CN111951187B - 一种基于变换梯度域的sar图像增强方法 - Google Patents
一种基于变换梯度域的sar图像增强方法 Download PDFInfo
- Publication number
- CN111951187B CN111951187B CN202010705410.1A CN202010705410A CN111951187B CN 111951187 B CN111951187 B CN 111951187B CN 202010705410 A CN202010705410 A CN 202010705410A CN 111951187 B CN111951187 B CN 111951187B
- Authority
- CN
- China
- Prior art keywords
- image
- sar
- points
- gradient
- edge
- 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
- 238000000034 method Methods 0.000 title claims abstract description 15
- 230000009466 transformation Effects 0.000 title claims abstract description 8
- 238000009792 diffusion process Methods 0.000 claims abstract description 23
- 238000007781 pre-processing Methods 0.000 claims description 4
- 239000000126 substance Substances 0.000 claims description 4
- 238000012360 testing method Methods 0.000 abstract description 2
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 4
- 230000002708 enhancing effect Effects 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 229910052742 iron Inorganic materials 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 235000005956 Cosmos caudatus Nutrition 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000013535 sea water Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/30—Determination of transform parameters for the alignment of images, i.e. image registration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10044—Radar image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20172—Image enhancement details
- G06T2207/20192—Edge enhancement; Edge preservation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于变换梯度域的SAR图像增强方法,首先通过星载卫星获得不同时间、不同航迹位置的目标区域的多幅SAR图像,并进行配准、去噪,得到可以进行SAR增强的图像,然后,根据图像像素点灰度值的分布规律,进行扩散点和边缘点进行估计,得到扩散点和边缘点,最后从变换梯度域中提取增强后的图像E(u),根据图像E(u)选取停止函数并作用与光滑区域(扩散点构成)和边缘区域(边缘点构成),得到增强后SAR图像。测试表明,本发明基于变换梯度域的SAR图像增强方法中各项指标,包括平均值MEV、方差SIG、等效视数ENL、信息熵INE均有所提升。
Description
技术领域
本发明属于合成孔径雷达成像技术领域,更为具体地讲,涉及一种基于变换梯度域的SAR图像增强方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式微波传感器,通过发射和接收特定的电磁波获取目标的散射信息。SAR能够不受云雾、雨雪和黑夜等条件的限制,能够对目标进行全天候和全天时的监测,并且在大范围的自然灾害条件下具有明显的优越性。随着微波遥感技术的不断发展,SAR遥感的应用不断深入和广泛,不仅可用于道路、桥梁、建筑物和车辆等目标的识别与分类,还可以用于森林植被和冰雪监测、地形测量、城市整体监测和灾害预警等,在民用和国防建设等领域有着巨大的应用潜力。
SAR图像具有与光学系统互补的信息,雷达波的穿透,不受天气影响,昼夜成像能力以及与距离无关的几何分辨率等优势,被广泛用于海水和陆地覆盖监测等众多应用中。但是SAR图像的分辨率受以下两个方面的制约:一是从SAR系统本身来看,其分辨率在理论上具有局限性,没有办法达到预期效果;二是从获取图像的过程里随机遇到的误差而言:譬如平台抖动、系统噪声、大气干扰及成像条件很差等问题都是造成图像降质的原因。由于生产可靠、高精度的成像系统、改进和更新硬件设备代价太高而且周期长,而利用数据处理技术提高图像的分辨率,即进行SAR图像增强,不仅研究周期短而且可以极大地降低成本。
SAR图像增强则是一门重要的前沿学科,主要目的是增强的SAR图像的分辨率,为SAR图像的后续处理提供了更加有利的图像数据,然而,现有的SAR图像增强的各项指标都有待提高。
发明内容
本发明的目的在于克服现有技术的不足,提供一种基于变换梯度域的SAR图像增强方法,以提高SAR图像增强的各项指标。
为实现上述发明目的,本发明基于变换梯度域的SAR图像增强方法,其特征在于,包括以下步骤:
(1)、待处理原始SAR图像的获取
通过星载卫星在不同时间、不同航迹位置对同一特定(需要观测的)目标区域进行多时相的SAR图像获取,得到同一目标区域的多幅SAR图像;
(2)、图像预处理
将同一目标区域的多幅SAR图像进行配准:选取一幅SAR图像作为主图像,其他幅SAR图像与主图像进行配准,对配准后的SAR图像的同一散射单元构成的观测信号进行去噪处理,得到可以进行SAR增强的图像;
