JP2003528405A - コヒーレント・センサ検知画像の多時間フィルタリング方法 - Google Patents

コヒーレント・センサ検知画像の多時間フィルタリング方法

Info

Publication number
JP2003528405A
JP2003528405A JP2001569765A JP2001569765A JP2003528405A JP 2003528405 A JP2003528405 A JP 2003528405A JP 2001569765 A JP2001569765 A JP 2001569765A JP 2001569765 A JP2001569765 A JP 2001569765A JP 2003528405 A JP2003528405 A JP 2003528405A
Authority
JP
Japan
Prior art keywords
image
pixel
segmented
scale
time
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
JP2001569765A
Other languages
English (en)
Inventor
グランディ，ジアンフランコ デ
Original Assignee
ヨーロピアン コミュニティー
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 ヨーロピアン コミュニティー filed Critical ヨーロピアン コミュニティー
Publication of JP2003528405A publication Critical patent/JP2003528405A/ja
Pending legal-status Critical Current

Links

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
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
    • G01S13/9021—SAR image post-processing techniques
    • G01S13/9027—Pattern recognition for feature extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/13—Satellite images
    • 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
    • G06T2207/20048—Transform domain processing
    • G06T2207/20064—Wavelet transform [DWT]

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Astronomy & Astrophysics (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Image Processing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

(57)【要約】 同じ境界条件において、連続した異なる時刻ｔ＝Ｔ０、Ｔ１、…、Ｔｎに、同じセンサを使用して、特にレーダ・センサのようなコヒーレント・センサ手段によって検知される同一ターゲットの一連の２次元ディジタル入力画像Ｉ０、Ｉ１、…、Ｉｎを検知および記憶するステップ(100)を備え、各入力画像に離散２進ウェーブレット変換を適用するコヒーレント・センサ検知画像の多時間フィルタリング方法。

Description

【発明の詳細な説明】
【０００１】 〔技術分野〕 本発明は、コヒーレント・センサ（coherent-sensor）の検知画像の多時間フ
