CN115409735A - 一种InSAR干涉图像的滤波方法及装置 - Google Patents
一种InSAR干涉图像的滤波方法及装置 Download PDFInfo
- Publication number
- CN115409735A CN115409735A CN202211081336.6A CN202211081336A CN115409735A CN 115409735 A CN115409735 A CN 115409735A CN 202211081336 A CN202211081336 A CN 202211081336A CN 115409735 A CN115409735 A CN 115409735A
- Authority
- CN
- China
- Prior art keywords
- image block
- image
- spectrum data
- frequency spectrum
- blocks
- 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
Links
- 238000001914 filtration Methods 0.000 title claims abstract description 74
- 238000000034 method Methods 0.000 title claims abstract description 50
- 238000001228 spectrum Methods 0.000 claims abstract description 65
- 238000012545 processing Methods 0.000 claims abstract description 36
- 238000009499 grossing Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 6
- 239000000126 substance Substances 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000011218 segmentation Effects 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 238000004422 calculation algorithm Methods 0.000 description 20
- 238000013459 approach Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013502 data validation Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000010587 phase diagram Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000004804 winding Methods 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
- G06T5/00—Image enhancement or restoration
- G06T5/10—Image enhancement or restoration using non-spatial domain filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/20—Image enhancement or restoration using local operators
-
- 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
- G06T2207/20021—Dividing image into blocks, subimages or windows
-
- 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
- G06T2207/20048—Transform domain processing
- G06T2207/20056—Discrete and fast Fourier transform, [DFT, FFT]
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
Abstract
本申请提供了一种InSAR干涉图像的滤波方法及装置,涉及图像滤波技术领域,该方法包括:将InSAR干涉图像分割成多个大小相同的图像块,将每个图像块和其所有的相似图像块组成图像块组;对每个图像块组的各图像块进行快速傅立叶变换处理得到原始的频谱数据,对图像块组的频谱数据的幅值进行平滑处理,得到滤波后的频谱数据,对原始的频谱数据和滤波后的频谱数据进行处理,得到图像块组的各图像块的估计值;将每个图像块的估计值和所述图像块作为相似图像块的估计值进行加权平均,得到每个图像块的基本估计值;将每个图像块的基本估计值作为经验值执行最终估计得到滤波后的InSAR干涉图像。本申请提高了InSAR干涉图像的滤波效果。
