CN105809632B - 从预定农作物的雷达影像去除噪声的方法 - Google Patents

Abstract

提供一种从预定农作物的雷达影像去除噪声的方法，包括：(A)获取预定农作物在不同生长期的雷达影像；(B)基于各个像元在雷达影像中的属性，将各个像元分别分类为预定农作物像元和非预定农作物像元；(C)通过将预定农作物像元的像元值和非预定农作物像元的像元值进行二值化处理来产生预定农作物影像；(D)利用滑动窗口来去除预定农作物影像中的斑点噪声。根据所述方法，能够有效地去除雷达影像中的斑点噪声，并且提高了处理雷达影像的精度和效率，同时保留了地物的边缘形状。

Description

从预定农作物的雷达影像去除噪声的方法

技术领域

本发明总体来说涉及遥感图像处理领域。更具体地讲，涉及一种从预定农作物的雷达影像去除噪声的方法。

背景技术

雷达影像能够客观、准确、及时地提供农作物在空间和时间上的分布信息以及农作物模型所需要的状态参量(例如，生物量、叶面积指数等)，应用卫星遥感技术在大中尺度农作物长势监测和产量预测上具有得天独厚的优势。并且，掌握农作物在时间和空间上的分布信息能用于估算农作物产量，对政府制定相关政策具有重要的意义。

但是，雷达影像具有一定的噪声，这是因为地面目标在一个雷达分辨单元面积内是由许多散射体组成的，这些散射体对于入射的雷达波都会产生散射。各散射体的散射波相干叠加的结果将会在雷达影像中产生“斑点”噪声。由于“斑点”噪声掩盖了影像的精细结构，严重降低了影像的质量，从而影响目标识别和影像解译，有时，“斑点”噪声与较细小的目标相互掺杂，会显著降低影像信噪比，影响影像的判读效果，噪声严重时，甚至可导致地物特征消失而无法判读，因此，影像去噪是雷达影像处理环节中的重要一环。

通常利用gamma滤波、sigma滤波等滤波方法来去除“斑点”噪声，但效果较差。虽然利用基于形态学的统计窗口滤波对去除雷达影像的“斑点”噪声取得了一定的效果，但是，利用基于形态学的统计窗口滤波处理后，改变了相应地物区域边缘形状且像元具有颗粒状，并且，数据处理速度较慢。

综上所述，现有的去除雷达影像噪声的方法满足不了保留地物边缘形状、高效、高精度的要求。

发明内容

本发明的示例性实施例在于提供一种从预定农作物的雷达影像去除噪声的方法，以克服现有技术中在去除斑点噪声时不能保留地物边缘形状，处理效率和精度不理想的问题。

本发明提供一种从预定农作物的雷达影像去除噪声的方法，包括：(A)获取所述预定农作物在不同生长期的雷达影像；(B)基于各个像元在所述雷达影像中的属性，将所述各个像元分别分类为预定农作物像元和非预定农作物像元；(C)通过将预定农作物像元的像元值和非预定农作物像元的像元值进行二值化处理来产生预定农作物影像；(D)利用滑动窗口来去除预定农作物影像中的斑点噪声，其中，所述滑动窗口具有固定形状且覆盖整数个像元，其中，在滑动窗口以单个像元为单位进行滑动的情况下，当位于滑动窗口边缘的像元均为非预定农作物像元且滑动窗口内部包含不与滑动窗口外部连通的预定农作物像元时，将所述不与滑动窗口外部连通的预定农作物像元确定为斑点噪声。

可选地，在步骤(C)和步骤(D)之间，还包括：(E)对预定农作物影像进行重采样，并且，在步骤(D)中，利用滑动窗口来去除重采样后的预定农作物影像中的斑点噪声。

可选地，步骤(A)包括：(a1)接收由卫星拍摄的所述预定农作物在不同生长期的雷达影像；(a2)对接收的雷达影像进行gamma滤波。

可选地，所述预定农作物为甘蔗。

可选地，所述不同生长期对应于易于将甘蔗与其他农作物进行区分的三月份和八月份。

可选地，在步骤(B)中，将满足以下条件的像元确定为预定农作物像元：

其中，α_t(x)表示像元t在八月份的雷达影像中的极化散射角度值，α_t(y)表示像元t在三月份的雷达影像中的极化散射角度值，M表示预先设置的极化散射角度阈值，T11_t(y)表示像元t在三月份的雷达影像中的单次或奇次反射强度，N表示预先设置的反射强度阈值。

可选地，所述滑动窗口为矩形框。

可选地，步骤(D)还包括：在滑动窗口以单个像元为单位进行滑动的情况下，当位于滑动窗口边缘的像元均为预定农作物像元且滑动窗口内部包含不与滑动窗口外部连通的非预定农作物像元时，将所述不与滑动窗口外部连通的非预定农作物像元确定为斑点噪声。

在根据本发明示例性实施例的从预定农作物的雷达影像去除噪声的方法中，可以利用窗口边缘连通性对雷达影像进行去噪处理，通过所述处理方式，提高了处理雷达影像的精度和效率，同时保留了地物的边缘形状。

附图说明

图1示出根据本发明示例性实施例的从预定农作物的雷达影像去除噪声的方法的流程图；

图2示出根据本发明示例性实施例的获取雷达影像步骤的流程图；

图3示出根据本发明示例性实施例的二值化处理后的预定农作物影像；

图4示出根据本发明示例性实施例的利用滑动的窗口去除预定农作物影像中的斑点噪声的示例；

图5示出分别根据现有技术和本发明示例性实施例从甘蔗的雷达影像中去除斑点噪声的效果对比图；

图6示出根据本发明另一示例性实施例的从预定农作物的雷达影像去除噪声的方法的流程图；

图7示出根据本发明示例性实施例的雷达影像斑点噪声处理前后对比图。

具体实施方式

现将详细参照本发明的实施例，所述实施例的示例在附图中示出，其中，相同的标号始终指的是相同的部件。以下将通过参照附图来说明所述实施例，以便解释本发明。

图1示出根据本发明示例性实施例的从预定农作物的雷达影像去除噪声的方法的流程图。这里，作为示例，所述方法可由雷达影像成像设备或相关的图像处理设备来实现，也可完全通过计算机程序来实现，例如，本发明示例性实施例的方法可利用IDL(Interactive Data Language)编程来实现。

IDL是一种数据分析图像化应用程序及编程语言，集开放性、高维分析能力、科学计算能力、实用性和可视化分析为一体。IDL语言内置的数学库函数可以大大地减少图像处理算法开发的工作量，用IDL语言编写的程序可以不加修改地在其他可以运行IDL的平台上运行，这样开发出来的系统自然地具有可移植性。IDL语言最初在七十年代后期用于帮助科学家分析火星探险卫星发回的数据，将浩瀚的数据转换为图像。此后，IDL得到广泛运用，使用者呈几何级别增长。IDL使用者可以迅速且方便地运用此软件将数据转换为图像，促进分析和理解。通过软件转化的图像既可以是简单色彩，也可以是全色三维图像和模型。

如图1所示，在步骤S100，获取所述预定农作物在不同生长期的雷达影像。

这里，作为示例，所述预定农作物可以为甘蔗，在所述预定农作物为甘蔗的情况下，所述不同生长期对应于易于将甘蔗与其他农作物进行区分的三月份和八月份。应理解，所述预定农作物不限于甘蔗，也可是其他预定农作物，相应地，所述不同生长期也可对应于易于将除甘蔗之外的农作物进行区分的不同月份。

以下将参照图2来描述根据本发明示例性实施例的获取雷达影像步骤S100的流程。

图2示出根据本发明示例性实施例的获取雷达影像步骤S100的流程图。

参照图2，在步骤S110，接收由卫星拍摄的所述预定农作物在不同生长期的雷达影像。

这里，作为示例，所述雷达影像可以是由载有SAR(合成孔径雷达)的Radarsat-2卫星拍摄的Radarsat-2影像。在接收由Radarsat-2卫星拍摄的Radarsat-2影像之后，可对Radarsat-2影像进行预处理。这里，预处理主要是指对Radarsat-2影像进行影像纠正、影像配准等工作。例如，可对Radarsat-2影像进行定标和几何校正，这里，作为示例，所述定标是指将传感器记录的电压或数字化量值(DN)转换成绝对辐射亮度值(辐射率)的过程，或转换成与地表(表现)反射率、表面(表现)温度等物理量有关的相对值的处理过程。而几何校正的目的是为消除因传感器平台本身的高度、姿态等不稳定、地球曲率及空气折射的变化以及地形变化等一些非系统性的几何变形。此外，作为示例，还可采用PCI软件中的Radarsat-2模块对Radarsat-2进行正射校正。

虽然Radarsat-2影像具有较高分辨率、几何准确度高的特点，但是，Radarsat-2影像具有一定的噪声，这种噪声是由于雷达目标不断运动引起测量参数的不规则变化引起的，所以，还需要对Radarsat-2影像进行除噪处理。由于Gamma滤波的效果优于sigma滤波和Frost滤波，可选择对雷达影像(即，Radarsat-2影像)进行Gamma滤波。

在步骤S120，可对接收的雷达影像进行Gamma滤波。作为示例，可选择具有固定形状且覆盖5×5像元矩阵的窗口对所述雷达影像进行5次滤波，目的是去除所述Radarsat-2影像中带有物理特性的噪声。但是，经过Gamma滤波的雷达影像中依然存在具有非物理性规律的噪声(例如，斑点噪声)。

参照回图1，在步骤S200，基于各个像元在所述雷达影像中的属性，将所述各个像元分别分类为预定农作物像元和非预定农作物像元。

作为示例，在所述预定农作物为甘蔗的情况下，在步骤S100获取甘蔗在三月份和八月份的雷达影像之后，可选择具有公共区域的三月份和八月份的雷达影像，这是由于所述两次的雷达影像可能存在一定的错位，再利用具有公共区域的三月份和八月份的雷达影像中相应的各个像元的属性(例如，极化散射角度值、单次或奇次反射强度)，对各个像元进行阈值处理，这里，作为示例，可根据甘蔗经验公式设置阈值来提取甘蔗像元。

具体说来，在步骤S200，将满足以下条件的像元确定为甘蔗像元：

其中，α_t(x)表示像元t在八月份的雷达影像中的极化散射角度值，α_t(y)表示像元t在三月份的雷达影像中的极化散射角度值，M表示预先设置的极化散射角度阈值，T11_t(y)表示像元t在三月份的雷达影像中的单次或奇次反射强度，N表示预先设置的反射强度阈值。作为示例，在所述预定农作物为甘蔗的情况下，根据经验，预先设置的极化散射角度阈值M可以是153，预先设置的反射强度阈值N可以是40。

在根据上述条件区分预定农作物像元(即，甘蔗像元)和非预定农作物像元(即，非甘蔗像元)之后，在步骤S300，通过将预定农作物像元的像元值和非预定农作物像元的像元值进行二值化处理来产生预定农作物影像。

这里，作为示例，为了区分预定农作物像元和非预定农作物像元，可将预定农作物像元的灰度值赋值为255(白色)、将非预定农作物像元的灰度值赋值为0(黑色)。

应理解，根据处理需要，也可将预定农作物像元的灰度值赋值为0、将非预定农作物像元的灰度值赋值为255。

图3示出根据本发明示例性实施例的二值化处理后的预定农作物影像。

参照图3，作为示例，在所述预定农作物为甘蔗的情况下，图3中的白色部分是经二值化处理后的甘蔗像元，黑色部分是经二值化处理后的非甘蔗像元。这里，经阈值处理后的甘蔗影像中存在很多斑点噪声，例如，存在于甘蔗区域外的斑点噪声(例如，白色)和存在于甘蔗区域内的斑点噪声(例如，黑色)。

另一方面，由于经阈值处理后的斑点噪声不具有传统的乘性和加性噪声的性质，因此传统的噪声滤波方法并不适用。在现有技术中，通常会利用形态学的方法(统计窗口滤波方法)，基于腐蚀和膨胀的算法去除雷达影像中的斑点噪声，例如，选取一定的窗口，统计窗口内甘蔗像元的数目，如果甘蔗像元的数目占窗口总像元数目的比例大于预定阈值(例如，70％)，则将窗口中心像元分类为甘蔗；如果甘蔗像元的数目占窗口总像元数目的比例小于预定阈值(例如，30％)，则将窗口中心像元分类为非甘蔗。虽然利用基于形态学的统计窗口滤波对去除雷达影像的斑点噪声取得了一定的效果，但是，利用基于形态学的统计窗口滤波处理后，改变了甘蔗区域边缘形状且像元具有颗粒状，并且，数据处理速度较慢，不适于斑点噪声的去除。

因此，可采用根据本发明的示例性实施例的基于形态学利用窗口的边缘连通性进行斑点噪声的去除，具体方式如下：

参照回图1，在步骤S400，利用滑动窗口来去除预定农作物影像中的斑点噪声，其中，所述滑动窗口具有固定形状且覆盖整数个像元，其中，在滑动窗口以单个像元为单位进行滑动的情况下，当位于滑动窗口边缘的像元均为非预定农作物像元且滑动窗口内部包含不与滑动窗口外部连通的预定农作物像元时，将所述不与滑动窗口外部连通的预定农作物像元确定为斑点噪声。这里，所述滑动窗口可以是覆盖9×9像元矩阵的矩形框，作为示例，所述滑动窗口边缘的像元的灰度值可与预定农作物像元相反。

下面，以去除预定农作物区域外的预定农作物斑点噪声为例，结合图4来描述利用滑动窗口去除预定农作物影像中的斑点噪声的示例。

图4示出根据本发明示例性实施例的利用滑动的窗口去除预定农作物影像中的斑点噪声的示例。如图4中的(a)所示，若白色斑点在滑动窗口内且不与滑动窗口外部连通，则将该斑点确定为斑点噪声去除。如图4中的(b)所示，若白色斑点在滑动窗口内且与滑动窗口外部连通，则将该斑点确定为非噪声保留。

此外，作为另一示例，在针对预定农作物区域内的非预定农作物斑点噪声时，可将预定农作物像元以及非预定农作物像元的灰度值取反。具体说来，在步骤S400，在滑动窗口以单个像元为单位进行滑动的情况下，当位于滑动窗口边缘的像元均为预定农作物像元且滑动窗口内部包含不与滑动窗口外部连通的非预定农作物像元时，将所述不与滑动窗口外部连通的非预定农作物像元确定为斑点噪声。这里，作为示例，所述滑动窗口可以是覆盖7×7像元矩阵的矩形框。

图5示出分别根据现有技术和本发明示例性实施例从甘蔗的雷达影像中去除斑点噪声的效果对比图。

在图5中，以预定农作物为甘蔗为例，图5的(a)示出经阈值处理后的甘蔗影像，图5的(b)示出利用现有技术(例如，统计窗口)进行滤波后的甘蔗影像，可以看出，在图5的(b)中，方框区域内的白色甘蔗区域边界与经阈值处理后的甘蔗影像中的相同区域相比有部分变形。此外，图5的(c)示出根据本发明的示例性实施例，利用窗口连通性处理后的甘蔗影像，其中，方框区域内的白色甘蔗区域边界完好保留，未发生任何形变(进行叠合显示可看出)。因此，利用窗口连通性去除甘蔗影像中斑点噪声的效果要优于利用统计窗口滤波处理甘蔗影像斑点噪声。

通过上述利用窗口边缘连通性去除斑点噪声，不仅可以完全保持预定农作物区域边缘形状的特征，而且可以较好地去除雷达影像中的斑点噪声(例如，预定农作物区域内的非预定农作物噪声和预定农作物区域外的预定农作物噪声)，并且提高了处理雷达影像的精度。

图6示出根据本发明另一示例性实施例的从预定农作物的雷达影像去除噪声的方法的流程图。参照图6，除了图1所示的步骤S100、步骤S200、步骤S300和步骤S400之外，图6所示的雷达影像噪声去除方法在步骤S300和步骤S400之间还可包括步骤S500。

在步骤S500，可对预定农作物影像进行重采样。

具体说来，可以2×2像元矩阵为单位，获取采样后的预定农作物影像。这里，作为示例，当2×2像元矩阵中包括至少两个预定农作物像元时，将所述2×2像元矩阵整体分类为预定农作物像元，否则，将所述重采样后的像元分类为非预定农作物像元。

此外，在对预定农作物影像进行重采样之后，在步骤S400，可利用滑动窗口来去除重采样后的预定农作物影像中的斑点噪声。作为示例，所述滑动窗口可以是覆盖9×9采样后像元矩阵的矩形框。通过上述重采样处理，可以使斑点噪声处理的效率大大提高，例如，可将处理时间降低为原处理时间的1/5左右。

图7示出根据本发明示例性实施例的雷达影像斑点噪声处理前后对比图。

具体说来，图7的(a)示出进行斑点噪声处理之前的雷达影像，而图7的(b)示出根据本发明示例性实施例对雷达影像进行斑点去除处理之后得到的图像，可以看出，通过采用根据本发明示例性实施例的噪声去除方法，可以有效地去除雷达影像中的斑点噪声。

此外，还可对去噪后的图像进行面积估算和精度验证，例如，运用面向对象方法结合阈值分析对雷达数据组合进行分割处理，得到面积图。滤波后的二值图像作为掩模与原图像相乘积得到干燥区域的提取图像，其中二值掩模图像甘蔗区域为1，非甘蔗区域为0，再和原图像相乘，可以得到研究区域内的甘蔗面积21％，精度86％。

由此可见，在根据本发明示例性实施例的从预定农作物的雷达影像去除噪声的方法中，能够有效地去除雷达影像中的斑点噪声，并且提高了处理雷达影像的精度和效率，同时保留了地物的边缘形状。

虽然已表示和描述了本发明的一些示例性实施例，但本领域技术人员应该理解，在不脱离由权利要求及其等同物限定其范围的本发明的原理和精神的情况下，可以对这些实施例进行修改。

Claims (9)

1.一种从预定农作物的雷达影像去除噪声的方法，包括：

(A)获取所述预定农作物在不同生长期的雷达影像；

(B)基于各个像元在所述雷达影像中的属性，将所述各个像元分别分类为预定农作物像元和非预定农作物像元；

(C)通过将预定农作物像元的像元值和非预定农作物像元的像元值进行二值化处理来产生预定农作物影像；

(D)利用滑动窗口来去除预定农作物影像中的斑点噪声，其中，所述滑动窗口具有固定形状且覆盖整数个像元，其中，在滑动窗口以单个像元为单位进行滑动的情况下，当位于滑动窗口边缘的像元均为非预定农作物像元且滑动窗口内部包含不与滑动窗口外部连通的预定农作物像元时，将所述不与滑动窗口外部连通的预定农作物像元确定为斑点噪声。

2.如权利要求1所述的方法，其中，在步骤(C)和步骤(D)之间，还包括：

(E)对预定农作物影像进行重采样，

并且，在步骤(D)中，利用滑动窗口来去除重采样后的预定农作物影像中的斑点噪声。

3.如权利要求1所述的方法，其中，步骤(A)包括：

(a1)接收由卫星拍摄的所述预定农作物在不同生长期的雷达影像；

(a2)对接收的雷达影像进行gamma滤波。

4.如权利要求1所述的方法，其中，所述预定农作物为甘蔗。

5.如权利要求4所述的方法，其中，所述不同生长期对应于易于将甘蔗与其他农作物进行区分的三月份和八月份。

6.如权利要求5所述的方法，其中，在步骤(B)中，将满足以下条件的像元确定为预定农作物像元：

其中，α_t(x)表示像元t在八月份的雷达影像中的极化散射角度值，α_t(y)表示像元t在三月份的雷达影像中的极化散射角度值，M表示预先设置的极化散射角度阈值，T11_t(y)表示像元t在三月份的雷达影像中的单次反射强度，N表示预先设置的反射强度阈值，x和y表示不同的日期。

7.如权利要求1所述的方法，其中，所述滑动窗口为矩形框。

8.如权利要求1所述的方法，其中，步骤(D)还包括：在滑动窗口以单个像元为单位进行滑动的情况下，当位于滑动窗口边缘的像元均为预定农作物像元且滑动窗口内部包含不与滑动窗口外部连通的非预定农作物像元时，将所述不与滑动窗口外部连通的非预定农作物像元确定为斑点噪声。

9.如权利要求5所述的方法，其中，在步骤(B)中，将满足以下条件的像元确定为预定农作物像元：

其中，α_t(x)表示像元t在八月份的雷达影像中的极化散射角度值，α_t(y)表示像元t在三月份的雷达影像中的极化散射角度值，M表示预先设置的极化散射角度阈值，T11_t(y)表示像元t在三月份的雷达影像中的奇次反射强度，N表示预先设置的反射强度阈值，x和y表示不同的日期。