ィルタリング方法に関する。
【０００２】 〔背景技術〕 固定ターゲットの画像は、コヒーレント・センサ（とりわけレーダセンサ）を
使用して検出されることが知られている。例えば、地球表面の同一領域の画像は
、人工衛星に搭載されたコヒーレント・レーダセンサを使用して検出されている
。このような画像には、すべて細かい斑点状ノイズが生じがちであり、このノイ
ズは、ターゲットがセンサに使用されるコヒーレント放射を散乱することにより
生じ、その統計的特性はターゲットの性質に依存する。
【０００３】 同一ターゲットの画像は、異なる時刻に検出されて評価器（estimator）に供
給される。評価器は、様々な画像中にある情報に基づいて特定の事象の動きを判
定する。これらの事象の動きには、物理的な変化（例えば特定の海面の汚染物質
の広がり）、生物学的な変化（例えば地球表面の農作物の成長）、大気の変化（
例えば、雲の動き）、または人為的な変化（例えば、特定地域の森林破壊）があ
る。
【０００４】 〔発明の開示〕 本発明の目的は、このような画像に固有の細かい斑点状ノイズの効果的なフィ
ルタリング方法を提供し、もって前記事象を正確に復元することを可能とするこ
とである。本発明により、請求項１に記載されるようにコヒーレント・センサに
より生成される画像の多時間フィルタリング方法が提供される。以下、添付する
図面を参照して本発明の好適な実施例が記載される。
【０００５】 〔発明実施の最良の形態〕 添付図面を参照すると、本発明による方法は最初のブロック１００を備える。
最初のブロック１００では、コヒーレント・センサ（とりわけレーダセンサ）に
より、連続する異なる時刻ｔ＝Ｔ０、Ｔ１、…、Ｔｎにおいて、同一境界条件下
で同一センサを用いて検知した、同一ターゲットの一連の（またはスタックの）
２次元ディジタル画像Ｉ０、Ｉ１、…、Ｉｎの連続を、（既知のアルゴリズム手
段により）検知し、記憶しおよび記録する第１のブロック１００を備える。前記
コヒーレント・センサは画像の取得時間の間、一定の位相特性を実質的に維持す
る放射線を使用する既知のセンサである。
【０００６】 より具体的には、２次元ディジタル画像Ｉ０、Ｉ１、…、Ｉｎを、同一の光源
配置（lighting geometry）を用いて検知して、検査対象である事象の段階的変
化以外の要因や細かい斑点状のノイズにより生ずる、反射率の空間的な歪みやば
らつきを防ぐ。
【０００７】 画像Ｉ０、Ｉ１、…、Ｉｎは長方形であって、画素Ｐ（ｘ，ｙ）の２次元マト
リクスとして表現されることとし、各画素はその反射率を表す整数で定められる
。前記のように、事象の基本的な変化と細かい斑点状のノイズの存在のために、
異なる画像では対応する画素の反射率が変化する。
【０００８】 ブロック１００に続くブロック１０１では、ある時刻ｔに関して保存された各
画像について、マルチスケール微分演算子（multiscale differential operator
）として使用される離散２進ウェーブレット変換（Wavelet dyadic discrete tr
ansform）を計算する。
【０００９】 より具体的には、実行するウェーブレット変換（マザーウェーブレットとして
の４次Ｂ−スプライン関数を使用する）は、入力画像をウェーブレット変換の低
域分割（low-pass branch）手段によってフィルタリングし、そして入力画像と
平滑化関数とを重畳することによって得られる（平滑信号（smooth signal）ま
たは平滑画像（smooth image）といわれる）平滑成分（smooth component）Ｓ（
ｘ，ｙ，ｔ，ｓ）を生成する。
【００１０】 またウェーブレット変換は、第１の方向（ｘ）について計算される平滑信号の
傾き、
【数３】 に比例する第１直交成分Ｗｘ（ｘ，ｙ，ｔ，ｓ）と、前記第１の方向に直交する
第２の方向（ｙ）について計算された平滑信号の傾き、
【数４】 に比例する第２直交成分Ｗｙ（ｘ，ｙ，ｔ，ｓ）とを、平滑画像の各々のｘ，ｙ
の画素に対して生成する。もし、ウェーブレット変換が繰り返されるならば、上
記の操作（信号のフィルタリングおよびｘおよびｙ方向への傾きの計算）が、平
滑成分Ｓ（ｘ，ｙ，ｔ，ｓ）に対して再び適用され、さらに３つの要素（１つの
平滑成分と２つの直交成分）を得る。各々のウェーブレット変換の反復は、スケ
ール（scale）であるｓ要素の増加に対応する。計算された各成分は記憶され、
その後の処理に利用される。そしてサンプリングは全てのスケールｓにおいて一
定に維持される。
【００１１】 ブロック１０１に続くブロック１０２では、ブロック１０１で計算されたｘお
よびｙ方向の２つの直交ウェーブレット成分に基づいて、直交ウェーブレット成
分の極座標表現を導出する。この導出は、直交ウェーブレット成分の絶対値Ｍ（
ｘ，ｙ，ｔ，ｓ）、および直交ウェーブレット成分であるＷｘ（ｘ，ｙ，ｔ，ｓ
）とＷｙ（ｘ，ｙ，ｔ，ｓ）との間の角度を、（既知の方法で）計算して行う。
【数５】
【００１２】 ブロック１０２に続くブロック１０３では、前に計算した絶対値Ｍ（ｘ，ｙ，
ｔ，ｓ）を、以前に計算した平滑成分（信号）Ｓ（ｘ，ｙ，ｔ，ｓ）によって正
規化する。すなわち、
【数６】 とする。上記の操作は、画像中の細かい斑点状のノイズを均一化するのに役立つ
。
【００１３】 ブロック１０３に続くブロック１０４では、（正規化された絶対値をピクセル
毎に分析する既知のアルゴリズムにより）正規化した絶対値Ｍｎｏｒｍ（ｘ，ｙ
，ｔ，ｓ）の極大値を計測する。通常、極大値は画像内の遷移領域（transition
region）、すなわち小区域内で反射率が急激に変化する領域に対応し、それは
各領域内で一定であり、相互に異なる反射率を有する、隣接する静止した領域の
縁を示す。ここで、静止した領域とは統計的な意味であり、すなわちその反射率
の平均値と自己相関が場所に依存しないことである。
【００１４】 ブロック１０４で抽出した極大値を記憶して、次のブロック１０５へ送る。ブ
ロック１０５では、極大値を接続線（例えば折線の接続線）によって（既知のア
ルゴリズムで）接続する。一般に接続線は、入力画像内の均一領域の境界および
ポイント・ターゲット（point target）（いわゆるストロング・ストラクチャ（
strong structure））を示す。ブロック１０１〜１０５は、スタック内の様々な
入力画像Ｉについて、対応する数のストラクチャ画像（structure image）であ
るＳＴＲＵＣＴ（ｘ，ｙ，ｔ，ｓ）を生成する。ＳＴＲＵＣＴ（ｘ，ｙ，ｔ，ｓ
）には、各入力画像内のストロング・ストラクチャの存在および配置に関する情
報が含まれる。
【００１５】 ストラクチャ画像は、全ての時刻ｔについて所定のスケールｓ＝ｓｐにおいて
計算される。より具体的に言うと、ストラクチャ画像ＳＴＲＵＣＴ（ｘ，ｙ，ｔ
，ｓ）は、信号雑音比との互換性が最良のスケールにおいて計算される。例えば
、４ルック（4-look）レーダセンサすなわち４つの画像（例えば欧州宇宙機関の
地球観測衛星１ＰＲＩにより検知された画像）の平均から１つの画像を与えるセ
ンサの場合では所定のスケールは、ｓｐ＝２である。この実施例では、ウェーブ
レット変換を１度反復し、ストラクチャ画像は所定のスケールｓｐ＝２において
表される。
【００１６】 ブロック１０５に続くブロック２０１では、計算された各々のスケールｓの特
定の時刻ｔに対する各々の入力画像について、ウェーブレット変換の様々な平滑
成分Ｓ（ｘ、ｙ、ｚ、ｓ）、および直交成分Ｗｘ（ｘ、ｙ、ｚ、ｓ）、Ｗｙ（ｘ
、ｙ、ｚ、ｓ）を、（具体的にはメモリから呼び出して）利用可能にする。例え
ば、ウェーブレット変換が１度だけ反復された場合では、より高いスケールｓ＝
１での成分Ｗｘ（ｘ、ｙ、ｚ、１）、Ｗｙ（ｘ、ｙ、ｚ、１）およびＳ（ｘ、ｙ
、ｚ、１）、ならびにより低いスケールｓ＝２での成分Ｗｘ（ｘ、ｙ、ｚ、２）
、Ｗｙ（ｘ、ｙ、ｚ、２）およびＳ（ｘ、ｙ、ｚ、２）が、各画像Ｉについて利
用可能となる。
【００１７】 ある所定のスケールに関するより低いスケールは、その所定スケールの成分に
関して少なくとも１回反復されたウェーブレット変換によって取得されたスケー
ルであることを意味する。より具体的には、（関数のスケール特性に基づく既知
のアルゴリズムにより）高スケール直交ウェーブレット成分（例えばｓ＝１）を
、ブロック２０１で低スケール成分から（例えばｓ＝２）再構成する。前記操作
は、全ての時刻Ｔ０、Ｔ１、…、Ｔｎについて実行され、再構成された高スケー
ル（例えばｓ＝１）直交ウェーブレット成分Ｗｒｘ（ｘ，ｙ，ｔ，１）、Ｗｒｙ
（ｘ，ｙ，ｔ，１）の取得のために供される。
【００１８】 実際に、高スケール・ウェーブレット成分（ｓ＝１）は、保存されている２次
元入力画像の小構造（詳細部）をフィルタリングする際にもたらされた、高度の
ノイズを含んでいる。したがって、計算された高スケール（ｓ＝１）成分を直接
使用するかわりに、再構成されたウェーブレット成分を使用して次の操作を実行
する。再構成されたウェーブレット成分は、もともとノイズをあまり受けていな
い低スケール（ｓ＝２）のウェーブレット成分から導出されることにより、ノイ
ズの影響をあまり受けない。前記の再構成は、主にストロング・ストラクチャに
ついて信頼できる。再構成された直交ウェーブレット成分は、ブロック２０１に
おいて、さらにローパス・フィルタリング（スムージング）にかけることとして
もよい。
【００１９】 ブロック２０１に続くブロック２０２では、直交ウェーブレット成分（再構成
された高スケール成分および計算された低スケール成分）をブロック１０５で生
成したストラクチャ画像に基づいてマスクする。
【００２０】 詳細には、各時刻ｔおよび異なるスケール（例えばスケールｓ＝１およびｓ＝
２）について、対応するストラクチャ画像（すなわち、同一時刻に関するストラ
クチャ画像）内のストロング・ストラクチャに対応する直交ウェーブレット成分
の画素（再構成されたもの、計算されたものの双方）を保持し、訂正されたウェ
ーブレット成分Ｗｃｘ（ｘ，ｙ，ｔ，２）、Ｗｃｙ（ｘ，ｙ，ｔ，２）、Ｗｃｘ
（ｘ，ｙ，ｔ，１）、Ｗｃｙ（ｘ，ｙ，ｔ，１）を生成する。
【００２１】 そして、各時刻ｔおよび異なるスケール（例えばスケールｓ＝１およびｓ＝２
）について、対応するストラクチャ画像（すなわち、同一時刻に関するストラク
チャ画像）内のストロング・ストラクチャに対応しない直交ウェーブレット成分
の画素（再構成されたもの、計算されたものの双方）を、ゼロにし、訂正された
ウェーブレット成分Ｗｃｘ（ｘ，ｙ，ｔ，２）、Ｗｃｙ（ｘ，ｙ，ｔ，２）、Ｗ
ｃｘ（ｘ，ｙ，ｔ，１）、Ｗｃｙ（ｘ，ｙ，ｔ，１）を作成する。
【００２２】 ブロック２０２に続くブロック２０３では、各画像Ｉについて、様々なスケー
ルにおける訂正されたウェーブレット成分、および様々なスケール（例えば、ｓ
＝１およびｓ＝２）における平滑信号成分、すなわちＳ（ｘ，ｙ，ｔ，１）、Ｓ
（ｘ，ｙ，ｔ，２）、Ｗｃｘ（ｘ，ｙ，ｔ，２）、Ｗｃｙ（ｘ，ｙ，ｔ，２）、
Ｗｃｘ（ｘ，ｙ，ｔ，１）およびＷｃｙ（ｘ，ｙ，ｔ，１）を、入力値として使
用して、ウェーブレット逆変換を計算する。
【００２３】 ウェーブレット逆変換は、各時刻Ｔ０、Ｔ１、…、Ｔｎについて、対応するセ
グメント化された２次元ディジタル画像ＳＥＧ（ｘ，ｙ，ｔ）を生成する。セグ
メント化された画像ＳＥＧ（ｘ，ｙ，ｔ）は、１つのスケール（ｓ＝１）に関係
するので、スケール・インデックスは必要とされない。
【００２４】 後に続くブロックでは、ストラクチャ画像ＳＴＲＵＣＴ（ｘ，ｙ，ｔ）（各画
像内のストロング・ストラクチャの存在と配置に関する情報を含む）、およびセ
グメント化された２次元ディジタル画像ＳＥＧ（ｘ，ｙ，ｔ）が供給される。
【００２５】 ブロック２０３に続くブロック３００は、構造上の情報（ストラクチャ画像Ｓ
ＴＲＵＣＴ（ｘ，ｙ，ｔ））、静止した領域における期待値に関する情報（セグ
メント化された画像ＳＥＧ（ｘ，ｙ，ｔ））、および開始画像と異なる時刻にお
ける同じターゲットのサンプル（画像スタック）から、時系列における画像の反
射率を評価する（再構成する）実際のプロセスを構成する。系列における１つの
画像、時刻Ｔ０と示された画像はフィルタリングされている。
【００２６】 ブロック３００は、フィルタリング操作を初期化する第１ブロック３０１を備
える。ブロック３０１に続く３０２は、使用中のｔに関するセグメント化された
２次元画像ＳＥＧ（ｘ，ｙ，ｔ）を選択する（まず初めに、最初の時刻ｔ＝Ｔ０ に関するセグメント化された画像が選択され、引き続き、増加する時刻ｔに関す
る画像が選択される）。
【００２７】 ブロック３０２に続くブロック３０３では、ブロック３０２にて選択された時
刻に関するセグメント化された２次元画像ＳＥＧ（ｘ，ｙ，ｔ）内の画素ｘ、ｙ
を選択する（最初に時刻ｔ＝Ｔ０とし、引き続き他の全ての時刻ｔについて続け
られる）。より具体的には、ブロック３０３に続くブロック３０４では、選択さ
れた画素がストロング・ストラクチャに関係するか否かを判断する。これは、対
応するストラクチャ画像ＳＴＲＵＣＴ（ｘ，ｙ，ｔ）上で（すなわち、同じ時刻
に関連して）行われ、ブロック３０３で選択されたもの（すなわち、おなじｘ、
ｙ座標を有する）に対応する画素が、実際にストロング・ストラクチャに関係す
るか否かを判断する。その結果が肯定の場合はブロック３０５へ進み、逆の時は
ブロック３０６へ進む。
【００２８】 ブロック３０５では、ブロック３０４で選択された画素について係数（重み）
ｐ（ｘ，ｙ，ｔ）をゼロとする（ｐ（ｘ，ｙ，ｔ）＝０）。これに対し、ブロッ
ク３０６では、ブロック３０４で選択された画素について係数（重み）ｐ（ｘ，
ｙ，ｔ）を、時刻Ｔ０に関するセグメント化された２次元画像ＳＥＧ（ｘ，ｙ，
Ｔ０）の画素の値と使用中の時刻ｔに関するセグメント化された２次元画像ＳＥ
Ｇ（ｘ，ｙ，ｔ）の画素の値との間の比率により定めて計算する。すなわちｐ（
ｘ，ｙ，ｔ）＝ＳＥＧ（ｘ，ｙ，Ｔ０）／ＳＥＧ（ｘ，ｙ，ｔ）とする。
【００２９】 ブロック３０５および３０６に続くブロック３０７では、使用中の時刻ｔに関
するセグメント化された画像内の全ての画素が分析されたか否かを判断する。そ
の結果が否定の場合は、ブロック３０７からブロック３０３に戻ってセグメント
化された画像内の他の画素ｘ、ｙを選択する。結果が肯定の場合（時刻ｔに関す
るセグメント化された画像内の全ての画素が検査済みである場合）は、ブロック
３０７からブロック３０８へ行き、異なる時刻に関するセグメント化された画像
が、全て分析されたか否かを判断する。その結果が否定の場合（他の時刻につい
て検査すべきセグメント化された２次元ディジタル画像ＳＥＧ（ｘ，ｙ，ｔ）が
存在する場合）は、ブロック３０８からブロック３０２に戻って、まだ検査され
ていない時刻に関してセグメント化された２次元画像が選択され、前回の時刻に
続いて処理される。
【００３０】 結果が肯定の場合（全ての時刻に関するセグメント化された画像ＳＥＧ（ｘ，
ｙ，ｔ）が分析済みである場合）は、ブロック３０８からブロック３１０へ進む
。上記の操作は、ある時刻に関する各セグメント化された画像について、セグメ
ント化された画像内にそれぞれ対応する重みｐ（ｘ，ｙ，ｔ）の数の計算を与え
る。
【００３１】 ブロック３１０は、初期時刻（Ｔ０）に関するセグメント化された２次元画像
内の画素ｘ、ｙを選択する。
【００３２】 ブロック３１０に続くブロック３２０では、ブロック３１０で選択された画素
がストロング・ストラクチャに関係するか否かを判断する。これは（ブロック３
０４のように）初期時刻Ｔ０に関するストラクチャ画像ＳＴＲＵＣＴ（ｘ，ｙ，
Ｔ０）上において、ブロック３１０で選択されたものに対応する画素が、実際に
ストロング・ストラクチャに対応するか否かを判断することにより行われる。そ
の結果が肯定的な場合は、ブロック３２０からブロック３２２へと進み、逆の場
合はブロック３２０からブロック３２４へと進む。
【００３３】 ブロック３２２では、ブロック３１０で選択された時刻Ｔ０に関するセグメン
ト化された画像内の画素は、（やはり時刻Ｔ０に関する）対応する元画像Ｉ内の
同じ値が代入される（いいかえれば、元画像の画素は、セグメント化された画像
内にコピーされる）。一方、ブロック３２４では、（既知のアルゴリズムにより
）ブロック３０５、および３０６で計算した重みを使用して、ブロック３１０で
選択された画素ｘ、ｙについてのＬＭＭＳＥ評価量の値を計算する。
【００３４】 ＬＭＭＳＥ評価量は、加数の線形の（累積的な）組合せを使用する。各々の加
数は時刻ｔに関連し、該時刻について先に計算された重みｐ（ｘ，ｙ，ｔ）と同
時刻についての元画像内の画素値との積からなる。すなわち、フィルタリングさ
れた最終画像における画素（ｘ，ｙ）の値＝ｐ（ｘ，ｙ，Ｔ０）Ｉ０（ｘ，ｙ）
＋ｐ（ｘ，ｙ，Ｔ１）Ｉ１（ｘ，ｙ）…ｐ（ｘ，ｙ，Ｔｎ）Ｉｎ（ｘ，ｙ）とな
る。
【００３５】 この評価量の定式化では、異なる時刻における画像内の斑点状ノイズが無関係
であることを前提としている。この前提は、例えば同じターゲットのレーダ画像
の時系列ｔのための観測のような、無関係の観測の場合は正当である。多周波数
ポラリメトリック画像（multifrequency polarimetric image）のような斑点状
ノイズに関係する場合では、評価量中の重みは、セグメント化される以前の静止
した領域において評価されるスペックル分散マトリクス（speckle covariance m
atrix）を、さらに掛けなければならない。
【００３６】 ブロック３２２および３２４に続くブロック３３では、初期時刻Ｔ０に関する
セグメント化された画像内の全ての画素が分析されたか否かを判断する。その結
果が否定的な場合（他に検査すべき画素が残っている場合）は、ブロック３３０
からブロック３１０へ戻り、画像内の他の画素ｘ、ｙを選択する。結果が肯定的
な場合（初期時刻Ｔ０に関するセグメント化された画像内に検査すべき画素がな
い場合）には、ブロック３３０からブロック３３３へ進む。ブロック３３３では
、ブロック３２２および３２４で実行された操作により生成された画素を含む、
フィルタリングされた最終画像を与える。
【００３７】 本発明による方法の主な利点、およびフィルタリングされた最終画像に見られ
る利点を以下に示す。 １．ストロング・ストラクチャがより正確に判定される。 ２．例えば、異なる時刻に関する画像内で異なる場所にあるような動点でも判
定でき、したがって空間だけでなく時間的に変化する現象の追跡が可能となる。 ３．静止した領域におけるレーダ反射率の本来のテクスチャ（texture）が、
（時間平均全体を使用する評価のために）元々の反射率に維持される。 ４．詳細部（ポイント・ターゲットや境界線）が、移動窓局所評価量（moving window local estimator）を採用する方法と比較して、よりよく保たれる。 ５．静止した領域間の遷移領域（端部）がよりよく定まる。 ６．より適応した均一領域における反射率の期待値が得られる。
【図面の簡単な説明】
【図１】 本発明による方法のフローチャートである。
【図２】 本発明による方法のフローチャートである。
【図３】 本発明による方法のフローチャートである。

Claims (6)

    【特許請求の範囲】
  1. 【請求項１】 コヒーレント・センサ検知画像の多時間フィルタリング方法
    において、 画素Ｐ（ｘ，ｙ）の反射率を表す整数によって各々定められる画素の２次元マ
    トリクスにより表現しうる２次元ディジタル画像であって、同じ境界条件におい
    て連続した異なる時刻ｔ＝Ｔ０、Ｔ１、…、Ｔｎに同じセンサを使用し、特にレ
    ーダセンサであるコヒーレント・センサ手段によって検知される同一ターゲット
    の一連の２次元ディジタル入力画像Ｉ０、Ｉ１、…、Ｉｎを検知および記憶する
    ステップ（１００）と、 ある時刻ｔに関する各２次元ディジタル入力画像について、前記入力画像をフ
    ィルタリングして得られる平滑成分Ｓ（ｘ，ｙ，ｔ，ｓ）を生成し、第１の方向
    （ｘ方向）について計算された前記平滑成分の傾きである、 【数１】 と比例する第１直交ウェーブレット成分と、前記第１の方向と直交する第２の
    方向（ｙ方向）について計算された前記平滑成分の傾きである、 【数２】 と比例する第２直交ウェーブレット成分とを生成して、マルチスケール演算子
    として使用される離散２進ウェーブレット変換を計算するステップ（１０１）と
    、 各ウェーブレット変換反復がスケールｓ要素の増加に対応する、前記ウェーブ
    レット変換の計算操作を少なくとも１回反復して、少なくともさらなる３つの成
    分を取得するステップと、 絶対値Ｍ（ｘ，ｙ，ｔ，ｓ）、および前記２つの直交ウェーブレット成分Ｗｘ
    （ｘ，ｙ，ｔ，ｓ）とＷｙ（ｘ，ｙ，ｔ，ｓ）との間の角度を計算して、直交ウ
    ェーブレット成分の極座標表現を導出するステップ（１０２）と、 各々計算された絶対値Ｍ（ｘ，ｙ，ｔ，ｓ）を、それぞれの前記平滑成分Ｓ（
    ｘ，ｙ，ｔ，ｓ）により正規化して、画像内の斑点状ノイズを均一にするステッ
    プ（１０３）と、 前記正規化された絶対値に関する画像を画素毎に分析して、前記正規化された
    絶対値Ｍｎｏｒｍ（ｘ，ｙ，ｔ，ｓ）の極大値を判定するステップ（１０４）と
    、 前記判定された極大値を、均一領域の境界およびポイント・ターゲットを示す
    接続線によって接続して、所定のスケールｓ＝ｓｐにて全ての時刻ｔについて計
    算される、ストロング・ストラクチャの存在および配置に関する情報を含んだ、
    対応するストラクチャ画像ＳＴＲＵＣＴ（ｘ，ｙ，ｔ，ｓ）を、前記一連の各入
    力画像Ｉについて生成するステップ（１０５）と、 高スケール（ｓ＝１）の直交ウェーブレット成分を低スケール（ｓ＝２）の成
    分から、全ての時刻Ｔ０、Ｔ１、…Ｔｎについて再構成して、再構成された直交
    ウェーブレット成分Ｗｒｘ（ｘ，ｙ，ｔ，１）およびＷｒｙ（ｘ，ｙ，ｔ，１）
    を得るステップ（２０１）と、 各時刻ｔおよび異なるスケールについて、前記対応するストラクチャ画像内の
    ストロング・ストラクチャに対応する、前記直交ウェーブレット成分内の画素を
    保持し、 各時刻ｔおよび異なるスケールについて、前記対応するストラクチャ画像内の
    ストロング・ストラクチャに対応しない、前記直交ウェーブレット成分内の画素
    をゼロにすることを備えるマスキング操作を行い、訂正された直交成分を得るス
    テップ（２０２）と、 入力値として様々なスケールｓにおける前記訂正された直交ウェーブレット成
    分および様々なスケールｓにおける前記平滑成分を使用して、各時刻Ｔ０、Ｔ１ 、…Ｔｎについて、１つのスケール（ｓ＝１）に関係する対応するセグメント化
    された画像ＳＥＧ（ｘ，ｙ，ｔ）を生成する、ウェーブレット逆変換を計算する
    ステップ（２０３）と 前記ストラクチャ画像（ｘ，ｙ，ｔ，ｓ）およびセグメント化された画像ＳＥ
    Ｇ（ｘ，ｙ，ｔ）内の情報を使用して、反射率を再構成するステップとを備える
    ことを特徴とする多時間フィルタリング方法。
  2. 【請求項２】 前記ウェーブレット変換の計算操作を１回反復し、 前記再構成ステップを、スケールｓ＝１における直交ウェーブレット成分を、
    スケールｓ＝２における成分から再構成（２０１）することにより実行すること
