CN105785363B - 一种极化合成孔径雷达图像的span增强方法 - Google Patents
一种极化合成孔径雷达图像的span增强方法 Download PDFInfo
- Publication number
- CN105785363B CN105785363B CN201410809055.7A CN201410809055A CN105785363B CN 105785363 B CN105785363 B CN 105785363B CN 201410809055 A CN201410809055 A CN 201410809055A CN 105785363 B CN105785363 B CN 105785363B
- Authority
- CN
- China
- Prior art keywords
- image
- polarization
- synthetic aperture
- aperture radar
- radar 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.)
- Active
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明属于图像增强技术领域,具体涉及一种极化合成孔径雷达影像的span增强方法。本发明包括以下步骤:设定四个不同收发极化通道的强度图像和均值;设定与四个极化通道图像对应的权重系数;设定一个大于1的实数p,通过对各个极化通道图像开方运算使得相干斑噪声的幅度更接近于恒数值1;对各个极化通道图像开方运算结果对应像素数值求均值,形成一幅单一的雷达图像,结果记为A;应用实数p对图像A逐点求幂值,结果记为B;求图像B的均值,表示为<B>;求四个极化通道强度图像对应像素的和,形成图像C;求图像C的均值,表示为<C>;令图像B乘以常数
Description
技术领域
本发明属于图像增强技术领域,具体涉及一种极化合成孔径雷达图像的span增强方法。
背景技术
一般单通道单极化合成孔径雷达图像仅能获得目标场景的某一特定极化收发组合下的目标散射特性,多极化合成孔径雷达可以获得目标场景的多种极化组合图像,极大增强了合成孔径雷达对目标信息的获取能力。
雷达图像的相干斑是图像像素中多个散射点子回波相干合成的结果,是合成孔径雷达系统的固有特征,相干斑噪声是一种均值为1的乘性噪声。相干斑噪声的存在造成雷达图像质量的下降,影响后续雷达图像分析的应用。
现有雷达图像span增强方法是通过简单的将各个极化通道的强度图像进行直接非相干相加实现的,具有一定的物理意义,但是相干斑噪声的消除有限,其增强结果作为雷达图像极化分析处理的一个重要约束条件,影响极化分析结果的精度。
发明内容
本发明的目的在于提供一种极化合成孔径雷达图像的span增强方法,该方法能够提高图像的质量和极化分析结果的精度。
本发明采用了如下技术方案:
一种极化合成孔径雷达图像的span增强方法,包括以下步骤:
步骤(1)、设定全极化合成孔径雷达图像四个不同收发极化通道的强度图像和均值;
步骤(2)、设定与四个极化通道图像对应的权重系数;
步骤(3)、设定一个大于1的实数p,通过对各个极化通道图像开方运算使得相干斑噪声的幅度更接近于恒数值1;
步骤(4)、对上述步骤(3)中各个极化通道图像开方运算结果对应像素数值求均值,形成一幅单一的雷达图像,结果记为A;
步骤(5)、应用实数p对步骤(4)中图像A逐点求幂值,结果记为B;
步骤(6)、求步骤(5)中图像B的均值,表示为<B>;
步骤(7)、求四个极化通道强度图像对应像素的和,形成图像C;
步骤(8)、求步骤(7)中图像C的均值,表示为<C>;
步骤(9)、令步骤(5)中图像B乘以常数结果图像记为R。
一种极化合成孔径雷达图像的span增强方法,所述步骤(1)中全极化合成孔径雷达图像四个不同收发极化通道的强度图像分别为:Ihh、Ihv、Ivh和Ivv,各极化通道强度图像的均值分别表达为:<Ihh>、<Ihv>、<Ivh>和<Ivv>。
一种极化合成孔径雷达图像的span增强方法,所述步骤(2)中四个极化通道图像对应的权重系数分别记为:whh、whv、whv和wvv,设定其中一个权重系数为1,选定hh通道极化的权重系数为1,即whh值等于1,则whv值等于wvh值等于wvv值等于
一种极化合成孔径雷达图像的span增强方法,所述步骤(3),先将步骤(1)中四个极化通道的强度图像Ihh、Ihv、Ivh、Ivv分别与步骤(2)中的权重系数whh、whv、whv、wvv相乘,然后用该实数p对相乘后数据进行开方运算,开方运算结果表示为:和
一种极化合成孔径雷达图像的span增强方法,所述步骤(4)中A的表达式 为:
一种极化合成孔径雷达图像的span增强方法,所述步骤(5)中B的表达式为:B=Ap。
一种极化合成孔径雷达图像的span增强方法,所述步骤(7)中B的表达式为:C=Ihh+Ihv+Ivh+Ivv。
一种极化合成孔径雷达图像的span增强方法,所述步骤(9)中R的表达式为:
本发明的有益效果是:本发明的一种极化合成孔径雷达图像的span增强方法,基于乘性噪声模型,通过改变雷达图像的相干斑噪声空间分布特性,能够进一步抑制了图像的相干斑的噪声,不仅提高了图像的质量,也提高了极化分析结果的精度。
具体实施方式
下面结合实施例对本发明的一种极化合成孔径雷达图像的span增强方法作进一步说明。
本发明所提供的一种极化合成孔径雷达图像的span增强方法,包括以下步骤:
步骤(1)、设定全极化合成孔径雷达图像四个不同收发极化通道的强度图像分别为:Ihh、Ihv、Ivh和Ivv,各极化通道强度图像的均值分别表达为:<Ihh>、<Ihv>、<Ivh>和<Ivv>;
步骤(2)、设定与四个极化通道图像对应的权重系数,分别记为:whh、whv、whv和wvv,设定其中一个权重系数为1,选定hh通道极化的权重系数为1,即whh值等于1,则whv值等于wvh值等于wvv值等于
步骤(3)、设定一个大于1的实数p,先将上述步骤(1)中四个极化通道的强度图像Ihh、Ihv、Ivh、Ivv分别与上述步骤(2)中的权重系数whh、whv、whv、wvv相乘,然后用该实数p对相乘后数据进行开方运算,开方运算结果表示为: 和通过运算使得相干斑噪声的幅度更接近于恒数值1;