Description
技术领域
本申请涉及图像滤波技术领域,尤其是涉及一种InSAR干涉图像的滤波方法及装置。
背景技术
InSAR技术可全天时、全天候获取大面积地表视线向形变信息,在城市地表形变、火山冰川监测以及地震形变、山体滑坡等多个领域具有巨大的应用价值。受限于SAR成像和处理方式,直接利用影像获得的干涉图含有较大的噪声,影响了干涉图的质量,继而影响了形变反演的精度,因此干涉图滤波是InSAR处理的重要环节。
现有的干涉图滤波算法主要有空间域滤波算法和频率域滤波算法两类。
空间域滤波算法中的均值和中值滤波算法,计算便捷、运行速度快,但噪声水平变化过快时易丢失边缘细节信息。基于梯度的自适应滤波,可利用噪声的统计特性,能较好的保护条纹边缘信息,但梯度值较大的噪声区域去噪效果不佳。Lee滤波主要是利用图像的局部统计特性通过固定窗口进行去噪,但无法兼顾图像的残差和细节信息。
频率域滤波算法中的小波阈值滤波没有考虑干涉相位的统计特性且阈值确定较为困难,不能保持干涉图的边缘条纹等细节特征。Goldstein滤波是目前最常用的InSAR干涉图去噪方法,其具有的可变性能保持干涉条纹清晰,减少由热噪声、时空失相干及体散射去相干等因素造成的相位噪声,但受分块大小和滤波参数的影响较大,存在局部欠滤波或过滤波的情况。
近年来,BM3D图像去噪及其改进技术已成为SAR影像去噪的热门算法,BM3D算法融合了非局域去噪和变换域去噪的方法,它的优势在于能够充分挖掘并利用图像的非局域相关性,更进一步保护图像的细节信息,并在不损耗能量的情况下将噪声与有用信息区分开,在变换域滤波时有效地去除噪声保留有用信息。但BM3D算法主要适用于高斯白噪声,对InSAR干涉图的乘性相干斑噪声效果较弱。
InSAR干涉图的相位噪声主要是乘性相干斑噪声,对干涉图进行滤波既要抑制图像中的相位噪声,又要保持图像的边缘和纹理细节信息,但现有的算法难以满足上述要求。
发明内容
有鉴于此,本申请提供了一种InSAR干涉图像的滤波方法及装置,以解决上述技术问题。
第一方面,本申请实施例提供了一种InSAR干涉图像的滤波方法,包括:
将InSAR干涉图像分割成多个大小相同的图像块,通过计算每个图像与其它图像块的距离,获取每个图像块的若干个相似图像块,将每个图像块和其所有的相似图像块组成图像块组;
对每个图像块组的各图像块进行快速傅立叶变换处理得到原始的频谱数据,对所述图像块组的频谱数据的幅值进行平滑处理,得到滤波后的频谱数据,对原始的频谱数据和滤波后的频谱数据进行处理,得到所述图像块组的各图像块的估计值;
将每个图像块的估计值和所述图像块作为相似图像块的估计值进行加权平均,得到每个图像块的基本估计值;
将每个图像块的基本估计值作为经验值执行最终估计,得到滤波后的InSAR干涉图像。
在一种可能的实施中,通过计算每个图像与其它图像块的距离,获取每个图像块的若干个相似图像块,将每个图像块和其所有的相似图像块组成图像块组;包括:
计算第n个图像块Yn与第j个图像块Yj的距离d(Yn,Yj):
其中,1≤n≤N,N为分割后图像块的个数,1≤j≤N,j≠n;H为图像块的宽,图像块的长和宽相等;||·||2表示l2的范数;
判断d(Yn,Yj)是否小于预设的阈值,若为是,则图像块Yj为图像块Yn的相似图像块;
在一种可能的实施中,对每个图像块组的每个图像块进行快速傅立叶变换处理得到原始的频谱数据,对所述图像块组的频谱数据的幅值进行平滑处理,得到滤波后的频谱数据,基于原始的频谱数据和滤波后的频谱数据进行处理,得到所述图像块组的每个图像块的估计值;包括:
对图像块组Sn中的每个图像块分别进行快速傅立叶变换,得到原始频谱数据Fw(u,v)m,其中,u和v表示空间频率,m为图像块组Sn中图像块的序号;
其中,·表示点乘,αm为频域滤波器的滤波参数,计算公式为:
其中,γ为局部相干系数;
将原始频谱数据和滤波后频谱数据进行相乘,对乘积结果进行快速傅立叶逆变换,并计算相位主值,得到图像块组Sn的每个图像块的估计值:其中,为第n个图像块Yn的估计值,为相似图像块Yn,1的估计值,为相似图像块的估计值。
在一种可能的实施中,将InSAR干涉图像的每个图像块的估计值及其作为相似图像块的估计值进行加权平均,得到每个图像块的基本估计值;包括:
其中,σ2表示噪声方差。
第二方面,本申请实施例提供了一种InSAR干涉图像的滤波装置,所述装置包括:
块匹配单元,用于将InSAR干涉图像分割成多个大小相同的图像块,通过计算每个图像与其它图像块的距离,获取每个图像块的若干个相似图像块,将每个图像块和其所有的相似图像块组成图像块组;
滤波单元,用于对每个图像块组的各图像块进行快速傅立叶变换处理得到原始的频谱数据,对所述图像块组的频谱数据的幅值进行平滑处理,得到滤波后的频谱数据,基于原始的频谱数据和滤波后的频谱数据进行处理,得到所述图像块组的各图像块的估计值;
加权平均单元,用于将每个图像块的估计值和所述图像块作为相似图像块的估计值进行加权平均,得到每个图像块的基本估计值;
最终估计单元,用于将每个图像块的基本估计值作为经验值执行最终估计,得到滤波后的InSAR干涉图像。
第三方面,本申请实施例提供了一种电子设备,包括:存储器、处理器和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本申请实施例的InSAR干涉图像的滤波方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令被处理器执行时实现本申请实施例的InSAR干涉图像的滤波方法。
本申请在对InSAR干涉图像高效去除噪声的同时,能保持图像的边缘细节信息,滤波精度高。
附图说明
为了更清楚地说明本申请具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本申请的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的InSAR干涉图像的滤波方法的流程图;
图2为本申请实施例提供的InSAR干涉图像的滤波装置的功能结构图;
图3为本申请实施例提供的电子设备的结构图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
首先对本申请实施例的设计思想进行简单介绍。
近年来,BM3D图像去噪及其改进技术已成为SAR影像去噪的热门算法,BM3D算法融合了非局域去噪和变换域去噪的方法,它的优势在于能够充分挖掘并利用图像的非局域相关性,更进一步保护图像的细节信息,并在不损耗能量的情况下将噪声与有用信息区分开,在变换域滤波时有效地去除噪声保留有用信息。但BM3D算法主要适用于高斯白噪声,对InSAR干涉图的乘性相干斑噪声效果较弱。
InSAR干涉图的相位噪声主要是乘性相干斑噪声,对干涉图进行滤波既要抑制图像中的相位噪声,又要保持图像的边缘和纹理细节信息,但现有的算法难以满足上述要求。
为解决上述技术问题,本申请提出了一种InSAR干涉图像的滤波方法,该方法采用通过干涉图相干系数自适应地计算滤波参数的频域滤波法,改进了BM3D基础估计阶段的处理过程,以增强对InSAR干涉图相位噪声的敏感程度,提高滤波效果。
本申请的方法在基础估计阶段通过采用干涉图相干系数自适应地计算滤波参数的方法,增强了对相位噪声和相位梯度的敏感度,并在BM3D最终估计阶段增强被过度平滑的边缘信息,该方法在保留图像细节信息的前提下提高了去除InSAR干涉图噪声的能力。
在介绍了本申请实施例的应用场景和设计思想之后,下面对本申请实施例提供的技术方案进行说明。
如图1所示,本申请实施例提供一种InSAR干涉图像的滤波方法,包括:
步骤101:将InSAR干涉图像分割成多个大小相同的图像块,通过计算每个图像与其它图像块的距离,获取每个图像块的若干个相似图像块,将每个图像块和其所有的相似图像块组成图像块组;
块匹配是在图像中寻找与给定参考块相似的图像块的过程,通过计算参考块与处于不同位置图像块的距离作为两者相似性的大小。
具体的,该步骤包括:
计算第n个图像块Yn与第j个图像块Yj的距离d(Yn,Yj):
其中,1≤n≤N,N为分割后图像块的个数,1≤j≤N,j≠n;H为图像块的宽,图像块的长和宽相等;||·||2表示l2的范数;
判断d(Yn,Yj)是否小于预设的阈值,若为是,则图像块Yj为图像块Yn的相似图像块;
步骤102:对每个图像块组的各图像块进行快速傅立叶变换处理得到原始的频谱数据,对所述图像块组的频谱数据的幅值进行平滑处理,得到滤波后的频谱数据,基于原始的频谱数据和滤波后的频谱数据进行处理,得到所述图像块组的各图像块的估计值;
由于干涉图的噪声分布不均匀,干涉相位图滤波算法中频域加权函数采用固定幂指数α参数值进行滤波时自适应性较低。其结果往往是对噪声干扰大的区域欠滤波,对噪声干扰小的区域过滤波,从而降低了整体处理效果。
本实施例采用干涉影像对局部相干系数γ的正弦函数计算幂指数α,从而使的滤波算法具有了良好的自适应性。当γ趋近于1时,α趋近于0,加权函数值趋近于1,反映了干涉相位所对应的干涉影像对具有较好的相干性,所得到的干涉相位图中噪声水平较低,从而不需要进行过多的滤波处理。当γ趋近于0时,干涉影像对的相干性较差,所得到的干涉相位图中噪声干扰十分严重,需进行充分的滤波处理,α∈[0,1],α=0时无滤波效果。
具体的,该步骤包括:
对图像块组Sn中的每个图像块分别进行快速傅立叶变换,得到原始频谱数据Fw(u,v)m,其中,u和v表示空间频率,m为图像块组Sn中图像块的序号;
其中,·表示点乘运算,αm为幂指数,计算公式为:
其中,γ为局部相干系数;
将原始频谱数据和滤波后频谱数据进行相乘,对乘积结果进行快速傅立叶逆变换,并计算相位主值,得到图像块组Sn的每个图像块的估计值:其中,为第n个图像块Yn的估计值,为相似图像块Yn,1的估计值,为相似图像块的估计值。
步骤103:将每个图像块的多个估计值进行加权平均,得到每个图像块的基本估计值;
本实施例中,该步骤包括:
其中,σ2表示噪声方差。
步骤104:利用每个图像块的基本估计值,对每个图像块进行最终估计,得到滤波后的InSAR干涉图像;
BM3D图像去噪算法分为两个阶段:第一阶段为基本估计,第二阶段为最终估计。
在本申请中,步骤101-步骤103属于基本估计阶段,本申请对现有的基本估计方法进行了改进。
在基本估计中用匹配的方式找到相似块的位置,利用相似块的位置可以得到两个三维群组,一个来自于原始图像,另一个来自于基本估计图像。
在上述的两个三维群组中应用三维变换,将基本估计中的三维群组当做真实信号的能量谱,利用该能量谱对原始图像进行协同维纳滤波处理,将处理后的数据进行逆变换返回到像素的原来位置得到最终的估计值;对有多个估计值的像素进行加权平均处理得到图像的最终估计。
下面采用模拟数据和实测数据分别验证算法的实用性,以残差点数、峰值信噪比、等效视数、相位标准差作为评价指标,将此算法与基于梯度的自适应滤波、Lee滤波、Baran滤波、BM3D滤波进行比较。
(1)模拟数据验证
基于雷达传感器参数和轨道数据模拟InSAR干涉图,首先将模拟的DEM,转换成弧度后进行缠绕,形成理想干涉相位图,加入高斯白噪声、乘性噪声等形成有噪声的相位干涉图。
表1:不同方法的模拟干涉图滤波结果定量比较
(2)实测数据验证
利用某地区RadarSat-2实测数据进行实验,验证算法的有效性。该数据获取于2011年12月17日和2012年2月27日,在所得干涉图上选取山地、平原两个不同的地形进行实验。
表2:不同方法的实测干涉图滤波结果定量比较
经过模拟与实测数据的试验验证,本申请提出的滤波方法定量指标分析结果优于现有的滤波方法,在高效去除噪声的同时,能保持图像的边缘细节信息,滤波精度较高。
基于上述实施例,本申请实施例提供了一种InSAR干涉图像的滤波装置,参阅图2所示,本申请实施例提供的InSAR干涉图像的滤波装置200至少包括:
块匹配单元201,用于将InSAR干涉图像分割成多个大小相同的图像块,通过计算每个图像与其它图像块的距离,获取每个图像块的若干个相似图像块,将每个图像块和其所有的相似图像块组成图像块组;
滤波单元202,用于对每个图像块组的各图像块进行快速傅立叶变换处理得到原始的频谱数据,对所述图像块组的频谱数据的幅值进行平滑处理,得到滤波后的频谱数据,基于原始的频谱数据和滤波后的频谱数据进行处理,得到所述图像块组的各图像块的估计值;
加权平均单元203,用于将每个图像块的估计值和所述图像块作为相似图像块的估计值进行加权平均,得到每个图像块的基本估计值;
最终估计单元204,用于将每个图像块的基本估计值作为经验值执行最终估计,得到滤波后的InSAR干涉图像。
需要说明的是,本申请实施例提供的InSAR干涉图像的滤波装置200解决技术问题的原理与本申请实施例提供的InSAR干涉图像的滤波方法相似,因此,本申请实施例提供的InSAR干涉图像的滤波装置200的实施可以参见本申请实施例提供的InSAR干涉图像的滤波方法的实施,重复之处不再赘述。
如图3所示,本申请实施例提供的电子设备300至少包括:处理器301、存储器302和存储在存储器302上并可在处理器301上运行的计算机程序,处理器301执行计算机程序时实现本申请实施例提供的InSAR干涉图像的滤波方法。
本申请实施例提供的电子设备300还可以包括连接不同组件(包括处理器301和存储器302)的总线303。其中,总线303表示几类总线结构中的一种或多种,包括存储器总线、外围总线、局域总线等。
存储器302可以包括易失性存储器形式的可读介质,例如随机存储器(RandomAccess Memory,RAM)3021和/或高速缓存存储器3022,还可以进一步包括只读存储器(ReadOnly Memory,ROM)3023。
存储器302还可以包括具有一组(至少一个)程序模块3025的程序工具3024,程序模块3025包括但不限于:操作子系统、一个或者多个应用程序、其它程序模块以及程序数据,这些示例中的每一个或某种组合中可能包括网络环境的实现。
电子设备300也可以与一个或多个外部设备304(例如键盘、遥控器等)通信,还可以与一个或者多个使得用户能与电子设备300交互的设备通信(例如手机、电脑等),和/或,与使得电子设备300与一个或多个其它电子设备300进行通信的任何设备(例如路由器、调制解调器等)通信。这种通信可以通过输入/输出(Input/Output,I/O)接口305进行。并且,电子设备300还可以通过网络适配器306与一个或者多个网络(例如局域网(Local AreaNetwork,LAN),广域网(Wide Area Network,WAN)和/或公共网络,例如因特网)通信。如图3所示,网络适配器306通过总线303与电子设备300的其它模块通信。应当理解,尽管图3中未示出,可以结合电子设备300使用其它硬件和/或软件模块,包括但不限于:微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、磁盘阵列(Redundant Arrays of IndependentDisks,RAID)子系统、磁带驱动器以及数据备份存储子系统等。
需要说明的是,图3所示的电子设备300仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
本申请实施例还提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机指令,该计算机指令被处理器执行时实现本申请实施例提供的InSAR干涉图像的滤波方法。
此外,尽管在附图中以特定顺序描述了本申请方法的操作,但是,这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
尽管已描述了本申请的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例作出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。
Claims (7)
1.一种InSAR干涉图像的滤波方法,其特征在于,包括:
将InSAR干涉图像分割成多个大小相同的图像块,通过计算每个图像与其它图像块的距离,获取每个图像块的若干个相似图像块,将每个图像块和其所有的相似图像块组成图像块组;
对每个图像块组的各图像块进行快速傅立叶变换处理得到原始的频谱数据,对所述图像块组的频谱数据的幅值进行平滑处理,得到滤波后的频谱数据,对原始的频谱数据和滤波后的频谱数据进行处理,得到所述图像块组的各图像块的估计值;
将每个图像块的估计值和所述图像块作为相似图像块的估计值进行加权平均,得到每个图像块的基本估计值;
将每个图像块的基本估计值作为经验值执行最终估计,得到滤波后的InSAR干涉图像。
2.根据权利要求1所述的InSAR干涉图像的滤波方法,其特征在于,通过计算每个图像与其它图像块的距离,获取每个图像块的若干个相似图像块,将每个图像块和其所有的相似图像块组成图像块组;包括:
计算第n个图像块Yn与第j个图像块Yj的距离d(Yn,Yj):
其中,1≤n≤N,N为分割后图像块的个数,1≤j≤N,j≠n;H为图像块的宽,图像块的长和宽相等;||·||2表示l2的范数;
判断d(Yn,Yj)是否小于预设的阈值,若为是,则图像块Yj为图像块Yn的相似图像块;
3.根据权利要求2所述的InSAR干涉图像的滤波方法,其特征在于,对每个图像块组的每个图像块进行快速傅立叶变换处理得到原始的频谱数据,对所述图像块组的频谱数据的幅值进行平滑处理,得到滤波后的频谱数据,基于原始的频谱数据和滤波后的频谱数据进行处理,得到所述图像块组的每个图像块的估计值;包括:
对图像块组Sn中的每个图像块分别进行快速傅立叶变换,得到原始频谱数据Fw(u,v)m,其中,u和v表示空间频率,m为图像块组Sn中图像块的序号;
其中,·表示点乘,αm为频域滤波器的滤波参数,计算公式为:
其中,γ为局部相干系数;
5.一种InSAR干涉图像的滤波装置,其特征在于,所述装置包括:
块匹配单元,用于将InSAR干涉图像分割成多个大小相同的图像块,通过计算每个图像与其它图像块的距离,获取每个图像块的若干个相似图像块,将每个图像块和其所有的相似图像块组成图像块组;
滤波单元,用于对每个图像块组的各图像块进行快速傅立叶变换处理得到原始的频谱数据,对所述图像块组的频谱数据的幅值进行平滑处理,得到滤波后的频谱数据,基于原始的频谱数据和滤波后的频谱数据进行处理,得到所述图像块组的各图像块的估计值;
加权平均单元,用于将每个图像块的估计值和所述图像块作为相似图像块的估计值进行加权平均,得到每个图像块的基本估计值;
最终估计单元,用于将每个图像块的基本估计值作为经验值执行最终估计,得到滤波后的InSAR干涉图像。
6.一种电子设备,其特征在于,包括:存储器、处理器和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如权利要求1-4任一项所述的InSAR干涉图像的滤波方法。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令被处理器执行时实现如权利要求1-4任一项所述的InSAR干涉图像的滤波方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211081336.6A CN115409735A (zh) | 2022-09-05 | 2022-09-05 | 一种InSAR干涉图像的滤波方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211081336.6A CN115409735A (zh) | 2022-09-05 | 2022-09-05 | 一种InSAR干涉图像的滤波方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115409735A true CN115409735A (zh) | 2022-11-29 |
Family
ID=84164580
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211081336.6A Pending CN115409735A (zh) | 2022-09-05 | 2022-09-05 | 一种InSAR干涉图像的滤波方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115409735A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115937231A (zh) * | 2022-12-30 | 2023-04-07 | 华中科技大学 | 一种频谱结构约束的红外图像迭代去噪方法及系统 |
-
2022
- 2022-09-05 CN CN202211081336.6A patent/CN115409735A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115937231A (zh) * | 2022-12-30 | 2023-04-07 | 华中科技大学 | 一种频谱结构约束的红外图像迭代去噪方法及系统 |
CN115937231B (zh) * | 2022-12-30 | 2023-10-20 | 华中科技大学 | 一种频谱结构约束的红外图像迭代去噪方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yahya et al. | BM3D image denoising algorithm based on an adaptive filtering | |
US9262808B2 (en) | Denoising of images with nonstationary noise | |
Dong et al. | Nonlocal total variation models for multiplicative noise removal using split Bregman iteration | |
Nair et al. | Fast high-dimensional bilateral and nonlocal means filtering | |
Easley et al. | Directional multiscale processing of images using wavelets with composite dilations | |
CN115409735A (zh) | 一种InSAR干涉图像的滤波方法及装置 | |
Yu et al. | Noise attenuation in a low-dimensional manifold | |
Wu et al. | Optimal weighted bilateral filter with dual‐range kernel for Gaussian noise removal | |
CN116153329A (zh) | 一种基于cwt-lbp的声音信号时频纹理特征提取方法 | |
CN113204051B (zh) | 一种基于变分模态分解的低秩张量地震数据去噪方法 | |
Singh et al. | A homomorphic non-subsampled contourlet transform based ultrasound image despeckling by novel thresholding function and self-organizing map | |
Bao et al. | New image denoising algorithm using monogenic wavelet transform and improved deep convolutional neural network | |
Huang et al. | Multiplicative noise removal based on unbiased box-cox transformation | |
Devapal et al. | Discontinuity adaptive SAR image despeckling using curvelet-based BM3D technique | |
Jon et al. | Weighted hyper-Laplacian prior with overlapping group sparsity for image restoration under Cauchy noise | |
Li et al. | Improved non-local means algorithm for image denosing | |
CN110297242A (zh) | 基于压缩感知的合成孔径雷达层析三维成像方法及装置 | |
Wang et al. | A novel singular value decomposition-based similarity measure method for non-local means denoising | |
Zhang et al. | Multi-resolution depth image restoration | |
Singh et al. | A new local structural similarity fusion-based thresholding method for homomorphic ultrasound image despeckling in NSCT domain | |
Zhang et al. | A novel denoising method for medical ct images based on moving decomposition framework | |
CN114066749A (zh) | 相位相关抗噪位移估计方法、设备及存储介质 | |
Fang et al. | De-noising of SAR images based on Wavelet-Contourlet domain and PCA | |
Auroux et al. | Application of the topological gradient method to tomography | |
Bilgen et al. | Restoration of noisy images blurred by a random point spread function |
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 |