(3)、扩散点和边缘点估计
对于步骤(2)得到的可以进行SAR增强的图像,选取的感兴趣部分的图像,根据图像像素点灰度值的分布规律,进行扩散点和边缘点进行估计,得到扩散点和边缘点;
(4)、图像扩散增强
4.1)、从变换梯度域中提取增强后的图像E(u):
4.2)、根据提取增强后的图像E(u)选取边缘停止函数:
其中,(α是个常数),Gσ*u为标准差为σ的高斯核函数与感兴趣部分图像u的卷积运算,▽为梯度算子,利用图像梯度阈值T来分别作用图像的光滑区域(扩散点构成)和边缘区域(边缘点构成),得到增强后SAR图像。
本发明的发明目的是这样实现的:
本发明基于变换梯度域的SAR图像增强方法,首先通过星载卫星获得不同时间、不同航迹位置的目标区域的多幅SAR图像,并进行配准、去噪,得到可以进行SAR增强的图像,然后,根据图像像素点灰度值的分布规律,进行扩散点和边缘点进行估计,得到扩散点和边缘点,最后从变换梯度域中提取增强后的图像E(u),根据图像E(u)选取停止函数并作用与光滑区域(扩散点构成)和边缘区域(边缘点构成),得到增强后SAR图像。测试表明,本发明基于变换梯度域的SAR图像增强方法中各项指标,包括平均值MEV、方差SIG、等效视数ENL、信息熵INE均有所提升。
附图说明
图1是本发明基于变换梯度域的SAR图像增强方法一种具体实施方式的流程图;
图2是经过图像预处理的目标区域SAR图像(框体内为铁塔);
图3是输出的增强后的图像。
具体实施方式
下面结合附图对本发明的具体实施方式进行描述,以便本领域的技术人员更好地理解本发明。需要特别提醒注意的是,在以下的描述中,当已知功能和设计的详细描述也许会淡化本发明的主要内容时,这些描述在这里将被忽略。
图1是本发明基于变换梯度域的SAR图像增强方法一种具体实施方式的流程图。
在本实施例中,如图2所示,本发明基于变换梯度域的SAR图像增强方法包括以下步骤:
步骤S1:待处理原始SAR图像的获取
通过星载卫星在不同时间、不同航迹位置对同一特定(需要观测的)目标区域进行多时相的SAR图像获取,得到同一目标区域的多幅SAR图像。在本实施例中,采用的是SAR图像为星载雷达COSMO获取四川云南交界地区SAR影像。
步骤S2:图像预处理
将同一目标区域的多幅SAR图像进行配准:选取一幅SAR图像作为主图像,其他幅SAR图像与主图像进行配准,对配准后的SAR图像的同一散射单元构成的观测信号进行去噪处理,得到可以进行SAR增强的图像。
步骤S3:扩散点和边缘点估计
对于步骤(2)得到的可以进行SAR增强的图像,选取的感兴趣部分的图像,根据图像像素点灰度值的分布规律,进行扩散点和边缘点进行估计,得到扩散点和边缘点。
扩散点和边缘点估计的目的是为确定边缘方向的扩散系数和垂直边缘方向的扩散系数提供了可靠的前提,同时保证SAR图像中不会残生很多虚假条纹,
步骤S4:图像扩散增强
步骤S4.1:从变换梯度域中提取增强后的图像E(u):
其中,(α是个常数),Gσ*u为标准差为σ的高斯核函数与感兴趣部分图像u的卷积运算,▽为梯度算子,利用图像梯度阈值T来分别作用图像的光滑区域(扩散点构成)和边缘区域(边缘点构成),得到增强后SAR图像。
在本实施例中提供的是2016年的10景距离向分辨率0.93米、方位向分辨率2.2米的SAR图像,以2016年7月的SAR图像为主图像,其他图像与主图像进行配准,选取一个高压输电铁塔的区域进行去噪处理。根据步骤3、步骤4进行SAR图像增强。目标铁塔轮廓和周围环境主观可见度更高,同时如表1所示,增强后的SAR图像各项指标均有所提升(其中,MEV为平均值,SIG为方差,ENL为等效视数,INE为信息熵)。
MEV | SIG | ENI | INE | |
增强前SAR图像 | 103.58 | 52.48 | 2.13 | 7.36 |
增强后SAR图像 | 120.30 | 63.14 | 3.63 | 7.84 |
表1
尽管上面对本发明说明性的具体实施方式进行了描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
Claims (1)
1.一种基于变换梯度域的SAR图像增强方法,其特征在于,包括以下步骤:
(1)、待处理原始SAR图像的获取
通过星载卫星在不同时间、不同航迹位置对同一特定目标区域进行多时相的SAR图像获取,得到同一目标区域的多幅SAR图像;
(2)、图像预处理
将同一目标区域的多幅SAR图像进行配准:选取一幅SAR图像作为主图像,其他幅SAR图像与主图像进行配准,对配准后的SAR图像的同一散射单元构成的观测信号进行去噪处理,得到可以进行SAR增强的图像;
(3)、扩散点和边缘点估计
对于步骤(2)得到的可以进行SAR增强的图像,选取的感兴趣部分的图像,根据图像像素点灰度值的分布规律,进行扩散点和边缘点进行估计,得到扩散点和边缘点;
(4)、图像扩散增强
4.1)、从变换梯度域中提取增强后的图像E(u):
4.2)、根据提取增强后的图像E(u)选取边缘停止函数:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010705410.1A CN111951187B (zh) | 2020-07-21 | 2020-07-21 | 一种基于变换梯度域的sar图像增强方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010705410.1A CN111951187B (zh) | 2020-07-21 | 2020-07-21 | 一种基于变换梯度域的sar图像增强方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111951187A CN111951187A (zh) | 2020-11-17 |
CN111951187B true CN111951187B (zh) | 2023-04-18 |
Family
ID=73340133
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010705410.1A Active CN111951187B (zh) | 2020-07-21 | 2020-07-21 | 一种基于变换梯度域的sar图像增强方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111951187B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108872988A (zh) * | 2018-07-12 | 2018-11-23 | 南京航空航天大学 | 一种基于卷积神经网络的逆合成孔径雷达成像方法 |