步骤(4)、对上述步骤(3)中各个极化通道图像开方运算结果 对应像素数值求均值,形成一幅单一的雷达图像,记为:A,则
步骤(5)、应用实数p对步骤(4)中图像A逐点求幂值,结果记为B,则B=Ap;
步骤(6)、求步骤(5)中图像B的均值,表示为<B>;
步骤(7)、求四个极化通道强度图像对应像素的和,形成图像C,则C=Ihh+Ihv+Ivh+Ivv;
步骤(8)、求步骤(7)中图像C的均值,表示为<C>;
步骤(9)、令步骤(5)中图像B乘以常数结果图像记为R,R即为新的span方法增强处理的结果,图像像素数值表达了对应目标对雷达不同收发回波的总和。
上面结合实施例对本发明作了详细说明,但是本发明并不限于上述实施例,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下作出各种变化。本发明中未作详细描述的内容均可以采用现有技术。
Claims (5)
1.一种极化合成孔径雷达图像的span增强方法,其特征在于:包括以下步骤:
步骤(1)、设定全极化合成孔径雷达图像四个不同收发极化通道的强度图像和均值;
步骤(2)、设定与四个极化通道图像对应的权重系数;
步骤(3)、设定一个大于1的实数p,通过对各个极化通道图像开方运算使得相干斑噪声的幅度更接近于恒数值1;
步骤(4)、对上述步骤(3)中各个极化通道图像开方运算结果对应像素数值求均值,形成一幅单一的雷达图像,结果记为A;
步骤(5)、应用实数p对步骤(4)中图像A逐点求幂值,结果记为B;
步骤(6)、求步骤(5)中图像B的均值,表示为<B>;
步骤(7)、求四个极化通道强度图像对应像素的和,形成图像C;
步骤(8)、求步骤(7)中图像C的均值,表示为<C>;
步骤(9)、令步骤(5)中图像B乘以常数结果图像记为R;
所述步骤(1)中全极化合成孔径雷达图像四个不同收发极化通道的强度图像分别为:Ihh、Ihv、Ivh和Ivv,各极化通道强度图像的均值分别表达为:<Ihh>、<Ihv>、<Ivh>和<Ivv>;
所述步骤(2)中四个极化通道图像对应的权重系数分别记为:whh、whv、whv和wvv,设定其中一个权重系数为1,选定hh通道极化的权重系数为1,即whh值等于1,则whv值等于wvh值等于wvv值等于
所述步骤(3),先将步骤(1)中四个极化通道的强度图像Ihh、Ihv、Ivh、Ivv分别与步骤(2)中的权重系数whh、whv、whv、wvv相乘,然后用该实数p对相乘后数据进行开方运算,开方运算结果表示为:和
2.根据权利要求1所述的一种极化合成孔径雷达图像的span增强方法,其特征在于:所述步骤(4)中A的表达式为:
3.根据权利要求1所述的一种极化合成孔径雷达图像的span增强方法,其特征在于:所述步骤(5)中B的表达式为:B=Ap。
4.根据权利要求1所述的一种极化合成孔径雷达图像的span增强方法,其特征在于:所述步骤(7)中C的表达式为:C=Ihh+Ihv+Ivh+Ivv。
5.根据权利要求1所述的一种极化合成孔径雷达图像的span增强方法,其特征在于:所述步骤(9)中R的表达式为:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410809055.7A CN105785363B (zh) | 2014-12-23 | 2014-12-23 | 一种极化合成孔径雷达图像的span增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410809055.7A CN105785363B (zh) | 2014-12-23 | 2014-12-23 | 一种极化合成孔径雷达图像的span增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105785363A CN105785363A (zh) | 2016-07-20 |
CN105785363B true CN105785363B (zh) | 2018-02-13 |
Family
ID=56385616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410809055.7A Active CN105785363B (zh) | 2014-12-23 | 2014-12-23 | 一种极化合成孔径雷达图像的span增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105785363B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106597381A (zh) * | 2016-12-02 | 2017-04-26 | 西安电子科技大学 | 全相参全极化mimo雷达四通道融合目标检测方法 |
CN108205134B (zh) * | 2016-12-16 | 2021-09-17 | 核工业北京地质研究院 | 一种极化合成孔径雷达影像的次地表信息增强方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101699513A (zh) * | 2009-10-29 | 2010-04-28 | 电子科技大学 | 一种基于极化特征分解的水平集极化sar图像分割方法 |
CN102053248A (zh) * | 2010-11-12 | 2011-05-11 | 哈尔滨工业大学 | 基于商空间粒度计算的极化合成孔径雷达图像目标检测方法 |
CN102073989A (zh) * | 2010-11-09 | 2011-05-25 | 西安电子科技大学 | 融入pca的非局部均值的极化sar数据相干斑抑制方法 |
WO2011154804A1 (en) * | 2010-06-07 | 2011-12-15 | Universitat Politècnica De Catalunya | Method for estimating the topography of the earth's surface in areas with plant cover |
CN102323989A (zh) * | 2011-09-16 | 2012-01-18 | 西安电子科技大学 | 基于奇异值分解非局部均值的极化sar数据相干斑抑制方法 |
CN104182945A (zh) * | 2014-08-30 | 2014-12-03 | 西安电子科技大学 | 基于非局部双边滤波的极化sar相干斑噪声抑制方法 |
-
2014
- 2014-12-23 CN CN201410809055.7A patent/CN105785363B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101699513A (zh) * | 2009-10-29 | 2010-04-28 | 电子科技大学 | 一种基于极化特征分解的水平集极化sar图像分割方法 |
WO2011154804A1 (en) * | 2010-06-07 | 2011-12-15 | Universitat Politècnica De Catalunya | Method for estimating the topography of the earth's surface in areas with plant cover |
CN102073989A (zh) * | 2010-11-09 | 2011-05-25 | 西安电子科技大学 | 融入pca的非局部均值的极化sar数据相干斑抑制方法 |
CN102053248A (zh) * | 2010-11-12 | 2011-05-11 | 哈尔滨工业大学 | 基于商空间粒度计算的极化合成孔径雷达图像目标检测方法 |
CN102323989A (zh) * | 2011-09-16 | 2012-01-18 | 西安电子科技大学 | 基于奇异值分解非局部均值的极化sar数据相干斑抑制方法 |
CN104182945A (zh) * | 2014-08-30 | 2014-12-03 | 西安电子科技大学 | 基于非局部双边滤波的极化sar相干斑噪声抑制方法 |
Also Published As
Publication number | Publication date |
---|---|
CN105785363A (zh) | 2016-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Chien et al. | Color image enhancement with exact HSI color model | |
Li et al. | Underwater image de-scattering and classification by deep neural network | |
Singh et al. | Image enhancement using exposure based sub image histogram equalization | |
WO2018161775A1 (zh) | 一种用于图像处理的神经网络模型的训练方法、装置和存储介质 | |
Santhi et al. | Adaptive contrast enhancement using modified histogram equalization | |
AU2018289402A1 (en) | System and method for hyperspectral image processing to identify object | |
FR3074596B1 (fr) | Procede de caracterisation d'echantillons utilisant des reseaux de neurones | |
Zhang et al. | Simultaneous enhancement and noise reduction of a single low‐light image | |
CN111766577B (zh) | 一种基于三阶段算法p波段的输电线路通道树木高度反演方法 | |
CN105785363B (zh) | 一种极化合成孔径雷达图像的span增强方法 | |
JP2016538945A5 (zh) | ||
CN103761724A (zh) | 基于超现实亮度对比度传递算法的可见光与红外视频融合方法 | |
Hu et al. | A novel retinex algorithm and its application to fog-degraded image enhancement | |
US20130182944A1 (en) | 2d to 3d image conversion | |
WO2014141163A3 (en) | Determining a residual mode image from a dual energy image | |
CN101488218B (zh) | 一种图像自适应空域同态滤波方法 | |
CN104217430A (zh) | 基于l1正则化的图像显著性检测方法 | |
CN109461171A (zh) | 基于多通道改进DoG滤波的红外弱小目标检测算法 | |
CN110929574A (zh) | 一种红外弱小目标快速检测方法 | |
Yun et al. | Image enhancement algorithm based on improved lateral inhibition network | |
CN109975805A (zh) | 基于稀疏和全变差联合正则化的多平台星座sar成像方法 | |
CN111445394B (zh) | 空对地观测的可见光图像自适应增强方法 | |
CN107833195B (zh) | 在轨海洋暗弱目标光学图像增强方法 | |
Moreira et al. | Tracking targets in sea surface with the WiSARD weightless neural network | |
Jeon et al. | CMSNet: Deep Color and Monochrome Stereo |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |