CN102156971B - 基于线状奇异性信息的sar图像相干斑抑制方法 - Google Patents
基于线状奇异性信息的sar图像相干斑抑制方法 Download PDFInfo
- Publication number
- CN102156971B CN102156971B CN201110095598A CN201110095598A CN102156971B CN 102156971 B CN102156971 B CN 102156971B CN 201110095598 A CN201110095598 A CN 201110095598A CN 201110095598 A CN201110095598 A CN 201110095598A CN 102156971 B CN102156971 B CN 102156971B
- Authority
- CN
- China
- Prior art keywords
- line segment
- sketch
- pixel
- limit
- sar image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Images
Landscapes
- Image Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于线状奇异性信息的SAR图像相干斑抑制方法。主要解决现有技术的在大块均匀区域内出现非均匀区域的问题。其实现步骤为:1.根据PrimalSketch稀疏表示模型,用线性稀疏编码提取SAR图像由线段组成的边脊草图;2.根据边脊草图把SAR图像划分为非均匀区域和均匀区域;3.对非均匀区域,用结合局部奇异信息的相干斑抑制方法进行处理;4.对均匀区域,采用变窗策略调整窗口大小,若窗口大小大于等于5*5,则用相应窗口的Lee滤波方法处理;否则用窗口为3*3增强Lee滤波方法处理;5.将处理后的非均匀区域和均匀区域合并,得到SAR图像相干斑抑制结果。本发明实现了SAR图像良好的相干斑抑制效果,可用于SAR图像相干斑抑制。
Description
技术领域
本发明属于图像处理技术领域,涉及SAR图像相干斑抑制方法,可用于SAR图像相干斑抑制。
背景技术
雷达成像是由于雷达发射出的电磁波遇到散射源进行后向散射而形成的,而合成孔径雷达图像SAR则是用通过雷达孔径合成的方式形成较大的雷达天线所成的图像。在合成孔径雷达的成像过程中,往往会伴随着后向散射电磁波之间的相干现象,使得在SAR等雷达图像总会出现由于相干而形成的斑点信息。这些相干斑信息是由不同散射源或具有不同传播路径的散射电磁波相干而形成的。从一定意义上来说,这些相干斑信息反映了散射源的一些特性,但同时也给SAR图像的理解和解译带来了很大的困难。在SAR图像中,点奇异性、线奇异性和面奇异性的保持对于图像信息的理解和解译是非常重要的。
在空域中,传统的SAR图像的相干斑抑制方法是以SAR图像斑点噪声满足完全发展相干斑的假设条件,利用局部区域内像素的统计特性对中心像素的真实值进行估计。常见的处理方法有Lee滤波、Kuan滤波、Frost滤波等。其中,Lee滤波以区域斑点噪声满足完全发展相干斑为假设,利用邻域块内的像素对块中心像素进行估计,并没有考虑到图像不同区域的特性不同,导致处理过程中图像细节信息的丢失或模糊,不利于图像的理解和解译。针对这一问题,有学者提出了增强滤波的SAR图像相干斑抑制方法,如:增强Lee滤波、增强Frost滤波等。其中,增强Lee滤波利用邻域块内的统计信息将SAR图像划分为均匀区域、非均匀区域和强散射点,并针对不同的区域采用不同相干斑抑制策略。这类方法能够较好地实现图像细节信息保持与斑点噪声抑制的平衡。但是,由于它是通过邻域内像素的统计信息对SAR图像的像素进行划分,会在大块均匀区域内出现非均匀区域的现象,影响SAR图像相干斑抑制的效果。
发明内容
本发明的目的在于克服上述已有方法的不足,提出了一种基于线状奇异性信息的SAR图像相干斑抑制方法,以提升SAR图像相干斑抑制的效果。
