤波是将平滑窗口内所有像元的灰度值进行平均计算，然后赋给平滑窗口的中心像元，其数学表达式为： （1） 式中，为滤波后中心元素灰度值，为滤波窗口内各个像元的灰度值，窗口大小为。 1.2 中值滤波 中值滤波是一种非线性信号处理技术。它假设信号有极端的数值，即认为在平滑窗口内噪声是极大值或极小值。中值滤波将平滑区域内所有像素的中值作为平滑区域中心像元值。 设为奇数项离散系列（=1，…2n-1，=1,…2n-1），为按大小重新排列的奇数项离散系列，则中值滤波的数学表达式为： （2） 式中，为滤波后的中心像元灰度值，为滤波前平滑模板内各个像元的原始灰度值，为平滑模板内各个像元重新排列后的灰度值，窗口大小为。 2．基于局域统计特性的自适应滤波算法 自适应滤波是近30年以来发展起来的一种最佳滤波方法。它是在维纳滤波、Kalman滤波等线性滤波基础上发展起来的一种最佳滤波方法。由于它具有更强的适应性和更优的滤波性能，从而在工程实际中，尤其在信息处理技术中得到了广泛的应用。自适应滤波的研究对象是具有不确定的系统或信息过程。这里的“不确定性”是指所研究的处理信息过程及其环境的数学模型不是完全确定的。其中包含一些未知因素和随机因素。 2.1 自适应滤波原理 自适应滤波器的原理如图1所示： 图1 自适应滤波原理图 图中表示时刻的输入信号值，表示时刻的输出信号值，表示时刻的参考信号值或所期望响应信号值，误差信号为与之差。自适应滤波器的滤波参数受误差信号控制，根据的值而自动调整，使之适合下一时刻的输入，以便使得输出接近于所期望的参考信号。 局域自适应滤波算法是在图像上取一个平滑窗口，以窗口内所有像素值作为滤波器的输入值进行处理，得到的结果作为窗口内中心元素的滤波值。而在平滑窗口内如何完成滤波运算，是这类相干斑抑制算法研究的核心内容。基于局域统计的自适应滤波算法，应满足以下条件才能适合于SAR图像的处理： 1) 不要求确知信号的统计模型； 2) 要达到保留边缘且加强细节；它可分为以局域统计特性（均值和方差）为依据和以其统计分布为依据两大类： 3) 有很好的相干斑抑制效果； 4) 算法高效，使每一个像素都能在滤波窗口内独立进行。 2.2 Sigma滤波 该算法建立在SAR图像的乘性噪声模型上，假设斑点噪声的分布为高斯分布，窗口内的像素灰度值与其中心像素的灰度值比较接近。其基本原理为：Sigma滤波器将范围内的像素进行平均，即可去除差别过大的象素的影响。我们知道，对于一维高斯分布，采样点落在区间的概率是93.5％。在窗口滤波过程中，只选取窗口内像素灰度值落在范围内的点，将它们的平均值作为中心像素灰度的估计，而其它变化显著的像素则被视作边缘而不做滤波处理。 首先计算滤波窗口内各像元灰度的平均值作为滤波中心像元的平均值；然后再求窗口内标准差作