CN102693530A - 基于目标提取和srad算法的sar图像去斑方法 - Google Patents

Abstract

本发明公开了一种基于目标提取与SRAD算法的SAR图像去斑方法，主要解决现有SAR图像去斑方法在去斑效果和边缘保持不能同时兼顾的问题。其实现过程是：(1)对输入SAR图像进行目标图像提取和移除；(2)设定迭代的初始次数，步长和实验次数等运行参数；(3)根据不同迭代次数，利用SRAD算法对移除目标图像后图像进行滤波处理；(4)计算移除目标图像后图像的SRAD算法最佳迭代次数；(5)对移除目标后图像采用最佳迭代次数SRAD滤波处理；(6)将目标图像和最佳迭代次数SRAD滤波结果图像相加，得到最终去斑结果图像。本发明具有去斑效果好，边缘纹理信息保留较好的特点，可应用于SAR图像目标识别和目标检测。

Description

基于目标提取和SRAD算法的SAR图像去斑方法

技术领域

本发明属于图像处理技术领域，涉及SAR图像去斑，可应用于SAR图像目标识别和目标检测。

背景技术

合成孔径雷达SAR是一种高分辨率成像雷达，它具有全天候、多极化、多视角、多俯角数据获取能力及对一些地物的穿透能力，不仅广泛地被应用在军事上，在农业、气象、地形地貌、灾情监控等民用上也有大量的应用。但由于SAR发射的是相干波，这些相干波经过与地物的相干作用，特别是地物的后向散射作用，在目标回波信号产生了衰减，这种衰减表现在图像上就是斑点噪声。斑点噪声是乘性的、局部相关的，它的存在严重影响了SAR图像的质量，造成图像的判读解译和后续处理难度大，甚至导致获取的影像数据不能正确地反映地物特征。为了更好地应用SAR图像，对含有斑点噪声的SAR图像进行去除斑点的滤波处理显得尤为重要。

研究相干斑抑制技术的一个重要要求是，在求得需要的辐射分辨率的同时如何保持必要的空间分辨率。因为二者都是SAR图像分析和应用的重要因素，所以需要在考虑滤除斑点噪声的同时，保持图像的细节信息。当前对相干斑的抑制技术大体分为成像前的多视处理技术和成像后的滤波技术两类。在早期的SAR图像处理中，大体采用成像前的多视处理技术，但随着SAR图像应用的不断拓展，对其空间分辨率的要求不断提高，多视处理技术已不能满足要求。成像后的滤波技术又可分为空域滤波技术和频域滤波技术。

空域滤波技术主要为统计类的去斑方法，一般先假定噪声的乘性模型，然后基于像素领域窗口的局部统计特性进行滤波，典型算法如Lee滤波，Kuan滤波，Frost滤波等。但是，这些方法都是通过固定窗口来对图像进行操作，而没有考虑像元周围的局部结构信息，因此统计类滤波算法对区域一致性较好的图像有着较好的去斑效果，而对边缘和细节特征的保持则不够理想。图像结构信息如边缘、线性体、点等目标会在一定程度上被模糊或滤除。频域滤波技术如小波方法则是通过对其系数进行阈值分析处理或者建立系数统计模型实现对SAR图像噪声的抑制，虽然能较好的保持边缘细节，但其平滑能力有限。

Perona和Malik等人于1990年提出了空域滤波的Perona-Malik，简称P-M模型，利用各向异性扩散方程计算各个方向上的扩散系数，在去除噪声的同时很好地保持了细节特征。但P-M模型是针对加性噪声建立的，对于抑制乘性的斑点噪声效果并不太好，甚至会出现噪声增强的现象。Yongjian Yu等人在分析P-M模型的基础上，于2002年提出了针对斑点噪声的各向异性扩散算法，即Speckle Reduction AnisotropicDiffusion，简称SRAD；SRAD算法具有较好的去噪效果，并由保持边缘的能力，但SRAD算法对SAR图像的区域划分过于简单，有可能损失一些细节，比如造成强边缘和孤立边缘的损失。

发明内容

本发明的目的在于针对上述已有问题的缺点，提出了一种基于目标提取和SRAD算法的SAR图像去斑方法，以充分滤除SAR图像同质区域的斑点噪声，同时比较完整的保留SAR图像的细节和边缘信息。

实现本发明目的的技术思路是先将SAR图像中的如点目标﹑线目标和纹理信息等的目标图像从输入的图像中提取出来，再对余下部分进行强度较大的去斑处理，最后再将原图像中提取出的目标图像加入去斑结果中，从而得到滤除斑点噪声﹑保留细节的SAR图像。其具体实现步骤包括如下：

(1)对输入的SAR图像A进行细节和边缘的目标图像提取，得到提取出的目标图像T；

(2)将提取出的目标图像T从输入的SAR图像A中移除，得到移除目标图像后的SAR图像B；

(3)计算移除目标图像后的SAR图像B的SRAD算法最佳迭代次数a：

3a)设置SRAD算法的迭代初始值s(0)，迭代步长step=100，实验次数t=20，计算每次实验的SRAD滤波迭代次数：s(i)=s(0)+i×step，i=1,2,…,t；

3b)分别使用迭代次数s(i)，i=1,2,…,t；对移除目标图像后的SAR图像B进行SRAD滤波,得到滤波处理结果图像组C(i),i=1,2,…,t；

3c)分别计算不同迭代次数的SRAD滤波结果图像组C(i)的等效视数数组H(i)和边缘保持程度数组I(i)：

$I\left(i\right)=\frac{\left[\mathrm{\Σ}\left(\right|S_b(l,m)-S_b(l+1,m)|+|S_b(l,m)-S_b(l,m+1)\left|\right)\right]}{\left[\mathrm{\Σ}\left(\right|S_a(l,m)-S_a(l+1,m)|+|S_a(l,m)-S_a(l,m+1)\left|\right)\right]}$

其中，u和σ分别为不同迭代次数SRAD滤波结果图像组C(i)中一块同质区域的均匀值和标准差，(l，m)表示移除目标图像后的SAR图像B中的边缘像素点的坐标，S_a(l，m)表示移除目标图像后的SAR图像B的边缘像素点的灰度值，S_b(l，m)表示不同迭代次数SRAD滤波结果图像组C(i)的边缘像素点的灰度值；H(i)的值越大，图像对比度越小，表示滤波器对斑点噪声的平滑能力越强；I(i)的值越大，表示滤波器对原图像的细节保持能力越好；

3d)分别将上述计算所得的等效视数数组H(i)和边缘保持程度数组I(i)进行标准化，得到标准化等效视数数组J(i)和标准化边缘保持程度数组K(i)；以SRAD滤波迭代次数s(i)为横坐标，以对应的标准化等效视数数组J(i)和标准化边缘保持程度数组K(i)为纵坐标作两条曲线，则这两条曲线交点横坐标的值即为移除目标图像后的SAR图像B的SRAD最佳迭代次数a的值；

(4)采用最佳迭代次数a对移除目标图像后的SAR图像B进行SRAD滤波处理，得到去除斑点噪声的SAR图像D；

(5)将所提取出的目标图像T与去除斑点噪声的SAR图像D相加，得到最终去斑结果图像R。

本发明与现有的技术相比具有以下优点：

1)本发明由于采用了先对输入的SAR图像进行目标图像提取，再对移除了目标图像后的SAR图像进行去斑处理，最后再将提取出的目标图像加入去斑结果的方法，能够比较好的保持输入的SAR图像中的目标和纹理细节；

2)本发明由于综合考虑了不同的迭代次数的SRAD算法对去斑结果的边缘保持能力和等效视数的影响的方法，能够选择出最佳的迭代次数，使之在具有更好的去斑效果的同时不会损失过多的的图像细节信息；

3)本发明是在空域中进行的，实现过程简单，且可以在GPU上实现算法的并行加速。

附图说明

图1是本发明实现流程图；

图2是本发明实验输入的一幅两视SAR图像；

图3是用本发明与现有的方法对图2的SAR图像去斑结果对比图；

图4是用本发明从图2中提取出的目标图像；

图5是用本发明计算SRAD算法的最佳迭代次数a的曲线。

具体实施方式

参照图1，本发明的具体实施过程如下：

步骤1.对输入的SAR图像A进行细节和边缘的目标图像提取，得到提取出的目标图像T：

1a)对输入的SAR图像A进行双边滤波处理，根据滤波结果设置门限Y为120到180之间一数值，将滤波结果图像中灰度值小于门限Y的像素点的灰度值设为0，得到双边滤波边缘图像E，双边滤波算法的具体实现参见Tomasi,C.,and Manduchi,R.:“Bilateral fltering for gray and color Images”.Proc.6th Int.Conf.Computer Vision,NewDelhi,India,1998,pp.839-846；

1b)对输入的SAR图像A使用canny算子进行边缘检测，得到canny边缘图像F；

1c)将双边滤波边缘图像E与canny边缘图像F相加，得到输入的SAR图像A的总边缘图像G；

1d)将输入的SAR图像A的总边缘图像G中灰度值g(x，y)≠0处(x，y)的像素点从输入的SAR图像A中提取出来，得到目标图像T，该目标图像Ｔ在坐标(x，y)处的像素点的灰度值t(x，y)为：

式中，g(x，y)为边缘图像G在坐标(x，y)处的像素点的灰度值，a(x，y)为输入的SAR图像A在坐标(x，y)处的像素点的灰度值。

步骤2.将输入SAR图像A的目标图像T从输入的SAR图像A中移除，得到移除目标图像后的SAR图像B，该移除目标图像后的SAR图像B在坐标(x，y)处的像素点的灰度值b(x，y)为：

式中，t(x，y)为目标图像T在坐标(x，y)处的像素点的灰度值，a(x,y)为输入的SAR图像A在坐标(x，y)处的像素点的灰度值。

步骤3.根据不同迭代次数，利用SRAD算法对移除目标图像后的SAR图像B进行滤波处理，得到不同迭代次数的滤波处理后图像组C(i),i=1,2,…,t;

3a)设置SRAD算法的迭代初始值s(0)，迭代步长step=100，实验次数t=20，计算每次实验的SRAD滤波迭代次数：s(i)=s(0)+i×step，i=1,2,…,t；

3b)分别使用迭代次数s(i)，i=1,2,…,t；采用SRAD算法对移除目标图像后的SAR图像B进行滤波处理,得到滤波处理后的图像组C(i),i=1,2,…,t；

SRAD算法的具体实现参见Yongjian Yu and Scott T.Acton,“Speckle reducinganisotropic diffusion”IEEE Trans.Image Processing,vol.11,no.11,pp.1260-1270,Nov2002。

步骤4.分别计算滤波处理后的图像组C(i)的等效视数数组H(i)和边缘保持程度数组I(i)：

$I\left(i\right)=\frac{\left[\mathrm{\Σ}\left(\right|S_b(l,m)-S_b(l+1,m)|+|S_b(l,m)-S_b(l,m+1)\left|\right)\right]}{\left[\mathrm{\Σ}\left(\right|S_a(l,m)-S_a(l+1,m)|+|S_a(l,m)-S_a(l,m+1)\left|\right)\right]}$

式中，u和σ分别为滤波处理后的图像组C(i)中一块同质区域的均匀值和标准差，(l，m)表示移除目标图像后的SAR图像B中的边缘像素点的坐标，S_a(l，m)表示移除目标图像后的SAR图像B的边缘像素点的灰度值，S_b(l，m)表示滤波处理后的图像组C(i)边缘像素点的灰度值；H(i)的值越大，图像对比度越小，表示滤波器对斑点噪声的平滑能力越强；图像边缘保持程度I(i)越大，表示滤波器对原图像的细节保持能力越好。

步骤5.分别将等效视数数组H(i)和边缘保持程度数组I(i)标准化，得到标准化等效视数数组J(i)和标准化边缘保持程度数组K(i)：

$\left\{\begin{array}{c}J\left(i\right)=[H\left(i\right)-\min \left(H\left(i\right)\right)]/[\max \left(H\left(i\right)\right)-\min \left(H\left(i\right)\right)]\\ K\left(i\right)=[I\left(i\right)-\min \left(I\left(i\right)\right)]/[\max \left(I\left(i\right)\right)-\min \left(I\left(i\right)\right)]\end{array}\right..$

步骤6.以SRAD滤波迭代次数s(i)为横坐标，以对应的标准化等效视数数组J(i)和标准化边缘保持程度数组K(i)为纵坐标作两条曲线，则这两条曲线交点横坐标的值即为移除目标图像后的SAR图像B的SRAD最佳迭代次数a的值。

步骤7.对移除目标图像后的SAR图像B采用最佳迭代次数a进行SRAD滤波处理，得到去除斑点噪声的SAR图像D。

步骤8.将所提取出的目标图像T与去除斑点噪声的SAR图像D进行相加，得到最终去斑结果图像R。

本发明的效果可通过以下仿真实验进一步说明：

1.仿真实验环境与参数设置：

仿真实验中，各种滤波方法都是使用matlab语言编程实现。仿真实验参数设置为：双边滤波是取5×5的窗口，其中σ_d为空间域高斯函数的标准差设为6，σ_r为亮度域高斯函数的标准差设为0.2；增强Lee滤波算法采用5×5的窗口进行滤波处理；在使用本发明进行试验时，选取s(0)=1,step=100,t=20。

2.仿真实验内容：

仿真实验1，用现有的双边滤波算法对图2进行去斑处理，仿真结果如图3(a)；

仿真实验2，用现有GammaMAP滤波算法对图2进行去斑处理，仿真结果如图3(b)；

仿真实验3，用现有增强Lee滤波算法对图2进行去斑处理，仿真结果如图3(c)；

仿真实验4，用现有SRAD算法对图2进行迭代次数为101次的去斑处理，仿真结果如图3(d)；

仿真实验5，用现有的SRAD算法对图2进行迭代次数为601次的去斑处理，仿真结果如图3(e)；

仿真实验6，用本发明方法对图2进行去斑处理，仿真结果如图3(f)；

仿真实验7，用本发明对图2进行目标图像的提取，仿真结果如图4；

仿真实验8，用本发明对图2计算移除了目标图像后SAR图像的SRAD算法最佳迭代次数，仿真结果如图5。

3.仿真实验结果分析：

从图3中可以看出双边滤波算法，GammaMAP滤波算法和增强Lee滤波算法都有一定的去斑效果，但并不特别好，而且使图片产生了一定的模糊现象，会损失一部分的边缘和细节特征；用SRAD算法进行去斑时当迭代次数较小时有一定的去斑效果，当迭代次数较大时去斑效果较好，但会损失部分的目标，边缘和纹理。

从图4可以看出，已经可以比较好的提取出原图像中的目标，纹理和边缘线条等。从图3的去斑结果可以看出，对比于上述的各种滤波方法，本发明能更好的保持原图像中的线和边缘等信息，同时也能够较好的实现对同质区域的噪声平滑。

用图2中标记为1,2,3的三个同质区域的等效视数ENL和去斑结果图像的边缘保持能力ESI作为去斑结果的定量评价指标，一块同质区域的等效视数ENL越大，表示算法的去斑能力越强；边缘保持程度ESI越大表示算法保持图像的边缘的能力越强；上述几种现有的滤波方法去斑结果和本发明的去斑结果在图2三个标记的同质区域的ENL和边缘保持程度ESI列在表1中。

表1几种去斑算法结果对比

从表1中可以发现，现有的GammaMAP滤波算法和增强Lee滤波算法都可以取得一定的去斑效果，但是其边缘保持程度ESI却远落后于其他几种算法；双边滤波算法在边缘保持程度上比GammaMAP和增强Lee要好，但其去斑效果却不太理想；从表1中可以看出，当迭代次数增加时，SRAD滤波算法的均匀区域的ENL增加，但是边缘保持能力ESI下降。

以上实验结果表明，本发明相对于其它的一些经典的去斑方法具有更好的性能，在较好的去除平滑斑点噪声的同时能较好的保持了SAR图像的边缘和纹理细节，本发明具有远优于原始SRAD算法的边缘保持能力。

Claims (3)

1.一种基于目标提取和SRAD算法的SAR图像去斑方法，包括如下步骤：

(1)对输入的SAR图像A进行细节和边缘的目标图像提取，得到提取出的目标图像T；

(2)将提取出的目标图像T从输入的SAR图像A中移除，得到移除目标图像后的SAR图像B；

(3)计算移除目标图像后的SAR图像B的SRAD算法最佳迭代次数a：

3a)设置SRAD算法的迭代初始值s(0)，迭代步长step=100，实验次数t=20，计算每次实验的SRAD滤波迭代次数：s(i)=s(0)+i×step，i=1,2,…,t；

