CN103377465B - 基于素描图和核选择的sar图像降斑方法 - Google Patents

Abstract

本发明公开了一种基于素描图和核选择的SAR图像相干斑抑制方法。主要解决现有技术在SAR图像相干斑抑制时利用图像块计算像素间相似性的过程中，没有考虑图像块内像素间相关性的问题。其实现步骤为：利用具有多尺度和多方向的比值算子提取SAR图像的素描图；根据提取的素描图把SAR图像划分为结构区域和非结构区域；利用所划分的区域的几何结构特性，构造具有方向特性各向异性核映射函数；对每一个像素，利用所构造的核映射函数，以块相似性测度搜索局部最大同质区域，用该同质区域的极大似然值作为当前像素的值，即实现对整个SAR图像相干斑的抑制。本发明提高了对SAR图像的相干斑抑制效果，可用于SAR图像去噪。

Description

基于素描图和核选择的SAR图像降斑方法

技术领域

本发明属于图像处理技术领域，涉及SAR图像相干斑抑制方法，可用于SAR图像相干斑抑制。

背景技术

SAR图像是由合成孔径雷达所发射出的电磁波遇到散射源进行后向散射时形成的，因此，在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。这使得在SAR图像中总会出现由于相干而形成的斑点信息，称作相干斑。在一定程度上，这些相干斑信息给SAR图像的理解和解译造成很大的困难。通过对SAR图像中的相干斑进行抑制，有利于对SAR图像理解和解译。因此，相干斑抑制操作是SAR图像后续处理中非常关键的技术之一。

在图像噪声抑制中，频域和空域是常见的用于对图像去噪方法进行分类的标准。频域信号处理是将信号经过时频变换，获得信号的频域特征，利用频域特征的不同对信号进行处理。因此，频域中图像去噪的方法通常是通过小波、多尺度几何等将图像信号变换到相应频域，利用噪声与真实信号间的不同频域特征实现对噪声的抑制。

空域中，图像的去噪方法以邻域像素间服从某种假设为前提，并利用该假设对当前像素点的真实值进行估计，从而实现噪声信息与图像信号保持之间的平衡。SAR图像的空域去噪方法是以SAR成像图像中的斑点满足完全发展相干斑的条件为假设，利用局部邻域像素与待估计像素间的相关关系实现对该像素真实值的估计计算。常见的估计计算方法有Lee滤波、Kuan滤波、Frost滤波等。从统计估计的角度来看，这些方法只利用局部方形窗口内的像素对中心像素进行估计，然而，依据大数定律，要想实现更为准确的图像信号恢复，对图像中的噪声干扰信息进行有效的抑制，需要利用更多的相关像素来对该像素进行估计。鉴于此，便产生了基于局部自适应搜索的SAR图像去噪方法，如：Peak-Song滤波，Wu-Matire滤波等。这类方法基于搜索过程中已扩展区域内统计特性的变化情况确定局部最大的同质区域。通过测量不同像素的局部块间的相似性也可以确定局部最大的同质区域，实现对真实信号的有效估计，提高了SAR图像信号恢复的精度和对相干斑的抑制。然而，考虑到邻域块内像素间的相关性，通常利用高斯核函数来实现块间相似性到像素间相似性的映射，对于存在边、线等几何特征的区域，该核函数不能有效地反映块内像素间的相关特性，不利于最终像素间相似性的测量，所以这些相干斑抑制方法并不能达到最好的抑制效果。

发明内容

本发明的目的在于利用图像局部块内的几何特性，即块内像素间的相关特性对相似性度量中的核函数进行选择构造，针对当前图像块相似性度量中核函数不能充分体现该图像块像素间相关性的问题，提出一种素描图和核选择的SAR图像相干斑抑制方法，以提高SAR图像信号的估计精度，实现对相干斑噪声的有效抑制。

本发明的技术方案是：利用基于乘性相干斑特性的比值算子，提取SAR图像的素描信息，形成SAR图像的素描图；依据SAR图像的素描图将SAR图像分为含有奇异信息的区域和不含奇异信息的区域，即结构区域与非结构区域，对于结构区域采用体现局部奇异性信息的高斯映射函数来搜索相似样本，对于非结构区域采用具有各向同性的高斯映射函数来搜索局部最大同质区域，具体步骤包括如下：

(1)根据SAR图像的乘性相干斑特性，利用具有多尺度和多方向的比值算子提取SAR图像的素描图；

(2)依据提取的素描图，将SAR图像划分为含有结构信息的区域和不含有结构信息的区域，即结构区域与非结构区域；

(3)利用所划分的区域的几何结构特性，构造具有方向特性各向异性核映射函数： $G_{p(x_0,y_0)}(x,y)=\frac{1}{Z}\exp (-\frac{{\left(x^{\′}\right)}^2}{{\mathrm{\σ}}^2}-\frac{{\left({\mathrm{\λy}}^{\′}\right)}^2}{{\mathrm{\σ}}^2}),$

其中,p(x₀,y₀)表示当前像素，(x,y)为当前像素的邻域像素，Z表示归一化因子,x'＝(y-y₀)sinθ+(x-x₀)cosθ,y'＝(y-y₀)cosθ-(x-x₀)sinθ，θ表示当前像素的局部方向,σ是标准方差,λ是延长因子；

(4)对每一个像素，利用所构造的核映射函数，以块相似性测度搜索局部最大同质区域，用该同质区域的极大似然值作为当前像素的值，即实现了对整个SAR图像相干斑的抑制。

本发明与现有技术相比具有如下优点：

1．利用具有多尺度多方向的比值算子提取SAR图像的素描图并根据该素描图实现SAR图像中结构区域和非结构区域的划分，更能反映图像不同区域的几何特性。

传统的区域是以局部方形窗口内的一阶、二阶统计量为特征进行划分的，且不能体现局部区域内结构信息的几何特性，本发明使用具有多尺度多方向的比值算子提取SAR图像的素描图并根据该素描图实现SAR图像中结构区域和非结构区域的划分，可以有效地提取图像局部区域的几何特性，获得更为准确的几何信息。

2．依据SAR图像的素描图对测量像素间相似性的核映射函数进行构造和选择，能更好地反映块内像素间的相关性，提高相似性样本的选择效率和最终信号估计的精度。

在原始的非局部方法中，像素间的相似性是通过计算像素局部邻域结构间的相似性得到的，由于像素局部邻域结构的几何特性未知，往往选择具有各向同性的高斯核函数来表示像素间的二维相关性特性。然而，对于存在边、线等几何特征的区域，该核函数不能有效地反映区域内像素间的相关特性，不利像素间相似性的测量。而本方法根据不同像素邻域内的几何方向特性选择构造不同的核映射函数，可以有效地对像素间的相似性进行测量。

附图说明

图1是本发明的具体流程图；

图2是采用本发明对DRASARX波段3米分辨率的Bedfordshire图像提取的素描图；

图3是本发明在区域划分时所采用的基于素描图中线段的方向所构建的矩形块示意图；

图4是分别采用RefinedLee滤波、Wu-Matrie滤波、LHRS-PRM滤波和本发明方法对DRASARX波段3米分辨率的Bedfordshire图像的降斑结果图；

图5是图4降斑结果的比值图。

具体实施方式

参照图1，本发明的实施步骤如下：

步骤1，利用具有不同尺度不同方向的边、线模板，检测并获取SAR图像的由线段组成的素描图，待检测的SAR图像如图2(a)所示。

(1.1)用具有不同方向和尺度的边、线模板检测图像，获得每个像素对各个模板的响应值，其中尺度个数N取值为3-5，方向个数M取值为18；

(1.2)对每一个像素，以各不同模板的最大响应值作为该像素的奇异性强度，以最大响应值对应的模板的方向作为该像素的局部方向，形成一幅强度图，用Canny边缘检测方法中非极大抑制方法对该强度图进行检测，得到建议草图

(1.3)选取建议草图中具有最大强度的像素，把建议草图中与该像素连通的像素连接形成初始建议线段，生成一个初始素描图S_sk,0,并设置阈值ε=10；

(1.4)利用边线模型评价初始素描图S_sk,0的编码长度增益ΔL：若ΔL＜ε，则拒绝接受该建议线段，否则接受该建议线段，将其添加到初始素描图，并搜索满足该线段末端像素与其余像素在平均拟合误差内的分割线作为新建议线段;

（1.5）若搜索到新建议线段，则转到步骤(1.4),否则结束，即得到了最终的素描图,如图2(b)所示。

步骤2，根据素描图把SAR图像划分为结构区域和非结构区域。

如果素描图中某像素的值为0，则认为SAR图像中该像素不含有奇异信息；如果素描图中某像素的值不为0，则认为SAR图像该像素含有奇异信息，且素描图中像素的值为表示该奇异信息的线段的方向。根据素描图中所有像素的值，将素描图中将所有值不为0的像素对应的SAR图像中的像素组成的区域，划作SAR图像的结构区域；将素描图中将所有值为0的像素对应的SAR图像中的像素组成的区域，划作SAR图像的非结构区域。区域划分时所采用的基于素描图中线段的方向所构建的矩形块如图3所示；

步骤3，利用所划分的区域的几何结构特性，构造具有方向特性各向异性核映射函数： $G_{p(x_0,y_0)}(x,y)=\frac{1}{Z}\exp (-\frac{{\left(x^{\′}\right)}^2}{{\mathrm{\σ}}^2}-\frac{{\left({\mathrm{\λy}}^{\′}\right)}^2}{{\mathrm{\σ}}^2}),$

其中,p(x₀,y₀)表示当前像素，(x,y)为当前像素的邻域像素，Z表示归一化因子,x'＝(y-y₀)sinθ+(x-x₀)cosθ,y'＝(y-y₀)cosθ-(x-x₀)sinθ，θ表示当前像素的局部方向,σ是标准方差,λ是延长因子，对于结构区域内的像素，θ＝该像素的局部方向，λ＝3；对于非结构区域内的像素，θ＝0，λ＝1。

步骤4，对每一个像素，利用所构造的核映射函数，以块相似性测度搜索其局部最大同质区域，用该同质区域的极大似然值作为当前像素的值，即实现了对整个SAR图像相干斑的抑制。

(4.1)设搜索方向为i＝0...N-1，局部同质区域在该方向的延伸半径为r_i,r_i的阈值为r_max，比值相似度的阈值为T，初始时令i＝0，r_i＝0，并从SAR图像中选择一个像素q；

(4.2)用相似性测度 $S(p,q)=\underset{k=1}{\overset{n}{\mathrm{\Σ}}}{G}_{p(x_0,y_0)}\left(k\right){\left|\right|\mathrm{\ρ}(N_p\left(k\right),N_q\left(k\right))\left|\right|}^2$ 搜索像素p的局部同质区域在方向上的延伸半径，

其中，表示当前像素p(x₀,y₀)邻域块中的第k个像素对应的核映射函数，n表示当前像素p(x₀,y₀)邻域块中像素的个数，N_p(k)表示像素p(x₀,y₀)邻域块中的第k个像素，N_q(k)表示像素q邻域块中的第k个像素；ρ(N_p(k),N_q(k))表示像素p和像素q的邻域块中第k个像素对应的比值相似度，||.||²为二范数运算；

(4.3)当S(p,q)＞T或者r_i＜r_max时，将在当前方向的延伸半径上获得的新像素作为像素q，返回步骤(4.2)；否则，当i＜N-1时，记录当前的延伸半径，令i＝i+1，返回步骤(4.2)；若以上条件均不满足，则当前延伸半径对应的区域即为像素p的局部最大同质区域；

