CN113298802A - 一种外辐射源引起的sar图像质量问题检测方法 - Google Patents

一种外辐射源引起的sar图像质量问题检测方法 Download PDF

Info

Publication number
CN113298802A
CN113298802A CN202110659792.3A CN202110659792A CN113298802A CN 113298802 A CN113298802 A CN 113298802A CN 202110659792 A CN202110659792 A CN 202110659792A CN 113298802 A CN113298802 A CN 113298802A
Authority
CN
China
Prior art keywords
image
backscatter
sar
polarization
cross
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.)
Pending
Application number
CN202110659792.3A
Other languages
English (en)
Inventor
冷祥光
计科峰
雷禹
孙忠镇
熊博莅
唐涛
赵凌君
雷琳
张思乾
孙浩
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.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
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 National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202110659792.3A priority Critical patent/CN113298802A/zh
Publication of CN113298802A publication Critical patent/CN113298802A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • 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
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本申请涉及一种外辐射源引起的SAR图像质量问题检测方法，通过对双极化SAR幅度图像进行多视处理并进行辐射校正，得到校正后的双极化后向散射图像；然后计算交叉极化后向散射图像和同极化后向散射图像的比值图像，得到受外辐射源信号影响的质量问题区域中间检测结果；最后对中间检测结果进行鉴别，去除交叉极化后向散射较弱的部分，得到受外辐射源信号影响的质量问题区域最终检测结果。采用本方法能够对辐射源引起的SAR图像质量问题进行有效检测，与传统检测方法相比，可不依赖于SAR原始回波数据或复图像，仅需要双极化幅度图像，且不需要估计参数，方法简单，便于实现。

Description

一种外辐射源引起的SAR图像质量问题检测方法
技术领域
本申请涉及SAR图像质量增强技术领域，特别是涉及一种外辐射源引起的SAR图像质量问题检测方法。
背景技术
SAR作为一种主动式传感器，自身发射微波，然后再接收地物反射的回波来对地面进行高分辨率二维成像。从SAR系统实现的角度来看，SAR系统的频段会同其他电子设备的频段存在重叠。因此，这些来自于非SAR系统的同频段电磁辐射信号通常会影响SAR系统的正常成像，这些信号的辐射源可以称为外辐射源。这些外辐射源信号使得地面真实回波信号失真或形成虚假的目标，将严重影响SAR图像的质量并降低SAR图像解译性能。
传统外辐射源引起的SAR图像质量问题检测方法通常需要使用到SAR原始回波数据或原始回波数据聚焦后的复图像，且其中涉及的参数估计过程较为复杂。而在实际应用中，SAR幅度图像获取更为简易，通常缺乏原始回波数据和复图像，因此制约了传统方法的使用。
发明内容
基于此，有必要针对上述技术问题，提供一种便于实现的外辐射源引起的SAR图像质量问题检测方法。
一种外辐射源引起的SAR图像质量问题检测方法，所述方法包括：
获取目标区域的双极化SAR幅度图像，所述双极化SAR幅度图像包括交叉极化图像以及同极化图像；
分别对所述交叉极化图像以及同极化图像依次进行多视处理以及辐射校正，得到校正后的交叉极化后向散射图像以及同极化后向散射图像；
根据所述交叉极化后向散射图像以及同极化后向散射图像进行计算，得到两者的比值图像；
在所述比值图像中先去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分，再去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分，得到所述目标区域的SAR图像中受外辐射源信号影响的质量问题区域。
在其中一实施例中，在对所述双极化SAR幅度图像进行多视处理时采用空间邻域平均方法。
在其中一实施例中，在对多视化处理后的双极化SAR幅度图像进行辐射校正采用σ0校正方法。
在其中一实施例中，在所述比值图像中去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分包括：
将所述比值图像中的各像素值与1进行对比，去除比1小的像素值对应的部分，保留比1大的像素值对应的部分。
在其中一实施例中，在去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分包括：
在所述比值图像中去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分后，在所述比值图像剩下的部分中，将所述交叉极化后向散射图像中像素值比预设的海杂波交叉极化后向散射平均值小的对应部分去除。
在其中一实施例中，所述海杂波交叉极化后向散射平均值根据所述交叉极化后向散射图像中对应目标区域内海面部分的像素值计算得到。
本申请还提供了一种外辐射源引起的SAR图像质量问题检测装置，所述装置包括：
双极化SAR幅度图像获取模块，用于获取目标区域的双极化SAR幅度图像，所述双极化SAR幅度图像包括交叉极化图像以及同极化图像；
双极化SAR幅度图像预处理模块，用于分别对所述交叉极化图像以及同极化图像依次进行多视处理以及辐射校正，得到校正后的交叉极化后向散射图像以及同极化后向散射图像；
比值图像得到模块，用于根据所述交叉极化后向散射图像以及同极化后向散射图像进行计算，得到两者的比值图像；
质量问题区域检测模块，用于在所述比值图像中先去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分，再去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分，得到所述目标区域的SAR图像中受外辐射源信号影响的质量问题区域。
一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
获取目标区域的双极化SAR幅度图像，所述双极化SAR幅度图像包括交叉极化图像以及同极化图像；
分别对所述交叉极化图像以及同极化图像依次进行多视处理以及辐射校正，得到校正后的交叉极化后向散射图像以及同极化后向散射图像；
根据所述交叉极化后向散射图像以及同极化后向散射图像进行计算，得到两者的比值图像；
在所述比值图像中先去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分，再去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分，得到所述目标区域的SAR图像中受外辐射源信号影响的质量问题区域。
一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：
获取目标区域的双极化SAR幅度图像，所述双极化SAR幅度图像包括交叉极化图像以及同极化图像；
分别对所述交叉极化图像以及同极化图像依次进行多视处理以及辐射校正，得到校正后的交叉极化后向散射图像以及同极化后向散射图像；
根据所述交叉极化后向散射图像以及同极化后向散射图像进行计算，得到两者的比值图像；
在所述比值图像中先去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分，再去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分，得到所述目标区域的SAR图像中受外辐射源信号影响的质量问题区域。
上述一种外辐射源引起的SAR图像质量问题检测方法，通过对外辐射源信号在同极化和交叉极化SAR图像中的幅度差异对其进行检测，这样可以不依赖于SAR原始回波数据或复图像，可对SAR图像中的外辐射源引起的SAR图像质量问题进行快速有效检测，且方法简便、易于实现。
附图说明
图1为一个实施例中SAR图像质量问题检测方法的流程示意图；
图2为一实验中基于SAR图像质量问题检测方法的实验步骤流程示意图；
图3为一实验中所用双极化SAR幅度图像；
图4为对图3进行多视处理和辐射校正后的双极化SAR图像；
图5为对图4中的两张图的比值图像；
图6为一试验中双极化SAR图像受外辐射源信号影响的质量问题区域显示示意图；
图7为一个实施例中SAR图像质量问题检测装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
针对传统的外辐射源引起的SAR图像质量问题检测方法中需要使用到SAR原始回波数据或原始回波数据聚焦后的复图像，且其中涉及的参数估计过程较为复杂。同时，通常会缺乏原始回波数据和幅图像。如图1所示，提供了一种外辐射源引起的SAR图像质量问题检测方法，该方法通过对获取更为简单的SAR幅度图像进行处理及分析对其中由外辐射源引起的质量问题进行检测，包括以下步骤：
步骤S100，获取目标区域的双极化SAR幅度图像，双极化SAR幅度图像包括交叉极化图像以及同极化图像；
步骤S110，分别对交叉极化图像以及同极化图像依次进行多视处理以及辐射校正，得到校正后的交叉极化后向散射图像以及同极化后向散射图像；
步骤S120，根据交叉极化后向散射图像以及同极化后向散射图像进行计算，得到两者的比值图像；
步骤S130，在比值图像中先去除交叉极化后向散射图像比同极化后向散射图像弱的部分，再去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分，得到目标区域的SAR图像中受外辐射源信号影响的质量问题区域。
在步骤S100中，获取的双极化SAR幅度图像包括交叉极化图像以及同极化图像。外辐射源信号和真实SAR信号在双极化SAR图像(VV和VH，或HH和HV图像，其中VV和HH为同极化，VH和HV为交叉极化)中通常具有不同的幅度特征，因此通过双极化幅度图像的性质差异可检测SAR图像中受外辐射源信号影响的质量问题区域。
在步骤S110中，对双极化SAR幅度图像进行多视处理时采用空间邻域平均方法，以抑制图像中的斑点噪声。
在步骤S110中，对多视化处理后的双极化SAR幅度图像进行辐射校正采用σ0校正方法。在其他实施例中，还可根据实际情况采用其他的辐射校正方法。
在步骤S120中，计算得到比值图像中各像素值为交叉极化后向散射图像和同极化后向散射图像的比值结果。而在比值图像中已经初步显示出外辐射源信号引起的质量问题区域，但是存在许多由于复杂目标去杂极化机理造成的虚警。所以还需要对比值图像进行进一步的鉴别。
在步骤S130中，在比值图像中去除交叉极化后向散射图像比同极化后向散射图像弱的部分包括：
将比值图像中的各像素值与1进行对比，去除比1小的像素值对应的部分，保留比1大的像素值对应的部分。
具体的，由于比值图像中的各像素值为交叉极化后向散射图像中各像素值和同极化后向散射图像对应各像素值的比值，所以当比值图像中的某一处的像素值大于1时，则说明这一处对应的交叉极化后向散射图像强于同极化后向散射图像，则将比值图像中对应的部分保留。而当比值图像中的某一处的像素值小于1时，则说明这一处对应的交叉极化后向散射图像弱于同极化后向散射图像，则将比值图像中对应的部分去除。
在步骤S130中，而在去除交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分包括：
在比值图像中去除交叉极化后向散射图像比同极化后向散射图像弱的部分后，在比值图像剩下的部分中，将交叉极化后向散射图像中像素值比预设的海杂波交叉极化后向散射平均值小的对应部分去除。
具体的，对比值图像剩下的部分中，各处对应交叉极化后向散射图像的像素值比上预设的海杂波交叉极化后向散射平均值，若这个比值大于1，则说明此处对应的交叉极化后向散射图像的像素值强于预设的海杂波交叉极化后向散射平均值，则不去除比值图像中对应部分；若比值小于1则去除比值图像中对应部分。
在对比值图像进行上述两次部分去除后，剩下的高亮部分就是外辐射源信号引起的质量问题区域。
在对比值图像进行鉴别时，采用对比各图像素值的方式而减少错误检测结果，并提高检测能力。
在本实施例中，对比值图像中某些部分去除也可以理解为将其对应位置设置成黑色，使比值图像中最后剩下的部分呈现高亮。
在本实施例中，海杂波交叉极化后向散射平均值根据交叉极化后向散射图像中对应目标区域内海面部分的像素值计算得到。
在另一实施例中，若目标区域中没有海面部分，则可用其他图像上的计算得到的海杂波交叉极化后向散射平均值。可以将该平均值看做是一个固定值，在对SAR图像进行质量问题检测前，可进行前提设置。
接下来，基于上述的外辐射源引起的SAR图像质量问题检测方法进行一实验，其实验过程如图2所示，实验步骤为：
本实验对如图3所示的由Sentinel-1获取的双极化SAR图像进行外辐射源引起的SAR图像质量问题检测，其中，图3(a)为VH交叉极化图像，图3(b)为VV同极化图像，分辨率近似为20m，尺寸为25723×15607。其中白色方框标记了外辐射源信号所在位置。
第一步，对双极化SAR幅度图像进行多视处理并进行辐射校正，得到校正后的双极化后向散射图像。此处SAR幅度图像的多视处理通过空间邻域平均求得，辐射校正采用σ0西格玛零校正方式。
图4为图3的第一步处理结果，其中图4(a)为交叉极化后向散射图像，图4(b)为同极化后向散射图像。
第二步，计算交叉极化后向散射图像和同极化后向散射图像的比值图像，得到受外辐射源信号影响的质量问题区域中间检测结果。
记交叉极化后向散射图像为Icross，同极化后向散射图像为Ico，则交叉极化后向散射图像和同极化后向散射图像的比值图像为R＝Icross/Ico。比值图像像素值对应为交叉极化后向散射图像和同极化后向散射图像的比值结果。
图5为图4的第二步处理得到的受外辐射源信号影响的质量问题区域中间检测结果。由图5可以看出，检测中间结果虽然增强了外辐射源信号，但是存在许多由于复杂目标去极化机理造成的虚警。
第三步，对中间检测结果进行鉴别，去除交叉极化后向散射较弱的部分，得到受外辐射源信号影响的质量问题区域最终检测结果。
鉴别包括两个过程，首先去除交叉极化后向散射图像弱于同极化后向散射图像的部分，可记为对中间检测结果做max(R-1,0)处理；然后去除交叉极化较弱的检测结果，可记为对中间检测结果做max(Icross/Isea-1,0)处理，其中Isea为海杂波交叉极化后向散射的平均值。
此整个鉴别过程可记为对中间检测结果做max(R-1,0)max(Icross/Isea-1,0)处理。
图6为图5的第三步处理得到的受外辐射源信号影响的质量问题区域最终检测结果。由图6可以看出，鉴别过程较好地去除了虚警，可以有效检测出受外辐射源信号影响的质量问题区域，对存在质量问题的SAR图像区域进行了较好的检测。
而需要说明的是，在图6底部有部分为灰色，表示数据缺失的部分，但是这部分并不影响实验结果。
上述的一种外辐射源引起的SAR图像质量问题检测方法，不依赖于SAR原始回波数据或复图像，仅需要双极化幅度图像，对SAR数据要求更低。通过区分双极化SAR图像中外辐射源信号的幅度差异，可以对SAR图像中的外辐射源引起的图像质量问题进行有效检测，且本方法不需要计算估计参数，简单有效，便于实现。
应该理解的是，虽然图1-2流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图1-2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中，如图7所示，提供了一种外辐射源引起的SAR图像质量问题检测装置，包括：双极化SAR幅度图像获取模块200、双极化SAR幅度图像预处理模块210、比值图像得到模块220和质量问题区域检测模块230，其中：
双极化SAR幅度图像获取模块200，用于获取目标区域的双极化SAR幅度图像，所述双极化SAR幅度图像包括交叉极化图像以及同极化图像；
双极化SAR幅度图像预处理模块210，用于分别对所述交叉极化图像以及同极化图像依次进行多视处理以及辐射校正，得到校正后的交叉极化后向散射图像以及同极化后向散射图像；
比值图像得到模块220，用于根据所述交叉极化后向散射图像以及同极化后向散射图像进行计算，得到两者的比值图像；
质量问题区域检测模块230，用于在所述比值图像中先去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分，再去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分，得到所述目标区域的SAR图像中受外辐射源信号影响的质量问题区域。
关于一种外辐射源引起的SAR图像质量问题检测装置的具体限定可以参见上文中对于一种外辐射源引起的SAR图像质量问题检测方法的限定，在此不再赘述。上述一种外辐射源引起的SAR图像质量问题检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种一种外辐射源引起的SAR图像质量问题检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取目标区域的双极化SAR幅度图像，所述双极化SAR幅度图像包括交叉极化图像以及同极化图像；
分别对所述交叉极化图像以及同极化图像依次进行多视处理以及辐射校正，得到校正后的交叉极化后向散射图像以及同极化后向散射图像；
根据所述交叉极化后向散射图像以及同极化后向散射图像进行计算，得到两者的比值图像；
在所述比值图像中先去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分，再去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分，得到所述目标区域的SAR图像中受外辐射源信号影响的质量问题区域。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取目标区域的双极化SAR幅度图像，所述双极化SAR幅度图像包括交叉极化图像以及同极化图像；
分别对所述交叉极化图像以及同极化图像依次进行多视处理以及辐射校正，得到校正后的交叉极化后向散射图像以及同极化后向散射图像；
根据所述交叉极化后向散射图像以及同极化后向散射图像进行计算，得到两者的比值图像；
在所述比值图像中先去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分，再去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分，得到所述目标区域的SAR图像中受外辐射源信号影响的质量问题区域。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (6)

1.一种外辐射源引起的SAR图像质量问题检测方法，其特征在于，所述方法包括：
获取目标区域的双极化SAR幅度图像，所述双极化SAR幅度图像包括交叉极化图像以及同极化图像；
分别对所述交叉极化图像以及同极化图像依次进行多视处理以及辐射校正，得到校正后的交叉极化后向散射图像以及同极化后向散射图像；
根据所述交叉极化后向散射图像以及同极化后向散射图像进行计算，得到两者的比值图像；
在所述比值图像中先去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分，再去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分，得到所述目标区域的SAR图像中受外辐射源信号影响的质量问题区域。
2.根据权利要求1所述的SAR图像质量问题检测方法，其特征在于，在对所述双极化SAR幅度图像进行多视处理时采用空间邻域平均方法。
3.根据权利要求1所述的SAR图像质量问题检测方法，其特征在于，在对多视化处理后的双极化SAR幅度图像进行辐射校正采用σ0校正方法。
4.根据权利要求1所述的SAR图像质量问题检测方法，其特征在于，在所述比值图像中去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分包括：
将所述比值图像中的各像素值与1进行对比，去除比1小的像素值对应的部分，保留比1大的像素值对应的部分。
5.根据权利要求4所述的SAR图像质量问题检测方法，其特征在于，在去除所述交叉极化后向散射图像比预设的海杂波交叉极化后向散射平均值弱的部分包括：
在所述比值图像中去除所述交叉极化后向散射图像比同极化后向散射图像弱的部分后，在所述比值图像剩下的部分中，将所述交叉极化后向散射图像中像素值比预设的海杂波交叉极化后向散射平均值小的对应部分去除。
6.根据权利要求1所述的SAR图像质量问题检测方法，其特征在于，所述海杂波交叉极化后向散射平均值根据所述交叉极化后向散射图像中对应目标区域内海面部分的像素值计算得到。
CN202110659792.3A 2021-06-15 2021-06-15 一种外辐射源引起的sar图像质量问题检测方法 Pending CN113298802A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110659792.3A CN113298802A (zh) 2021-06-15 2021-06-15 一种外辐射源引起的sar图像质量问题检测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110659792.3A CN113298802A (zh) 2021-06-15 2021-06-15 一种外辐射源引起的sar图像质量问题检测方法

Publications (1)

Publication Number Publication Date
CN113298802A true CN113298802A (zh) 2021-08-24

Family

ID=77328243

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110659792.3A Pending CN113298802A (zh) 2021-06-15 2021-06-15 一种外辐射源引起的sar图像质量问题检测方法

Country Status (1)

Country Link
CN (1) CN113298802A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5546085A (en) * 1994-12-05 1996-08-13 Loral Corporation Separating coherent radio-frequency interference from synthetic aperture data
CN105574856A (zh) * 2015-12-10 2016-05-11 国网四川省电力公司电力科学研究院 一种基于双极化sar图像的冰雪面积提取方法
CN106597443A (zh) * 2016-12-20 2017-04-26 中国人民解放军国防科学技术大学 低频合成孔径雷达图像对比相消射频干扰抑制方法
US20200319292A1 (en) * 2019-04-04 2020-10-08 Thales Method and device for radar transmission and reception by dynamic change of polarization notably for the implementation of interleaved radar modes
CN112269168A (zh) * 2020-10-14 2021-01-26 西安电子科技大学 基于贝叶斯理论与低秩分解的sar宽带干扰抑制方法
CN112529817A (zh) * 2020-12-23 2021-03-19 中国科学院空天信息创新研究院 基于最优极化比的未定标机载sar图像海尖峰抑制方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5546085A (en) * 1994-12-05 1996-08-13 Loral Corporation Separating coherent radio-frequency interference from synthetic aperture data
CN105574856A (zh) * 2015-12-10 2016-05-11 国网四川省电力公司电力科学研究院 一种基于双极化sar图像的冰雪面积提取方法
CN106597443A (zh) * 2016-12-20 2017-04-26 中国人民解放军国防科学技术大学 低频合成孔径雷达图像对比相消射频干扰抑制方法
US20200319292A1 (en) * 2019-04-04 2020-10-08 Thales Method and device for radar transmission and reception by dynamic change of polarization notably for the implementation of interleaved radar modes
CN112269168A (zh) * 2020-10-14 2021-01-26 西安电子科技大学 基于贝叶斯理论与低秩分解的sar宽带干扰抑制方法
CN112529817A (zh) * 2020-12-23 2021-03-19 中国科学院空天信息创新研究院 基于最优极化比的未定标机载sar图像海尖峰抑制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
XIANGGUANG LENG等: "Radio Frequency Interference Detection and Localization in Sentinel-1 Images", 《IEEE TRANSACTIONS ON GEOSCIENCE AND REMOTE SENSING》 *
邓磊: "《SAR图像处理方法 Contourlet域隐马尔可夫模型的应用》", 28 February 2009 *

Similar Documents

Publication Publication Date Title
US4736439A (en) Image preprocessing by modified median filter
US8744210B2 (en) Information processing apparatus, line noise reduction processing method, and computer-readable storage medium
JP5587972B2 (ja) 同一領域上で取得されたｓａｒ画像における統計的に均質な画素を識別するための方法
WO2017062078A2 (en) Combined intensity and coherent change detection in images
Gambardella et al. A physical full-resolution SAR ship detection filter
CN113487521A (zh) 自编码器训练方法及组件，异常图像检测方法及组件
CN110570488B (zh) 图像校正方法、计算机设备和存储介质
KR101525251B1 (ko) 노이즈 필터
US8179301B2 (en) Image processor and image processing method for synthetic aperture radar
CN110244249B (zh) 磁共振扫描方法、装置、医学扫描设备和存储介质
CN111723753B (zh) 卫星遥感图像的去条带方法、装置和电子设备
CN113298802A (zh) 一种外辐射源引起的sar图像质量问题检测方法
CN113495242B (zh) 相位误差探测方法、装置、磁共振系统及其成像方法
CN112686842B (zh) 一种光斑检测方法、装置、电子设备及可读存储介质
Hwang et al. An efficient ship detection method for KOMPSAT-5 synthetic aperture radar imagery based on adaptive filtering approach
CN115542323B (zh) Sar运动目标图像快速重聚焦方法、装置和计算机设备
CN111462178A (zh) 基于热成像的活体流向检测方法、装置、设备及存储介质
JP3655496B2 (ja) 車両検知装置および車両検知方法ならびに車両検知プログラムを記録したコンピュータ読み取り可能な記録媒体
CN115291172A (zh) 简缩极化雷达极化旋转域特征提取和目标检测方法及装置
US7672518B2 (en) Use of frequency transform in the analysis of image sensors
CN114359232A (zh) 一种基于上下文协方差矩阵的图像变化检测方法及装置
CN109602453B (zh) 胎儿图案模糊化处理平台
CN109480886B (zh) 骨损伤检测方法、装置、计算机设备和存储介质
CN113296097A (zh) 一种sar图像旁瓣抑制方法
US7672519B2 (en) Use of frequency transforms in the analysis of image sensors

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
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20210824