实现本发明的技术方案是:利用Primal Sketch稀疏表示模型中可素描部分的稀疏编码方法获取SAR图像中的边脊草图;根据边脊草图,将SAR图像划分为含有奇异信息的区域和不含奇异信息的区域,即非均匀区域和均匀区域,对非均匀区域采用结合了局部奇异信息SAR图像相干斑抑制方法,对均匀区域采用变窗策略,根据块的大小采用不同滤波方法进行相干斑抑制处理,实现了SAR图像斑点噪声抑制中奇异性信息保持与斑点噪声抑制之间的平衡。具体步骤如下:
(1)根据Primal Sketch稀疏表示模型,用线性稀疏编码提取SAR图像由线段组成的边脊草图;
(2)根据边脊草图,将SAR图像划分为含有奇异信息的区域和不含奇异信息的区域,即非均匀区域和均匀区域;
(3)对于非均匀区域采用结合局部奇异信息的相干斑抑制,即以边脊草图中的线段为单位,以该线段上每一点为中心根据该线段的方向构建目标矩形块,并在非均匀区域中搜索该目标块的相似块,用相似块加权和对目标块进行估计,实现非均匀区域的相干斑抑制;
(4)对均匀区域采用变窗策略,从大到小调整窗口,当窗口不小于5*5时采用Lee滤波方法进行处理;否则,采用增强Lee滤波方法进行处理;
(5)将处理后的非均匀区域和均匀区域进行合并,得到SAR图像相干斑抑制的结果。
本发明与现有技术相比具有如下优点:
本发明由于利用Primal Sketch稀疏表示模型中可素描部分表示SAR图像的线状奇异性信息的边脊草图,把SAR图像的划分为均匀区域和非均匀区域,并分别对非均匀区域和均匀区域采用不同方法进行相干斑抑制处理,即对于非均匀区域,采用结合局部奇异信息的相干斑抑制方法,且对目标块进行估计而不是对单个像素点进行估计,不仅充分利用了局部结构信息,而且体现了局部区域内像素的几何聚集性,因此提高了SAR图像的奇异信息保持;对于均匀区域,本发明由于采用了变窗策略,根据块的大小采用不同方法进行相干斑抑制,改善了增强Lee滤波在大块均匀区域内出现非均匀区域的现象,提高了SAR图像均匀区域的相干斑抑制效果;从而实现了SAR图像斑点噪声抑制中奇异性信息保持与相干斑抑制之间的平衡,提升了SAR图像相干斑抑制的效果。
附图说明
图1是本发明对SAR图像相干斑的抑制流程图;
图2是本发明中基于Primal Sketch稀疏表示模型提取SAR图像边脊草图的结果图;
图3是本发明中基于边脊草图中线段的方向构建矩形块的示意图;
图4是用本发明与现有方法对DRA SAR X波段分辨率为3米的Bedfordshire图像相干斑抑制结果图;
具体实施方式
参照图1,本发明的实施步骤如下:
步骤1,根据Primal Sketch稀疏表示模型,用线性稀疏编码提取SAR图像由线段组成的边脊草图。
Primal Sketch采用边-脊检测稀疏编码方法法提取边脊草图,其提取步骤如下:
首先,将输入图像图2(a)与扩展的高斯一阶导滤波器DG和高斯二阶导滤波器D2G进行卷积,其中选择DG和D2G在N个尺度上和M个方向上检测边和脊,N取值为3~5,且M取值为18。计算每个像素的联合响应,即DG和D2G响应的平方和,联合响应的最大值为该像素的边/脊强度,且该像素的局部方向由最大响应滤波器的方向来决定。用Canny边缘检测中非极大抑制方法来处理联合响应最大值的图作为建议草图并根据建议草图中最大联合响应的位置,把建议草图中与该位置连通的点连接成线段,生成一个边/脊原始模型Ssk,0;
然后,在边脊模型中添加新线段,并评价图像的编码长度增益ΔL,若ΔL<ε,ε是阈值取值为25,则拒绝接受该线段,否则接受,并将搜索建议草图中该新线段末端与其余像素在平均拟合误差内的分割线作为下一个新建议线段,若存在新建议线段,计算添加该新建议线段后图像编码长度增益ΔL,若ΔL<ε则拒绝接受该新建议线段,否则接受该新建议线段,迭代地添加新线段,直到不存在新建议线段即得到了边脊草图,如图2(b)所示。
步骤2,根据边脊草图把SAR图像划分为非均匀区域和均匀区域。
根据边脊草图中像素的值,如果在该边脊草图中像素的值为0,则认为SAR图像中该像素不含有奇异信息;否则,认为SAR图像该像素中含有奇异信息,且边脊草图中像素值为表示该奇异信息的线段的方向;判断边脊草图的所有像素的值,将SAR图像划分为含有奇异信息的区域和不含奇异信息的区域,该奇异信息的区域称为非均匀区域,该不含奇异信息的区域称为均匀区域。
步骤3,对非均匀区域采用结合局部奇异信息的相干斑抑制方法进行处理。