CN109190684A (zh) * | 2018-08-15 | 2019-01-11 | 西安电子科技大学 | 基于素描及结构生成对抗网络的sar图像样本生成方法 |
CN110161501A (zh) * | 2019-05-24 | 2019-08-23 | 电子科技大学 | 一种多时序sar图像的目标区域地表起伏信息提取方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6618754B2 (ja) * | 2015-10-06 | 2019-12-11 | キヤノンメディカルシステムズ株式会社 | 磁気共鳴イメージング装置、画像処理装置、及び画像処理方法 |
-
2020
- 2020-07-21 CN CN202010705410.1A patent/CN111951187B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108872988A (zh) * | 2018-07-12 | 2018-11-23 | 南京航空航天大学 | 一种基于卷积神经网络的逆合成孔径雷达成像方法 |
CN109190684A (zh) * | 2018-08-15 | 2019-01-11 | 西安电子科技大学 | 基于素描及结构生成对抗网络的sar图像样本生成方法 |
CN110161501A (zh) * | 2019-05-24 | 2019-08-23 | 电子科技大学 | 一种多时序sar图像的目标区域地表起伏信息提取方法 |
Non-Patent Citations (2)
Title |
---|
gu zhoubo等.sar image enhancement based on P-M Nolinear diffusion and coherent enhancement diffusion.2020 IEEE international geoscience and remote sensing symposium.2020,581-584. * |
鲁圆圆 ; 冯浩 ; 李靖 ; .结合分布度量统计建模的主动轮廓图像分割.计算机工程与应用.2019,第56卷(第07期),228-233. * |
Also Published As
Publication number | Publication date |
---|---|
CN111951187A (zh) | 2020-11-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meyer et al. | Correction and characterization of radio frequency interference signatures in L-band synthetic aperture radar data | |
CN109583293B (zh) | 星载sar图像中的飞机目标检测与鉴别方法 | |
US9734398B2 (en) | Method and apparatus for identifying object | |
US10613214B2 (en) | Terrestrial imaging using multi-polarization Synthetic Aperture Radar | |
Sobiech et al. | Observing lake-and river-ice decay with SAR: advantages and limitations of the unsupervised k-means classification approach | |
CN108921803B (zh) | 一种基于毫米波与可见光图像融合的去雾方法 | |
CN110703244B (zh) | 基于遥感数据识别城区内水体的方法和装置 | |
CN113920438A (zh) | 联合ICESat-2和吉林一号影像的输电线附近树木隐患排查方法 | |
Wang et al. | Research on crack monitoring at the trailing edge of landslides based on image processing | |
Wakabayashi et al. | Flooded area extraction of rice paddy field in Indonesia using Sentinel-1 SAR data | |
CN109085588B (zh) | 基于Terra SAR-X高分辨率聚束模式数据电网铁塔倾斜的监测方法 | |
CN111951187B (zh) | 一种基于变换梯度域的sar图像增强方法 | |
CN112966656A (zh) | 数据处理方法及装置 | |
Sun et al. | Bankline detection of GF-3 SAR images based on shearlet | |
CN111487619A (zh) | 利用sar-x高分辨率聚束模检测输电杆塔地面倾角的方法 | |
Dekker | SAR change detection techniques and applications | |
CN111144246B (zh) | 利用多时相sar影像和光学辅助信息的道路提取方法 | |
Kondapalli et al. | Real-time rain severity detection for autonomous driving applications | |
CN106897985A (zh) | 一种基于可见度分类的多角度sar图像融合方法 | |
TW201430366A (zh) | 應用微波雷達於海岸線及潮間帶地形測量之技術 | |
CN116051426B (zh) | 一种合成孔径雷达图像处理方法 | |
CN113759330B (zh) | 一种sar交叉定标参考目标选择方法 | |
Kondo et al. | Non-deterministic seismic damage detection of road infrastructure analysing image training database | |
CN114236544B (zh) | 一种基于几何匹配的升降轨星载sar三维成像方法及装置 | |
Yang et al. | PolSAR additive noise estimation based on shadow regions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |