CN112330560A - 一种合成孔径雷达数据图像可视化增强方法及系统 - Google Patents

一种合成孔径雷达数据图像可视化增强方法及系统 Download PDF

Info

Publication number
CN112330560A
CN112330560A CN202011223253.7A CN202011223253A CN112330560A CN 112330560 A CN112330560 A CN 112330560A CN 202011223253 A CN202011223253 A CN 202011223253A CN 112330560 A CN112330560 A CN 112330560A
Authority
CN
China
Prior art keywords
data
synthetic aperture
aperture radar
image
median
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.)
Granted
Application number
CN202011223253.7A
Other languages
English (en)
Other versions
CN112330560B (zh
Inventor
王勋
李东
张云华
刘博�
杨杰芳
陈洪彦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Battlefield Environment Institute Of Air Force Academy Of Pla
National Space Science Center of CAS
Original Assignee
Battlefield Environment Institute Of Air Force Academy Of Pla
National Space Science Center of CAS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Battlefield Environment Institute Of Air Force Academy Of Pla, National Space Science Center of CAS filed Critical Battlefield Environment Institute Of Air Force Academy Of Pla
Priority to CN202011223253.7A priority Critical patent/CN112330560B/zh
Publication of CN112330560A publication Critical patent/CN112330560A/zh
Application granted granted Critical
Publication of CN112330560B publication Critical patent/CN112330560B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T5/00Image enhancement or restoration
    • G06T5/90Dynamic range modification of images or parts thereof
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10032Satellite or aerial image; Remote sensing
    • G06T2207/10044Radar image

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种合成孔径雷达数据图像可视化增强方法及系统,所述方法包括:步骤1)读入待图像可视化增强的合成孔径雷达数据;步骤2)按照最大迭代次数kmax的预设百分比指定迭代次数k;步骤3)基于迭代次数k以及读入数据矩阵大小,对读入的合成孔径雷达数据进行快速区间中值迭代处理;步骤4)对步骤3)处理后的数据进行取对数处理;步骤5)对步骤4)处理后的数据进行最大值‑最小值归一化处理;步骤6)对步骤5)处理后的数据进行图像可视化。本发明的方法可在压缩数据动态范围利于显示的同时增加观测场景中的地物目标细节,从而实现合成孔径雷达图像的可视化增强,促进目标解译,具有易于操作、简单快速的优点。

Description

一种合成孔径雷达数据图像可视化增强方法及系统
技术领域
本发明涉及合成孔径雷达图像信息处理领域,特别涉及一种合成孔径雷达数据图像可视化增强方法及系统。
背景技术
有效的图像可视化方法对于合成孔径雷达数据的解译意义重大。作为一种高分辨率微波成像雷达,合成孔径雷达获取的图像数据动态范围很大。为了更好地显示合成孔径雷达图像数据,需要对其进行动态范围压缩。动态范围压缩有许多方法,一般分为全局映射和局部映射,其中全局映射即所有像素的一对一映射,局部映射即局部范围像素的映射。简单常用的一种手段是对图像数据进行对数归一化操作。在大动态范围的图像数据中,往往会有一些很大的值和很小的值,这些值可能本身并不包含信息,也许是合成孔径雷达中的系统噪声或斑点噪声造成的噪声点,如果它们混杂在其他中间数据值之间,则会掩盖这些点的信息,影响显示效果,因此处理和调整这些数据点的值,对于图像显示质量的提高具有重要意义。
发明内容
本发明的目的在于调整合成孔径雷达图像数据的动态范围,增加图像中的目标细节,提高合成孔径雷达图像显示效果。
为了实现上述目的,本发明提供了一种合成孔径雷达数据图像可视化增强方法,所述方法包括:
步骤1)读入待图像可视化增强的合成孔径雷达数据;
步骤2)按照最大迭代次数kmax的预设百分比指定迭代次数k;
步骤3)基于迭代次数k以及读入数据矩阵大小,对读入的合成孔径雷达数据进行快速区间中值迭代处理;
步骤4)对步骤3)处理后的数据进行取对数处理;
步骤5)对步骤4)处理后的数据进行最大值-最小值归一化处理;
步骤6)对步骤5)处理后的数据进行图像可视化。
作为上述方法的一种改进,在步骤2)中,最大迭代次数kmax计算方法如下:
Figure BDA0002762793700000021
式中,
Figure BDA0002762793700000022
表示向下取整操作,log2(·)表示以2为底取对数操作,N代表数据矩阵对应图像像素的总数目;
作为上述方法的一种改进,所述预设百分比的取范围为:10%-15%。
作为上述方法的一种改进,所述步骤3)进一步包括:
步骤3-1)将读入的二维数据矩阵转换为一维行向量;
步骤3-2)对一维行向量中的数据由小到大进行排序;
步骤3-3)根据迭代次数k和像素总数N计算靠左端和靠右端两个中值ML和MR在一维行向量中的位置
Figure BDA0002762793700000023
Figure BDA0002762793700000024
当N为奇数时:
Figure BDA0002762793700000025
当N为偶数时:
Figure BDA0002762793700000026
式中,round(·)表示四舍五入取整操作;
步骤3-4)根据计算得到的中值位置
Figure BDA0002762793700000027
Figure BDA0002762793700000028
在一维行向量中提取相对应的中值ML和MR
步骤3-5)在一维行向量中将靠左端中值ML所在位置之前的数据都置为ML,将靠右端中值MR所在位置之后的数据都置为MR
步骤3-6)将一维行向量按照原始数据所在位置还原为二维数据矩阵。
本发明的实施例2提供了一种合成孔径雷达数据图像可视化增强系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述的方法。
本发明的优点在于:
本发明的方法及系统可快速调整数据动态范围和某些数据值,从而增加观测场景中的地物目标细节,增强合成孔径雷达图像显示效果,具有易于操作、简单快速的优点。
附图说明
图1是本发明的合成孔径雷达数据图像可视化增强方法的流程图;
图2是本发明的方法中快速中值迭代处理的操作示意图;
图3是全极化合成孔径雷达同极化H通道数据Shh幅度|Shh|未经过任何处理的可视化结果图;
图4是全极化合成孔径雷达同极化H通道数据Shh幅度|Shh|经过简单对数归一化处理的可视化结果图;
图5是全极化合成孔径雷达同极化H通道数据Shh幅度|Shh|经过本发明的方法得到的可视化结果图。
具体实施方式
现结合附图对本发明作进一步的描述。
参考图1,本发明的实施例1提出了一种合成孔径雷达数据图像可视化增强方法,包括以下步骤:
步骤1)读入待图像可视化增强的合成孔径雷达数据;
步骤2)按照最大迭代次数kmax的10%-25%指定迭代次数k;
步骤3)基于指定的迭代次数以及读入数据矩阵大小对读入的合成孔径雷达数据进行区间中值迭代处理;
步骤4)对步骤3)处理后的数据进行取对数处理;
步骤5)对步骤4)处理后的数据进行最大值-最小值归一化处理;
步骤6)对步骤5)处理后的数据即预处理后所得最终数据进行图像可视化。
下面对本发明方法中的步骤做进一步描述。
在步骤1)中,读入待可视化增强的合成孔径雷达数据;在一个实施例中,所读入的数据为DLR研制的L波段机载ESAR获取于德国Oberpfaffenhofen地区的全极化数据中的同极化H通道数据Shh,数据矩阵大小为1540×2816。
基于步骤1),在步骤2)中,我们先根据实施例中图像像素总数计算对应的最大迭代次数kmax
Figure BDA0002762793700000041
式中,
Figure BDA0002762793700000042
表示向下取整操作,log2(·)表示以2为底取对数操作,N代表数据矩阵对应图像像素的总数目;
然后按照最大迭代次数kmax的10%-25%指定迭代次数k,此处实施例中选取k=3。
基于步骤2)选取的迭代次数k,在步骤3)中,根据图2所示过程:
先将读入的实施例中的数据的幅度|Shh|转换为一维行向量;
再对该一维行向量中的数据由小到大进行排序;
然后根据指定的迭代次数k=3和像素总数N计算靠左端和靠右端两个中值ML和MR在一维行向量中的位置
Figure BDA0002762793700000043
Figure BDA0002762793700000044
由于实施例中N=4336640为偶数,所以
Figure BDA0002762793700000045
Figure BDA0002762793700000046
计算方法如下:
Figure BDA0002762793700000047
Figure BDA0002762793700000048
式中,round(·)表示四舍五入取整操作;
再将计算得到的中值位置
Figure BDA0002762793700000049
Figure BDA00027627937000000410
当成一维行向量中数据的索引,提取相对应的中值ML和MR
接着在一维行向量中将靠左端中值ML所在位置之前的数据(均小于ML)都置为ML,将靠右端中值MR所在位置之后的数据(均大于MR)都置为MR
最后将一维行向量按照原始数据所在位置还原为二维数据矩阵。
基于步骤3)的处理结果,在步骤4)中,对该处理结果按下式进行取对数操作:
x′=log10(x)
式中,x代表取对数前的数据,x′代表取对数后的数据。
基于步骤4)的处理结果,在步骤5)中,对该处理结果按下式进行最大值-最小值归一化操作:
Figure BDA0002762793700000051
式中,x′代表最大值-最小值归一化前的数据,x″代表最大值-最小值归一化后的数据,min和max分别代表上一步骤取对数处理操作后数据中的最小值和最大值。
基于步骤5)的处理结果,即总的数据预处理结果,在步骤6)中对该处理结果进行图像显示。
图3显示为不经过任何处理的全极化合成孔径雷达同极化H通道数据Shh的幅度图|Shh|,图像尺寸为2816×1540,从该图可以看出,不经过处理直接显示|Shh|时,图像出现了严重失真,从图像中几乎得不到任何信息,印证了之前所分析的合成孔径雷达数据存在的难题。图4是经过简单对数归一化处理的全极化合成孔径雷达同极化H通道数据Shh的幅度|Shh|可视化灰度图。从该图可以看出,与图3所示的未经任何处理的图像相比,经过简单的对数归一化得到的图像地物目标信息明显增加,由此说明了调整图像数据动态范围的必要性。该图显示效果虽有较大增强,但是图像亮度整体偏暗,细节对比度不强,不同目标之间的边界轮廓不清晰。图5是全极化合成孔径雷达同极化H通道数据Shh的幅度|Shh|经过本发明的方法得到的可视化结果图。从该图可以看出,与图3和图4相比,该图像的目标细节对比度进一步增强,展示的目标信息更丰富,由此验证了所发明的方法的可行性和有效性。
本发明的实施例2提供了一种合成孔径雷达数据图像可视化增强系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现实施例1的方法。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。

Claims (5)

1.一种合成孔径雷达数据图像可视化增强方法,所述方法包括:
步骤1)读入待图像可视化增强的合成孔径雷达数据;
步骤2)按照最大迭代次数kmax的预设百分比指定迭代次数k;
步骤3)基于迭代次数k以及读入数据矩阵大小,对读入的合成孔径雷达数据进行快速区间中值迭代处理;
步骤4)对步骤3)处理后的数据进行取对数处理;
步骤5)对步骤4)处理后的数据进行最大值-最小值归一化处理;
步骤6)对步骤5)处理后的数据进行图像可视化。
2.根据权利要求1所述的合成孔径雷达数据图像可视化增强方法,其特征在于,在步骤2)中,最大迭代次数kmax计算方法如下:
Figure FDA0002762793690000011
式中,
Figure FDA0002762793690000012
表示向下取整操作,log2(·)表示以2为底取对数操作,N代表数据矩阵对应图像像素的总数目。
3.根据权利要求2所述的合成孔径雷达数据图像可视化增强方法,其特征在于,所述预设百分比的取范围为:10%-15%。
4.根据权利要求2或3所述的合成孔径雷达数据图像可视化增强方法,其特征在于,所述步骤3)进一步包括:
步骤3-1)将读入的二维数据矩阵转换为一维行向量;
步骤3-2)对一维行向量中的数据由小到大进行排序;
步骤3-3)根据迭代次数k和像素总数N计算靠左端和靠右端两个中值ML和MR在一维行向量中的位置
Figure FDA0002762793690000013
Figure FDA0002762793690000014
当N为奇数时:
Figure FDA0002762793690000015
当N为偶数时:
Figure FDA0002762793690000016
式中,round(·)表示四舍五入取整操作;
步骤3-4)根据计算得到的中值位置
Figure FDA0002762793690000021
Figure FDA0002762793690000022
在一维行向量中提取相对应的中值ML和MR
步骤3-5)在一维行向量中将靠左端中值ML所在位置之前的数据都置为ML,将靠右端中值MR所在位置之后的数据都置为MR
步骤3-6)将一维行向量按照原始数据所在位置还原为二维数据矩阵。
5.一种合成孔径雷达数据图像可视化增强系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1-4任一项所述的方法。
CN202011223253.7A 2020-11-05 2020-11-05 一种合成孔径雷达数据图像可视化增强方法及系统 Active CN112330560B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011223253.7A CN112330560B (zh) 2020-11-05 2020-11-05 一种合成孔径雷达数据图像可视化增强方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011223253.7A CN112330560B (zh) 2020-11-05 2020-11-05 一种合成孔径雷达数据图像可视化增强方法及系统

Publications (2)

Publication Number Publication Date
CN112330560A true CN112330560A (zh) 2021-02-05
CN112330560B CN112330560B (zh) 2024-02-20

Family

ID=74317102

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011223253.7A Active CN112330560B (zh) 2020-11-05 2020-11-05 一种合成孔径雷达数据图像可视化增强方法及系统

Country Status (1)

Country Link
CN (1) CN112330560B (zh)

Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5677693A (en) * 1994-05-26 1997-10-14 Hughes Aircraft Company Multi-pass and multi-channel interferometric synthetic aperture radars
WO2009156542A1 (es) * 2008-06-27 2009-12-30 Consejo Superior De Investigaciones Científicas (Csic) Procedimiento automático para seccionar imágenes remotas y caracterizar indicadores agronómicos y ambientales en las mismas
CN101882304A (zh) * 2010-06-24 2010-11-10 西北工业大学 一种sar图像自适应去噪和特征增强方法
US20110012778A1 (en) * 2008-12-10 2011-01-20 U.S. Government As Represented By The Secretary Of The Army Method and system for forming very low noise imagery using pixel classification
CN102722879A (zh) * 2012-06-13 2012-10-10 西安电子科技大学 基于目标提取和三维块匹配去噪的sar图像去斑方法
CN102914773A (zh) * 2012-09-11 2013-02-06 电子科技大学 一种多航过圆周sar三维成像方法
CN103020923A (zh) * 2011-09-28 2013-04-03 中国航天科工集团第二研究院二0七所 模糊增强的光电搜索跟踪系统图像预处理方法
CN103886335A (zh) * 2014-04-09 2014-06-25 西安电子科技大学 基于模糊粒子群和散射熵的极化sar图像分类方法
CN104991241A (zh) * 2015-06-30 2015-10-21 西安电子科技大学 强杂波背景下目标信号的提取和超分辨率增强处理方法
CN105445708A (zh) * 2015-11-11 2016-03-30 西安电子科技大学 一种极化合成孔径雷达的定标方法
CN108447055A (zh) * 2018-03-26 2018-08-24 西安电子科技大学 基于spl和ccn的sar图像变化检测方法
US20180267163A1 (en) * 2015-09-21 2018-09-20 Saab Ab Detecting objects in images
CN108681988A (zh) * 2018-04-17 2018-10-19 中国科学院光电技术研究所 一种基于多幅图像的鲁棒的图像分辨率增强方法
CN108764119A (zh) * 2018-05-24 2018-11-06 西安电子科技大学 基于迭代最大类间方差的sar图像变化检测方法
CN109461127A (zh) * 2018-10-22 2019-03-12 中国人民解放军空军工程大学 一种以解译为目的的sar图像稀疏正则化特征增强方法
CN110703249A (zh) * 2019-11-05 2020-01-17 中国民航大学 稳健高效合成孔径雷达多元特征增强成像方法
WO2020104416A1 (en) * 2018-11-20 2020-05-28 Evosar Technologies Gmbh Method and system of decomposition of composite targets on elements of a radar target signature with a super-resolution, using the total signal spectrum

Patent Citations (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5677693A (en) * 1994-05-26 1997-10-14 Hughes Aircraft Company Multi-pass and multi-channel interferometric synthetic aperture radars
WO2009156542A1 (es) * 2008-06-27 2009-12-30 Consejo Superior De Investigaciones Científicas (Csic) Procedimiento automático para seccionar imágenes remotas y caracterizar indicadores agronómicos y ambientales en las mismas
US20110012778A1 (en) * 2008-12-10 2011-01-20 U.S. Government As Represented By The Secretary Of The Army Method and system for forming very low noise imagery using pixel classification
CN101882304A (zh) * 2010-06-24 2010-11-10 西北工业大学 一种sar图像自适应去噪和特征增强方法
CN103020923A (zh) * 2011-09-28 2013-04-03 中国航天科工集团第二研究院二0七所 模糊增强的光电搜索跟踪系统图像预处理方法
CN102722879A (zh) * 2012-06-13 2012-10-10 西安电子科技大学 基于目标提取和三维块匹配去噪的sar图像去斑方法
CN102914773A (zh) * 2012-09-11 2013-02-06 电子科技大学 一种多航过圆周sar三维成像方法
CN103886335A (zh) * 2014-04-09 2014-06-25 西安电子科技大学 基于模糊粒子群和散射熵的极化sar图像分类方法
CN104991241A (zh) * 2015-06-30 2015-10-21 西安电子科技大学 强杂波背景下目标信号的提取和超分辨率增强处理方法
US20180267163A1 (en) * 2015-09-21 2018-09-20 Saab Ab Detecting objects in images
CN105445708A (zh) * 2015-11-11 2016-03-30 西安电子科技大学 一种极化合成孔径雷达的定标方法
CN108447055A (zh) * 2018-03-26 2018-08-24 西安电子科技大学 基于spl和ccn的sar图像变化检测方法
CN108681988A (zh) * 2018-04-17 2018-10-19 中国科学院光电技术研究所 一种基于多幅图像的鲁棒的图像分辨率增强方法
CN108764119A (zh) * 2018-05-24 2018-11-06 西安电子科技大学 基于迭代最大类间方差的sar图像变化检测方法
CN109461127A (zh) * 2018-10-22 2019-03-12 中国人民解放军空军工程大学 一种以解译为目的的sar图像稀疏正则化特征增强方法
WO2020104416A1 (en) * 2018-11-20 2020-05-28 Evosar Technologies Gmbh Method and system of decomposition of composite targets on elements of a radar target signature with a super-resolution, using the total signal spectrum
CN110703249A (zh) * 2019-11-05 2020-01-17 中国民航大学 稳健高效合成孔径雷达多元特征增强成像方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
RIZWAN AHMED;NIHARIKA MAHESHWARI;PRITHVI LALLA: ""Wavelet based iterative thresholding for denoising of remotely sensed optical and synthetic aperture radar images"", 《2014 IEEE INTERNATIONAL CONFERENCE ON ADVANCED COMMUNICATIONS, CONTROL AND COMPUTING TECHNOLOGIES》 *
刘加方,张云华;董晓: ""频率步进伪码-线性调频信号处理方法及成像"", 《太赫兹科学与电子信息学报》 *
张海瀛;李真芳;李锦伟;房超;: "一种考虑通道噪声的极化SAR定标改进算法", 西安电子科技大学学报, no. 06 *
杨巧: ""新的TV改进模型以及在SAR图像去噪中的应用"", 《中国优秀硕士学位论文全文数据库-信息科技辑》 *
王常虹;陈韬亦;屈桢深;: "使用中值-各向异性扩散的超声图像去噪算法", 哈尔滨工程大学学报, no. 03 *
管鲍, 孙洪: "SAR图像滤波的迭代方法", 电波科学学报, no. 01 *

Also Published As

Publication number Publication date
CN112330560B (zh) 2024-02-20

Similar Documents

Publication Publication Date Title
CN107229918B (zh) 一种基于全卷积神经网络的sar图像目标检测方法
Sandić-Stanković et al. DIBR synthesized image quality assessment based on morphological wavelets
CN108765359B (zh) 一种基于jskf模型和nsct技术的高光谱遥感影像与全色图像的融合方法
CN107808138B (zh) 一种基于FasterR-CNN的通信信号识别方法
Tiwari et al. Brightness preserving contrast enhancement of medical images using adaptive gamma correction and homomorphic filtering
CN110533679B (zh) 基于对数变换与伽柏卷积的sar图像边缘检测方法
CN117132510B (zh) 一种基于图像处理的监控图像增强方法及系统
CN115861823B (zh) 一种基于自监督深度学习的遥感变化检测方法和装置
CN110826509A (zh) 一种基于高分遥感影像的草原围栏信息提取系统及方法
Abramov et al. Methods for blind estimation of speckle variance in SAR images: Simulation results and verification for real-life data
CN116012364A (zh) Sar图像变化检测方法和装置
CN117788296A (zh) 基于异构组合深度网络的红外遥感图像超分辨率重建方法
Li et al. Real-time image enhancement with efficient dynamic programming
CN109658340A (zh) 基于rsvd与直方图保存的sar图像快速去噪方法
CN112330560B (zh) 一种合成孔径雷达数据图像可视化增强方法及系统
CN115937045B (zh) 一种迭代式色阶重建方法
CN109493290B (zh) X射线图像降噪的方法、系统及装置
Kwok et al. Adaptive scale adjustment design of unsharp masking filters for image contrast enhancement
Prakoso et al. Enhancement methods of brain MRI images: A Review
Al-Ameen et al. HLIPSCS: A rapid and efficient algorithm for image contrast enhancement
CN115205227A (zh) 一种基于变化检测的sar图像阴影区域检测方法
Pal et al. Hyperspectral and multispectral image fusion using NSCT and FDCT methods
CN113822361A (zh) 一种基于汉明距离的sar图像相似程度度量方法和系统
CN115015903B (zh) 一种雷达序贯图像动目标检测方法及系统
Zhou et al. Image enhancement and image matching of UAV based on histogram equalization

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