(4.4)对SAR图像的每一个像素执行步骤(4.2)到(4.3)，即可得到每个像素对应的局部最大同质区域。

(4.5)将每个像素的局部最大同质区域的极大似然值作为当前像素的值，即实现了对整个SAR图像相干斑的抑制。

本发明的优点由以下仿真实验的结果进一步说明。

1.仿真条件

选取DRASARX波段3米分辨率的Bedfordshire图像；

构造边、线模板的参数N取值为3，M取值为18，阈值ε取值为10；

依据获得的方向信息，构建沿几何方向为7，垂直于几何方向为5，大小为5×7的方向块；

SAR图像的结构区域中核映射函数的延长因子λ＝3，所有的核映射函数的方差σ＝2，阈值T取值为0.389，最大搜索半径为r_max＝7。

2.仿真内容与结果

仿真内容：用本发明与现有的RefinedLee滤波、Wu-Matire滤波和LMHR-PRM滤波方法对DRASARX波段3米分辨率的Bedfordshire图像进行相干斑抑制，实验结果如图4所示。其中图4(a)为原图，图4(b)为RefinedLee滤波方法的结果图，图4(c)为Wu-Matire滤波方法的结果图，图4(d)为LMHR-PRM滤波方法的结果图，图4(e)为本发明的结果。本发明与现有的RefinedLee滤波、Wu-Matire滤波和LMHR-PRM滤波方法对DRASARX波段3米分辨率的Bedfordshire图像进行相干斑抑制结果的比值图如图5所示，其中图5(a)为RefinedLee滤波方法进行相干斑抑制结果的比值图,5(b)为Wu-Matire滤波方法进行相干斑抑制结果的比值图,5(c)为LMHR-PRM滤波方法进行相干斑抑制结果的比值图,5(d)为本发明进行的相干斑抑制结果的比值图。

本发明与现有的RefinedLee滤波、Wu-Matire滤波和LMHR-PRM滤波方法的SAR图像相干斑抑制评价指标比值图的均值Mean和方差Variance，垂直方向的边缘保持指数EPD-RoA(V)、水平方向的边缘保持指数EPD-RoA(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

	Mean	Variance	EPD-RoA(H)	EPD-RoA(V)	ENL(A)	ENL(B)
							Refined-Lee	0.9872	0.0536	0.9529	0.9187	19.76	30.72
Wu-Matrie	0.9907	0.0470	0.9541	0.9207	13.62	14.46
							LHRS_PRM	0.9789	0.0862	0.9436	0.9054	50.84	105.83
本发明方法	0.9859	0.0810	0.9465	0.9107	61.48	135.80

从图4可以看出，由于本发明对结构区域和非结构区域进行了划分，相对于RefinedLee滤波、Wu-Matire滤波和LMHR-PRM滤波，提高了SAR图像奇异信息保持；采用的基于局部块测度和局部几何特性的核映射函数优于传统的基于统计变化的和固定核映射函数的方法，提高了相干斑抑制的效果；

从表1可以看出，本发明采用基于局部几何特性的核映射函数的策略使得在最大程度地抑制斑点噪声的同时，能够很好地保持图像的散射特性和几何结构信息。相对于RefinedLee滤波、Wu-Matire滤波和LMHR-PRM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做到了较好的平衡。

综上所述，本发明实现了SAR图像奇异性信息保持与相干斑抑制之间的平衡，获得了良好的SAR图像相干斑抑制效果。

Claims (1)

1.一种基于素描图和核选择的SAR图像相干斑抑制方法，包括如下步骤：

(1)根据SAR图像的乘性相干斑特性，利用具有多尺度和多方向的比值算子提取SAR图像的素描图：

(1.1)用具有不同方向和尺度的边、线模板检测图像，获得每个像素对各个模板的响应值，其中尺度个数N取值为3-5，方向个数M取值为18；

(1.2)对每一个像素，以各不同模板的最大响应值作为该像素的奇异性强度，以最大响应值对应的模板的方向作为该像素的局部方向，形成一幅强度图，用Canny边缘检测方法中非极大抑制方法对该强度图进行检测，得到建议草图

(1.3)选取建议草图中具有最大强度的像素，把建议草图中与该像素连通的像素连接形成初始建议线段，生成一个初始素描图S_sk,0,并设置阈值ε＝10；

(1.4)利用边线模型评价初始素描图S_sk,0的编码长度增益ΔL：若ΔL<ε，则拒绝接受该建议线段，否则接受该建议线段，将其添加到初始素描图，并搜索满足该线段末端像素与其余像素在平均拟合误差内的分割线作为新建议线段；

(1.5)若搜索到新建议线段，则转到步骤(1.4),否则结束，即得到了最终的素描图；

(2)依据提取的素描图，将SAR图像划分为含有结构信息的区域和不含有结构信息的区域，即结构区域与非结构区域，其划分规则如下：

素描图中所有值不为0的像素，含有奇异信息，将这些像素对应的SAR图像中的像素组成的区域，划作SAR图像的含有奇异信息的区域；

素描图中所有值为0的像素，不含有奇性信息，将这些像素对应的SAR图像中的像素组成的区域，划作SAR图像的不含奇异信息的区域；

(3)利用所划分的区域的几何结构特性，构造具有方向特性各向异性核映射函数： $G_{p(x_0,y_0)}(x,y)=\frac{1}{Z}\exp (-\frac{{\left(x^{\&prime;}\right)}^2}{{\mathrm{\&sigma;}}^2}-\frac{{\left({\mathrm{\&lambda;y}}^{\&prime;}\right)}^2}{{\mathrm{\&sigma;}}^2}),$

其中,p(x₀,y₀)表示当前像素，(x,y)为当前像素的邻域像素，Z表示归一化因子,x'＝(y-y₀)sinθ+(x-x₀)cosθ,y'＝(y-y₀)cosθ-(x-x₀)sinθ，θ表示当前像素的局部方向,σ是标准方差,λ是延长因子；

(4)对每一个像素，利用所构造的核映射函数，以块相似性测度搜索局部最大同质区域，用该同质区域的极大似然值作为当前像素的值，即实现对整个SAR图像相干斑的抑制：

(4.1)设搜索方向为i＝0...N-1，局部同质区域在该方向的延伸半径为r_i,r_i的阈值为r_max，比值相似度的阈值为T，初始时令i＝0，r_i＝0，并从SAR图像中选择一个像素q；

(4.2)用相似性测度 $S(p,q)=\underset{k=1}{\overset{n}{\&Sigma;}}{G}_{p(x_0{y}_{0)}}\left(k\right)\left|\right|\mathrm{\&rho;}\left(N_p\right(k),N_q(k\left)\right)|{|}^2$ 搜索像素p的局部同质区域在方向上的延伸半径，

其中，表示当前像素p(x₀,y₀)邻域块中的第k个像素对应的核映射函数，n表示当前像素p(x₀,y₀)邻域块中像素的个数，N_p(k)表示像素p(x₀,y₀)邻域块中的第k个像素，N_q(k)表示像素q邻域块中的第k个像素；ρ(N_p(k),N_q(k))表示像素p和像素q的邻域块中第k个像素对应的比值相似度，||.||²为二范数运算；

(4.3)当S(p,q)>T或者r_i<r_max时，将在当前方向的延伸半径上获得的新像素作为像素q，返回步骤(4.2)；否则，当i<N-1时，记录当前的延伸半径，令i＝i+1，返回步骤(4.2)；若以上条件均不满足，则当前延伸半径对应的区域即为像素p的局部最大同质区域；

(4.4)对SAR图像的每一个像素执行步骤(4.2)到(4.3)，即可得到每个像素对应的局部最大同质区域。