CN114612327B - 一种基于sar影像非局部高斯加权中值滤波算法 - Google Patents

Abstract

本发明涉及一种基于SAR影像的非局部高斯加权中值滤波算法，包括步骤1)，在SAR影像上选取一个大小为t*t的正方形滑动窗口作为搜索框；步骤2)，在搜索框内分别选取大小为f*f(f<t)的图像块作为中心图像块与相似图像块；步骤3)，计算中心图像块与相似图像块的高斯核卷积中值；步骤4)，采用高斯加权欧氏距离代表相似性，定义一个包含结构信息的邻域作为比较单位定量计算x与y点的结构相似度；步骤5)，计算权值，得到滤波后的SAR影像，完成基于SAR影像的非局部高斯加权中值滤波算法。本发明基于非局部思想对SAR影像进行高斯加权中值滤波处理，有效利用了SAR影像上的邻域辐射信息，提升了SAR影像的质量。

Description

一种基于SAR影像非局部高斯加权中值滤波算法

技术领域

本发明涉及影像处理技术领域，尤其涉及一种基于SAR(Synthetic ApertureRadar)影像非局部高斯加权中值滤波算法。

背景技术

合成孔径雷达(SAR)因相干成像系统的固有缺陷会造成其影像质量受相干斑噪声的影响而下降。由于多个散射体同时被照射，使得雷达接收机接受到的信号产生一定的波动，从而使合成孔径雷达系统对目标散射系数的测量产生较大的偏差，最终以相干斑的形式表现在图像上。

随着我国图像处理技术的发展，SAR影像的应用范围较过去更加广泛。相干斑的存在破坏了SAR影像正确反映地物目标的散射特性，严重损坏了影像的质量，如何抑制相干斑噪声是提升SAR影像质量的关键。

现有的滤波方式主要针对光学影像，但是随着SAR卫星成像能力的不断提升，SAR卫星可以在短时间内获取SAR影像，且不受天气、时间和地理等因素的限制。

如何在抑制相干斑噪声的同时，注重边缘纹理信息的保留，最大程度的还原滤波影像的辐射信息是SAR影像滤波急需解决的问题。目前，SAR影像抑斑算法可大致分为三类：

1、空域滤波

空域滤波出现最早，以经典Lee滤波及其改进算法为代表。经典Lee滤波算法假设待处理的图像区域是均匀的，但这会损坏细节信息，而且不适用于边缘等图像强度迅速变化的区域。为了更好地保留边缘等细节信息，提高图像质量，提出了增强Lee滤波算法。增强Lee滤波算法对噪声的平滑效果，边缘保持能力较其他空域滤波算法都是较好的，但边缘保持能力还是有待完善。

2、偏微分各向异性扩散滤波

以经典各向异性扩散滤波及其改进算法等为代表的各向异性扩散滤波，此类算法以局部窗口统计量的迭代为主，计算量较大。

3、变换域滤波

以小波变换为主的变换域滤波算法先把含噪声信号进行小波变换，然后计算相邻尺度间小波系数的相关性，再根据相关性区别小波系数的类型，并据此对小波系数进行取舍，最后利用保留下来的小波系数重构信号。小波滤波法去噪效果最理想的是高斯白噪声，基于小波变换的滤波器具有良好的细节保持特征。

发明内容

本发明的目的在于解决现有技术中的至少一部分技术问题，提供了一种基于SAR影像非局部高斯加权中值滤波算法，充分利用SAR影像中邻域图像块的像素信息，有效抑制了SAR影像上的相干斑，还原了影像上的地物信息。

为了解决上述技术问题，本发明第一方面，提供了一种基于SAR影像非局部高斯加权中值滤波算法，所述方法包括：

步骤1：在SAR影像上选取一个大小为t*t的方形邻域作为搜索框。

步骤2：在搜索框内分别选取大小为f*f(f<t)的图像块作为中心图像块(以x为中心像元)与相似图像块(以y为中心像元)。

步骤3:x点的滤波结果

是在相似框内求出来的局部加权中值：

y点的滤波结果

是在中心框内求出来局部加权中值：

其中，G_a代表高斯核函数。相似框内的每个像元均具有特定的权系数，权重w(x,y)取决于像素x和y的局部结构相似度。

步骤4：采用高斯加权欧氏距离代表相似性，定义一个包含结构信息的邻域作为比较单位定量计算x与y点的结构相似度。邻域间高斯加权欧氏距离D(x,y)表示为:

a控制着高斯核函数的局部作用范围，a越大局部影响范围越大，平滑程度越好，对结构信息保护效果越差。

步骤5：用高斯核函数与灰度值进行卷积的同时考虑了邻域内每点与中心点的距离和灰度值对于局部相似性的影响，权重根据下式计算:

Z(x)是归一化因子，h是控制函数衰减的常数，h越大平滑效果越好。从上式可以看出，中心点周围的邻域可以代表局部结构，当局部结构相似时，权值变大，因此权重与位置无关，仅与计算点邻域的局部结构相似度有关。

x处像元滤波后的值可通过如下方程式得到：

其中，含噪图像为u(x)，去噪后的图像为

附图说明

图1为根据本发明优选实施例的非局部高斯加权中值滤波算法思路图示例。

图2为根据本发明优选实施例的GF3拍摄的SAR影像原图及其滤波后的影像。

图3为根据本发明优选实施例的GF3拍摄的SAR影像原图及其滤波后的影像的客观评价指标数据。

Claims (4)

1.一种基于SAR影像非局部高斯加权中值滤波算法，其特征在于，所述方法包括以下步骤：

步骤1：在SAR影像上选取一个大小为t*t的方形邻域作为搜索框；

步骤2：在搜索框内分别选取大小为f*f(f<t)的图像块作为中心图像块(以x为中心像元)与相似图像块(以y为中心像元)；

步骤3：先计算中心图像块与高斯核的卷积中值，再计算相似图像块与高斯核的卷积中值；

步骤4：采用高斯加权欧氏距离代表相似性，定义一个包含结构信息的邻域作为比较单位定量计算中心图像块与相似图像块的结构相似度；

步骤5：计算权值，得到滤波后的SAR影像。

2.根据权利要求1所述的一种基于SAR影像非局部高斯加权中值滤波算法，其特征在于，所述步骤3还包括：

步骤3.1：计算x点所在的中心图像块高斯核卷积中值：

步骤3.2：计算y点所在的相似图像块高斯核卷积中值：

d(x)指以中心像元x为邻域图像块的像元值，d(y)指以中心像元y为邻域图像块的像元值。G_a代表高斯核函数，相似框内的每个像元均具有特定的权系数，权重w(x,y)取决于像素x和y的局部结构相似度。

3.根据权利要求1所述的一种基于SAR影像非局部高斯加权中值滤波算法，其特征在于，所述步骤4还包括：

步骤4.1：计算中心图像块与相似图像块的高斯加权欧氏距离D(x,y)：

a控制着高斯核函数的局部作用范围，a越大局部影响范围越大，平滑程度越好，对结构信息保护效果越差。

4.根据权利要求1所述的一种基于SAR影像非局部高斯加权中值滤波算法，其特征在于，所述步骤5还包括：

步骤5.1：权重根据下式计算：

Z(x)是归一化因子，h是控制函数衰减的常数，h越大平滑效果越好。从上式可以看出，中心点周围的邻域可以代表局部结构，当局部结构相似时，权值变大，因此权重与位置无关，仅与计算点邻域的局部结构相似度有关。

步骤5.2：x处像元滤波的计算方程为：

其中，含噪图像为u(x)，去噪后的图像为

Images