(3.1)以边脊草图中某一线段L0上像素P0为中心构建目标矩形块B0,使目标矩形块B0的长与线段L0平行,宽与线段L0垂直,如图3所示;
(3.2)以边脊草图中与线段L0方向夹角小于设定阈值δ的线段L上的像素Pi为中心,构建与B0方向相同的相似矩形块Bi,本实例中阈值δ取值为10°;
(3.3)计算块所述目标矩形块B0与相似矩形块Bi之间的相似性权重w0,i,并进行记录w0,i,w0,i的计算公式如下:
(3.4)若目标矩形块B0与以线段L上的像素为中心的相似矩形块Bi的相似性权重w0,i均已记录,则执行步骤(3.5),否则,转步骤(3.2);
(3.5)在边脊草图中搜索下一条与线段L0方向夹角小于阈值δ的线段L,若搜索到线段L,转步骤(3.2);否则,执行步骤(3.6);
(3.6)估计目标矩形块B0的值B0′,
步骤4,对均匀区域采用变窗策略,根据窗口的大小采用不同方法进行相干斑抑制处理。
(4.1)以均匀区域中的像素P为中心取方形邻域块,如果该邻域块中含有边脊草图所标记的像素,则从大到小调整邻域块的大小,直到邻域块内不存在边脊草图所标记的像素为止;
(4.2)如果邻域块的大小大于等于5*5时,采用相应块大小的Lee滤波方法对邻域中心进行估计,公式如下:
(4.3)如果邻域块的大小小于5*5时,采用3*3邻域的增强Lee滤波方法对邻域中心像素值R进行估计,公式如下:
其中, 其中L表示图像的视数;W=exp{-Q*(CI-CS)/(Cmax-CI)},Q是一个衰减因子,本实例中取Q值为10,I表示受斑点噪声干扰邻域中心的值,表示噪声图像的邻域中像素的均值,T表示邻域块中像素的标准差。
步骤5,将处理后的非均匀区域和均匀区域进行合并,得到SAR图像相干斑抑制的结果。
本发明的优点由以下仿真的数据和图像进一步说明。
1.仿真条件
(1)选取DRA SAR X波段分辨率为3米的Bedfordshire图像,
(2)仿真实验中,Primal Sketch稀疏表示模型中的参数N取值为3,M取值为18,阈值ε取值为25;
(3)仿真实验中,对非均匀区域采用的结合局部奇异信息的SAR图像相干斑抑制方法中的阈值δ取值为10°,平滑参数h取值为5;
(4)仿真实验中,对均匀区域采用的变窗策略中,采用从大到小的方式,块大小的取值依次为7,5,3,1;
(5)仿真实验中,增强Lee滤波方法中参数衰减因子Q取值为10。
2.仿真内容与结果
仿真内容:利用DRA SAR X波段分辨率为3米的Bedfordshire图像,用本发明与现有的Lee滤波和增强Lee滤波方法对其进行相干斑抑制。
本实验的目的是对比本发明与现有Lee滤波和增强Lee滤波方法的相干斑抑制效果进行对比。实验结果如图4所示,其中图4(a)是为原图,图4(b),图4(c)和图4(d)分别是窗口为3*3,5*5,7*7的Lee滤波的结果图,图4(e),图4(f)和图4(g)分别是窗口为3*3,5*5,7*7的增强Lee滤波的结果图,图4(h)为本发明的结果。
本发明与现有窗口分别为3*3,5*5,7*7的Lee滤波,窗口分别为3*3,5*5,7*7的增强Lee滤波方法的SAR图像相干斑抑制评价指标垂直方向的边缘保持指数EPI_V、水平方向的边缘保持指数EPI_H和对于图4(a)所示的区域A和区域B的等效视数ENL(A)和ENL(B)的值,如表1所示。
表1
相干斑抑制方法 | EPI_V | EPI_H | ENL(A) | ENL(B) |
Lee(3*3) | 0.601524 | 0.666446 | 4.4099 | 5.2015 |
Lee(5*5) | 0.465341 | 0.497802 | 6.2891 | 7.9934 |
Lee(7*7) | 0.442834 | 0.460847 | 7.8267 | 10.5603 |
En_Lee(3*3) | 0.611036 | 0.624870 | 4.5076 | 5.5456 |
En_Lee(5*5) | 0.592543 | 0.610518 | 5.6171 | 7.9728 |
En_Lee(7*7) | 0.591259 | 0.628030 | 6.4148 | 9.7334 |
本发明 | 0.596196 | 0.624064 | 7.3376 | 10.5960 |
仿真结果:从图4可以看出,本发明较Lee滤波和增强Lee滤波,其均匀区域采用的变窗策略的效果优于固定窗的方法,提高了相干斑抑制的效果;非均匀区域提高了奇异信息保持。
从表1中可以看出,本发明采用变窗策略使得均匀区域的斑点噪声得到最大程度地抑制,相对于Lee滤波和增强Lee滤波方法,本发明在图像奇异信息保持和SAR图像相干斑抑制之间作到了较好的平衡。
综上所述,本发明实现了SAR图像斑点噪声抑制中奇异性信息保持与相干斑抑制之间的平衡,获得了SAR图像良好的相干斑抑制效果。
Claims (3)
1.一种基于线状奇异性信息的SAR图像相干斑抑制方法,包括如下步骤:
(1)根据Primal Sketch稀疏表示模型,用线性稀疏编码提取SAR图像由线段组成的边脊草图:
(1.1)将输入图像与N个尺度和M个方向上的扩展高斯一阶导滤波器和高斯二阶导滤波器进行卷积,以检测图像的边和脊,其中N取值为3~5,M取值为18;
(1.4)在边/脊模型中添加线段,评价图像的编码长度增益ΔL,若ΔL<ε,ε是阈值取值为25,则拒绝接受该线段;否则在边/脊模型中添加该线段,并搜索满足该线段末端与其余像素在平均拟合误差内的分割线作为建议线段,若搜索到该线段转至步骤(1.4),否则结束,即得到了边脊草图;
(2)根据边脊草图,将SAR图像划分为含有奇异信息的区域和不含奇异信息的区域,即非均匀区域和均匀区域;
(3)对于非均匀区域采用结合局部奇异信息的相干斑抑制,构建目标矩形块,并在非均匀区域中搜索该目标矩形块的相似矩形块,用相似矩形块加权和对目标矩形块进行估计,实现非均匀区域的相干斑抑制:
(3.1)以边脊草图中某一线段L0上像素P0为中心构建目标矩形块B0,使目标矩形矩形块B0的长与线段L0平行,宽与线段L0垂直;
(3.2)以边脊草图中与线段L0方向夹角小于设定阈值δ的线段L上的像素Pi为中心,构建与目标矩形块B0方向相同的相似矩形块Bi,阈值δ取值为5°~10°;
(3.3)计算块所述目标矩形块B0和相似矩形块Bi之间的相似性权重w0,i,并进行记录w0,i,w0,i的计算公式如下:
其中,Z为归一化变量, i为相似矩形块Bi的序号,h为平 滑参数;D0,i表示目标矩形B0和相似矩形块Bi之间的相似性距离, 式中,||g||1表示向量的1-范数, 表示目标矩形块B0中的第j个像素, 表示相似矩形块Bi中的第j个像素,G表示一个方向与线段L相同的各向异性的二维高斯核函数;
(3.4)若目标矩形块B0与以线段L上的像素为中心的相似矩形块Bi的相似性权重w0,i均已记录,则执行步骤(3.5),否则,转步骤(3.2);
(3.5)在边脊草图中搜索下一条与线段L0方向夹角小于阈值δ的线段L,若搜索到线段L,转步骤(3.2);否则,执行步骤(3.6);
(3.6)估计目标的块B0的值B0′,
(4)对均匀区域采用变窗策略,从大到小调整窗口,当窗口大于等于5*5时采用Lee滤波方法进行处理;否则,采用增强Lee滤波方法进行处理;
(5)将处理后的非均匀区域和均匀区域进行合并,得到SAR图像相干斑抑制的结果。
2.根据权利要求1所述的SAR图像相干斑抑制方法,其中步骤(2)所述的根据边脊草图,将SAR图像划分为含有奇异信息的区域和不含奇异信息的区域,是根据边脊草图中像素的值划分,如果在该边脊草图中像素的值为0,则认为SAR图像中该像素不含有奇异信息;否则,认为SAR图像该像素中含有奇异信息,且边脊草图中像素值为表示该奇异信息的线段的方向;判断边脊草图的所有像素的值,将SAR图像划分为含有奇异信息的区域和不含奇异信息的区域。
3.根据权利要求1所述的SAR图像相干斑抑制方法,其中步骤(4)所涉及的对均匀区域采用变窗策略,从大到小调整窗口,是以均匀区域中的像素P为中心取方形邻域块,如果该邻域块中含有边脊草图所标记的像素,则从大到小调整邻域块的大小,直到邻域块内不存在边脊草图所标记的像素为止。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110095598A CN102156971B (zh) | 2011-04-15 | 2011-04-15 | 基于线状奇异性信息的sar图像相干斑抑制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201110095598A CN102156971B (zh) | 2011-04-15 | 2011-04-15 | 基于线状奇异性信息的sar图像相干斑抑制方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102156971A CN102156971A (zh) | 2011-08-17 |
CN102156971B true CN102156971B (zh) | 2012-09-05 |
Family
ID=44438453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201110095598A Expired - Fee Related CN102156971B (zh) | 2011-04-15 | 2011-04-15 | 基于线状奇异性信息的sar图像相干斑抑制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102156971B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102346908B (zh) * | 2011-11-04 | 2013-06-26 | 西安电子科技大学 | 基于稀疏表示的sar图像相干斑抑制方法 |
CN102663689A (zh) * | 2012-03-22 | 2012-09-12 | 西安电子科技大学 | 基于区域划分和非局部全变差的sar图像相干斑抑制 |
CN103377465B (zh) * | 2013-03-21 | 2016-01-13 | 西安电子科技大学 | 基于素描图和核选择的sar图像降斑方法 |
CN103198479B (zh) * | 2013-03-27 | 2015-09-02 | 西安电子科技大学 | 基于语义信息分类的sar图像分割方法 |
CN103886563A (zh) * | 2014-04-18 | 2014-06-25 | 中南民族大学 | 基于非局部平均和异质性测量的sar图像斑点噪声抑制方法 |
CN105223571B (zh) * | 2014-05-30 | 2018-11-23 | 西安电子科技大学 | 基于加权l1优化与视觉显著注意的isar成像方法 |
CN104050644B (zh) * | 2014-06-23 | 2017-01-04 | 西北工业大学 | 一种基于非局部约束稀疏表示的sar图像去噪方法 |
CN105354798B (zh) * | 2015-08-25 | 2017-10-24 | 西安电子科技大学 | 基于几何先验和分布相似性测度的sar图像去噪方法 |
CN109658372B (zh) * | 2017-10-10 | 2021-01-26 | 凌云光技术股份有限公司 | 一种图像均匀性评估方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101329402B (zh) * | 2008-06-20 | 2010-12-29 | 西安电子科技大学 | 基于改进Wedgelet的多尺度SAR图像边缘检测方法 |
CN101540042B (zh) * | 2009-04-24 | 2011-06-01 | 西安电子科技大学 | 基于第二代曲线波变换的sar图像相干斑抑制方法 |
CN101727662B (zh) * | 2009-11-27 | 2012-05-09 | 西安电子科技大学 | Sar图像非局部均值去斑方法 |
CN101982834B (zh) * | 2010-09-09 | 2012-06-20 | 西安电子科技大学 | 基于贝叶斯非局部均值的极化sar数据的相干斑抑制方法 |
-
2011
- 2011-04-15 CN CN201110095598A patent/CN102156971B/zh not_active Expired - Fee Related
Non-Patent Citations (2)
Title |
---|
