CN100544400C - 结合可见光图像信息的sar图像斑点噪声抑制方法 - Google Patents

Abstract

一种结合可见光图像信息的SAR图像斑点噪声抑制方法，其步骤为：(1)进行像素点区域属性分类，利用光学图像信息将像素点划分为均匀区域、缓变区域和边缘细节区域三类；(2)根据像素点所属类别，分别对SAR图像分类的斑点噪声进行抑制处理。本发明利用可见光图像将SAR图像分为均匀区域、缓变区域和边缘细节区域三类图像区域，然后在不同图像区域采用不同的噪声抑制运算；其优点在于：(1)利用不存在斑点噪声的可见光图像信息能够准确地对区域进行分类；(2)均匀区域和缓变区域采用了最适合的降斑运算，能够获取最好的降斑效果；(3)边缘细节区域采用了保持边缘处理，因此能够获取最好的边缘保持性能。

Description

结合可见光图像信息的SAR图像斑点噪声抑制方法

技术领域

本发明涉及一种结合可见光图像信息的SAR图像斑点噪声抑制方法，属于图像处理领域。

背景技术

SAR是一种全天侯、全天时、高分辨微波成像系统，具有穿透一定深度的天然植被、人工伪装物和地表土壤等的能力。SAR的相干成像原理导致了SAR图像的相干斑点噪声。另外，设备工作时的偶然故障，图像编码/解码误差会引起尖峰信号，产生脉冲噪声。这些噪声统称为斑点噪声。斑点噪声是SAR图像中不可避免的，它的存在使得图像不能正确地反映地物目标的散射特性，不但大大增加了判读的复杂性，而且还容易造成误判，也大大地增加了SAR图像自动识别、解译等定量化应用的难度。因此，必须有效地抑制SAR图像中的斑点噪声，获得高辐射分辨率的SAR图像。

现有的SAR斑点噪声抑制方法主要包括多视处理、空域处理和小波域处理三大类。

多视处理是早期的SAR降斑方法，它通过降低处理器带宽形成多视子图像，然后对多视子图像进行非相干叠加来降低斑点噪声。多视处理对SAR图像辐射分辨率的提高是以牺牲SAR图像的空间分辨率为代价的。

空域处理方法是通过在空间域直接对SAR图像进行滤波实现斑点噪声抑制。这类方法可以基本保证图像的空间分辨率并有效地提高图像的辐射分辨率。比较经典的空域处理方法有：不利用图像统计特性的均值滤波、中值滤波、顺序统计量法等；利用图像统计特性的Lee算法、Frost算法、Kuan算法、Sigma滤波算法等；结合SAR图像特性的最大后验概率(MAP)算法，结合边缘检测的RGMAP算法，几何滤波器等；应用现代数学理论的人工神经网络、形态学、模拟退火等。

小波域处理方法通过在小波域中对小波系数的非线性处理来实现斑点抑制，主要有软阈值法、Fukuda改进算法等。

在SAR斑点噪声抑制中，斑点的降低与边缘细节保持是一对矛盾，除非采用特殊处理，一般方法很难同时满足这两方面的要求。现有的SAR斑点噪声抑制方法均是通过在SAR图像上检测边缘细节，然后在降斑过程中对这些边缘细节直接保留或做其它不同于均匀区域的特殊处理来实现边缘细节保持。这样处理的缺点在于：在斑点噪声抑制前的原SAR图像中检测边缘细节，因此受斑点噪声影响边缘细节检测可能不准确。

发明内容

本发明的技术解决问题：克服现有技术的不足，提供一种结合可见光图像信息的SAR图像斑点噪声抑制方法，能够达到降斑效果和边缘保持性能均最佳。

本发明的技术解决方案：一种结合可见光图像信息的SAR图像斑点噪声抑制方法，其特点在于步骤如下：

(1)进行像素点区域属性分类，利用光学图像信息将像素点划分为均匀区域、缓变区域和边缘细节区域三类；

(2)根据像素点所属类别，分别对SAR图像分类的斑点噪声进行抑制处理。

本发明与现有技术相比的优点在于：本发明利用可见光图像将SAR图像分为均匀区域、缓变区域和边缘细节区域三类图像区域，然后在不同图像区域采用不同的噪声抑制运算，其优点在于：(1)利用不存在斑点噪声的可见光图像信息能够准确地对区域进行分类；(2)均匀区域和缓变区域采用了最适合的降斑运算，能够获取最好的降斑效果；(3)边缘细节区域采用了保持边缘处理，因此能够获取最好的边缘保持性能。

附图说明

图1为本发明的实现流程图；

图2为本发明中利用光学图像进行区域属性分类的流程图；

图3为本发明中对SAR图像分类进行噪声抑制处理的流程图。

具体实施方式

如图1所示，本发明的实现步骤主要包括：

1.像素点区域属性分类。利用光学图像信息将像素点划分为均匀区域、缓变区域和边缘细节区域三类。

2.SAR图像分类噪声抑制。根据像素点所属类别，分不同情况对SAR图像的斑点噪声抑制处理。

如图2所示，利用光学图像进行区域属性分类的具体处理主要包括：

(1)对光学图像f(i，j)进行梯度运算得到梯度图f_t(i，j)

$f_t(i,j)=\sqrt{{[f(i,j)-f(i+1,j)]}^2+{[f(i,j)-f(i,j+1)]}^2}$

其中，各像素点的关系如表1所示。

 

f(i，j)	f(i，j+1)
		f(i+1，j)

表1 各像素之间的位置关系

(2)根据两个梯度阈值—均匀阈值T_u和边缘阈值T_e将判定当前像素f(i，j)所属的区域类别，即

阈值T_u和T_e可以根据一定的先验知识获得，例如在光学图像中取出一小块图像，计算图像块的梯度，通过视觉判断将图像块分为均匀、缓变和边缘细节区域三类，计算图像块中均匀、缓变和边缘细节三类区域内像素点梯度的平均值分别为I_u、I_s、I_e，则有

$T_u=\frac{I_u+I_s}{2},$ $T_e=\frac{I_s+I_e}{2}$

如图3所示，对SAR图像分类进行噪声抑制的具体处理过程为：以当前像素点g(i，j)为中心，取出大小为W×W的窗口R内所有像素点，一般窗口大小取3×3或5×5，根据光学图像分类结果进行判断：

(1)如果窗口内所有像素点属于均匀区域，则以窗口内所有像素点的局域均值作为当前像素点降噪后的取值，进行均值滤波，即

$\hat{g}(i,j)=\frac{1}{W^2}\underset{(k,l)\∈R}{\mathrm{\Σ}}g(k,l)$

(2)如果窗口内的像素点仅属于缓变区域或属于缓变和均匀区域，则以当前像素点散射特性的最小均方误差估计值作为当前像素点降噪后的取值，进行Lee滤波，即

$\hat{g}(i,j)=\mathrm{\μ}(i,j)+\frac{{\mathrm{\α}}^2(i,j)-{\text{\β}}^2}{{\mathrm{\α}}^2(i,j)+{\mathrm{\β}}^4}\·[g(i,j)-\mathrm{\μ}(i,j)]$

其中， $\mathrm{\β}=\frac{1}{\sqrt{L}},$ L为图像视数，由所需的噪声抑制效果确定， $\mathrm{\α}(i,j)=\frac{\mathrm{\σ}(i,j)}{\mathrm{\μ}(i,j)},$ $\mathrm{\μ}(i,j)=\frac{1}{W^2}\underset{(k,l)\∈R}{\mathrm{\Σ}}g(k,l),$ ${\mathrm{\σ}}^2(i,j)=\frac{1}{W^2-1}\underset{(k,l)\∈R}{\mathrm{\Σ}}{[g(k,l)-\mathrm{\μ}(i,j)]}^2,$

(3)如果窗口内的像素点有属于边缘细节区域的，则保留当前像素点的原值。

Claims (2)

1、一种结合可见光图像信息的SAR图像斑点噪声抑制方法，其特征在于步骤如下：

(1)进行像素点区域属性分类，利用光学图像信息将像素点划分为均匀区域、缓变区域和边缘细节区域三类；

(2)根据像素点所属类别，分别对SAR图像分类的斑点噪声进行抑制处理；

所述步骤(1)中利用光学图像信息进行区域属性分类的步骤如下：

a.对光学图像f(i，j)进行梯度运算得到梯度图f_i(i，j)

$f_t(i,j)=\sqrt{{[f(i,j)-f(i+1,j)]}^2+{[f(i,j)-f(i,j+1)]}^2}$

其中，各像素点的关系如表1所示；

  f(i，j) f(i，j+1) f(i+1，j)

b.根据两个梯度阈值—均匀阈值T_u和边缘阈值T_e，判定当前像素f(i，j)所属的区域类别，即

均匀阈值T_u和边缘阈值T_e根据先验知识获得；

所述步骤(2)中对SAR图像分类进行噪声抑制处理的步骤为：以当前像素点g(i，j)为中心，取出大小为W×W的窗口R内所有像素点，根据光学图像分类结果进行判断：

a.如果窗口内所有像素点属于均匀区域，则以窗口内所有像素点的局域均值作为当前像素点降噪后的取值，进行均值滤波，即

$\hat{g}(i,j)=\frac{1}{W^2}\underset{(k,l)\∈R}{\mathrm{\Σ}}g(k,l)$

b.如果窗口内的像素点仅属于缓变区域或属于缓变和均匀区域，则以当前像素点散射特性的最小均方误差估计值作为当前像素点降噪后的取值，进行Lee滤波，即

$\hat{g}(i,j)=\mathrm{\μ}(i,j)+\frac{{\mathrm{\α}}^2(i,j)-{\mathrm{\β}}^2}{{\mathrm{\α}}^2(i,j)+{\mathrm{\β}}^4}\·[g(i,j)-\mathrm{\μ}(i,j)]$

其中， $\mathrm{\β}=\frac{1}{\sqrt{L}},$ L为图像视数，由所需的噪声抑制效果确定， $\mathrm{\α}(i,j)=\frac{\mathrm{\σ}(i,j)}{\mathrm{\μ}(i,j)},$ $\mathrm{\μ}(i,j)=\frac{1}{W^2}\underset{(k,l)\∈R}{\mathrm{\Σ}}g(k,l),$ ${\mathrm{\σ}}^2(i,j)=\frac{1}{W^2-1}\underset{(k,l)\∈R}{\mathrm{\Σ}}{[g(k,l)-\mathrm{\μ}(i,j)]}^2;$

c.如果窗口内的像素点有属于边缘细节区域的，则保留当前像素点的原值。

2、根据权利要求1所述的结合可见光图像信息的SAR图像斑点噪声抑制方法，其特征在于：所述的均匀阈值T_u和边缘阈值T_e的确定方法为：在光学图像中取出一小块图像，计算图像块的梯度，通过视觉判断将图像块分为均匀、缓变和边缘细节区域三类，计算图像块中均匀、缓变和边缘细节三类区域内像素点梯度的平均值分别为I_u、I_s、I_e，则有： $T_u=\frac{I_u+I_s}{2},$ $T_e=\frac{I_s+I_e}{2}.$

Images