3b)分别使用迭代次数s(i)，i=1,2,…,t；对移除目标图像后的SAR图像B进行SRAD滤波,得到滤波处理结果图像组C(i),i=1,2,…,t；

3c)分别计算不同迭代次数的SRAD滤波结果图像组C(i)的等效视数数组H(i)和边缘保持程度数组I(i)：

$I\left(i\right)=\frac{\left[\mathrm{\Σ}\left(\right|S_b(l,m)-S_b(l+1,m)|+|S_b(l,m)-S_b(l,m+1)\left|\right)\right]}{\left[\mathrm{\Σ}\left(\right|S_a(l,m)-S_a(l+1,m)|+|S_a(l,m)-S_a(l,m+1)\left|\right)\right]}$

其中，u和σ分别为不同迭代次数SRAD滤波结果图像组C(i)中一块同质区域的均匀值和标准差，(l,m)表示移除目标图像后的SAR图像B中的边缘像素点的坐标，S_a(l，m)表示移除目标图像后的SAR图像B的边缘像素点的灰度值，S_b(l，m)表示不同迭代次数SRAD滤波结果图像组C(i)的边缘像素点的灰度值；H(i)的值越大，图像对比度越小，表示滤波器对斑点噪声的平滑能力越强；I(i)的值越大，表示滤波器对原图像的细节保持能力越好；

3d)分别将上述计算所得的等效视数数组H(i)和边缘保持程度数组I(i)进行标准化，得到标准化等效视数数组J(i)和标准化边缘保持程度数组K(i)；以SRAD滤波迭代次数s(i)为横坐标，以对应的标准化等效视数数组J(i)和标准化边缘保持程度数组K(i)为纵坐标作两条曲线，则这两条曲线交点横坐标的值即为移除目标图像后的SAR图像B的SRAD最佳迭代次数a的值；

(4)采用最佳迭代次数a对移除目标图像后的SAR图像B进行SRAD滤波处理，得到去除斑点噪声的SAR图像D；

(5)将所提取出的目标图像T与去除斑点噪声的SAR图像D相加，得到最终去斑结果图像R。

2.根据权利要求书1所述的基于目标提取和SRAD算法的SAR图像去斑方法，其中步骤(1)所述的对输入的SAR图像A进行细节和边缘的目标图像提取，按照如下步骤进行：

2a)对输入的SAR图像A进行双边滤波处理，根据滤波结果设置门限Y为120到180之间一数值，将滤波结果图像中灰度值小于门限Y的像素点的灰度值设为0，得到双边滤波边缘图像E；

2b)对输入的SAR图像A使用canny算子进行边缘检测，得到canny边缘图像F；

2c)将双边滤波边缘图像E和canny边缘图像F相加，得到输入的SAR图像A的总边缘图像G；

2d)将输入的SAR图像A的总边缘图像G中灰度值g(x，y)≠0处(x，y)的像素点从输入的SAR图像A中提取出来，得到目标图像Ｔ，该目标图像T在坐标(x，y)处的像素点的灰度值t(x，y)：

式中，g(x，y)为边缘图像G在坐标(x，y)处的像素点的灰度值，a(x，y)为输入的SAR图像A在坐标(x，y)处的像素点的灰度值。

3.根据权利要求书1所述的基于目标提取和SRAD算法的SAR图像去斑方法，其中所述步骤3d)中对等效视数数组H(i)和边缘保持程度数组I(i)进行标准化，是通过如下公式进行：

$\left\{\begin{array}{c}J\left(i\right)=[H\left(i\right)-\min \left(H\left(i\right)\right)]/[\max \left(H\left(i\right)\right)-\min \left(H\left(i\right)\right)]\\ K\left(i\right)=[I\left(i\right)-\min \left(I\left(i\right)\right)]/[\max \left(I\left(i\right)\right)-\min \left(I\left(i\right)\right)]\end{array}\right.;$

其中，J(i)为标准化等效视数数组，K(i)为标准化边缘保持程度数组。

Images