Fang Liu,Yingying Liu,Hongxia Hao.Unsupervised SAR Image Segmentation Based on Quantum-Inspired Evolutionary Gaussian Mixture Model.《2009 IEEE》.2009, * |
Wenge Zhang,Fang Liu,Licheng Jiao,Biao Hou,Shuang Wang.SAR Image Despeckling Using Edge Detection and Feature Clustering in Bandelet Domain.《IEEE GEOSCIENCE AND REMOTE SENSING LETTERS》.2010,第7卷(第1期), * |
Also Published As
Publication number | Publication date |
---|---|
CN102156971A (zh) | 2011-08-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102156971B (zh) | 基于线状奇异性信息的sar图像相干斑抑制方法 | |
Zhang et al. | Improving the impervious surface estimation with combined use of optical and SAR remote sensing images | |
CN101901343B (zh) | 基于立体约束的遥感影像道路提取方法 | |
CN103473755B (zh) | 基于变化检测的sar图像稀疏去噪方法 | |
CN102663754B (zh) | 一种基于区域高斯加权的图像匹配计算方法 | |
CN103198480B (zh) | 基于区域和Kmeans聚类的遥感图像变化检测方法 | |
CN101650439B (zh) | 基于差异边缘和联合概率一致性的遥感图像变化检测方法 | |
CN102044072B (zh) | 基于统计模型的sar图像融合处理方法 | |
CN105718957A (zh) | 非下采样轮廓波卷积神经网络的极化sar图像分类方法 | |
CN102982304B (zh) | 利用偏光图像检测车辆位置的方法和系统 | |
CN104820991A (zh) | 一种基于代价矩阵的多重软约束立体匹配方法 | |
CN103559506B (zh) | 一种基于矢量边界的亚像元制图方法 | |
CN101694720B (zh) | 基于空间关联条件概率融合的多时相sar图像变化检测方法 | |
CN102903102A (zh) | 基于非局部的三马尔可夫随机场sar图像分割方法 | |
CN105869146A (zh) | 基于显著性融合的sar图像变化检测方法 | |
CN103198482B (zh) | 基于差异图模糊隶属度融合的遥感图像变化检测方法 | |
CN102201116B (zh) | 结合方向聚集性的sar图像相干斑抑制方法 | |
CN104537675B (zh) | 一种sar图像双边cfar舰船目标检测方法 | |
CN103162669A (zh) | 航拍图像机场区域检测方法 | |
CN104680553A (zh) | 基于双边滤波的可变核函数目标跟踪方法 | |
CN103377465B (zh) | 基于素描图和核选择的sar图像降斑方法 | |
CN102081799B (zh) | 基于邻域相似性及双窗口滤波的sar图像变化检测方法 | |
CN102722879A (zh) | 基于目标提取和三维块匹配去噪的sar图像去斑方法 | |
CN104680536A (zh) | 利用改进的非局部均值算法对sar图像变化的检测方法 | |
CN103955934A (zh) | 一种结合图像显著性区域分割的图像模糊检测算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20120905 Termination date: 20180415 |
|
CF01 | Termination of patent right due to non-payment of annual fee |