    を特徴とする請求項１に記載の方法。
  3. 【請求項３】 前記再構成された直交ウェーブレット成分をフィルタリング
    するステップを備えることを特徴とする請求項１または２に記載の方法。
  4. 【請求項４】 前記反射率を再構成するステップが、 使用中の時刻ｔに関して前記セグメント化された２次元画像ＳＥＧ（ｘ，ｙ，
    ｔ）を選択するステップ（３０２）と、 前記選択されたセグメント化された画像内の画素ｘ、ｙを選択するステップ（
    ３０３）と、 前記選択されたセグメント化された画像に対応するストラクチャ画像ＳＴＲＵ
    ＣＴ（ｘ，ｙ，ｔ）上で、前記選択された画素に対応する画素がストロング・ス
    トラクチャに関係するか否かを判断し、前記選択された画素がストロング・スト
    ラクチャに関係する場合は、前記画素について重みｐ（ｘ，ｙ，ｔ）をゼロとし
    （ｐ（ｘ，ｙ，ｔ）＝０）（３０５）、前記選択された画素がストロング・スト
    ラクチャに関係しない場合は、前記画素は重みｐ（ｘ，ｙ，ｔ）が、初期時刻Ｔ ０ に関する前記セグメント化された２次元画像ＳＥＧ（ｘ，ｙ，Ｔ０）内の画素
    の値と、現在使用中の時刻ｔに関する前記セグメント化された２次元画像ＳＥＧ
    （ｘ，ｙ，ｔ）内の画素の値との間の比率と等しいとして計算されることにより
    、前記選択された画素がストロング・ストラクチャに関係するか否かをチェック
    するステップ（３０４）と、 異なる時刻に関して、全ての前記画像について（３０８）かつ前記セグメント
    化された画像内の全ての画素について（３０７）、前記画素の選択ステップ（３
    ０３）およびチェック・ステップ（３０４）を繰り返し、それぞれのセグメント
    化された画像内のそれぞれの画素にそれぞれ関連する重みｐ（ｘ，ｙ，ｔ）の数
    を計算するステップを備えることを特徴とする請求項１から３のいずれか一項に
    記載の方法。
  5. 【請求項５】 前記初期時刻Ｔ０に関して前記セグメント化された２次元画
    像を選択するステップ（３１０）と、 前記初期時刻Ｔ０に関する前記セグメント化された２次元画像内の画素ｘ、ｙ
    を選択するステップ（３２０）と、 前記対応するストラクチャ画像ＳＴＲＵＣＴ（ｘ，ｙ，ｔ）上で、前記選択さ
    れた画素に対応する画素がストロング・ストラクチャに関係するか否かを判断し
    、前記選択された画素がストロング・ストラクチャに関係する場合は、初期時刻
    Ｔ０に関する前記セグメント化された画像内の前記画素に、対応する元入力画像
    Ｉ内の同じ値を代入し（３２２）、前記選択された画素がストロング・ストラク
    チャに関係しない場合は、初期時刻Ｔ０に関する前記セグメント化された画像内
    の前記画素に、先に計算された重み（３０５，３０６）を用いたＬＭＭＳＥ評価
    量により計算された値（３２４）を代入すること（３２２）により、前記選択さ
    れたセグメント化された画像内の前記選択された画素が、ストロング・ストラク
    チャに関係するか否かをチェックするステップと、 初期時刻Ｔ０に関するセグメント化された２次元画像内の全ての画素について
    、前記画素の選択ステップ（３１０）およびチェック・ステップ（３２０）を実
    行し、フィルタリングされた最終画像を与えるステップを備えることを特徴とす
    る請求項４に記載の方法。
  6. 【請求項６】 前記ＬＭＭＳＥ評価量を計算するステップ（３２４）は、時
    刻ｔに各々関連し、該時刻について先に計算された前記重みｐ（ｘ，ｙ，ｔ）と
    同時刻についての前記元画像内の画素値との積を備える、加数の線形結合を計算
    するステップを備えることを特徴とする請求項５に記載の方法。
JP2001569765A 2000-03-21 2001-03-20 コヒーレント・センサ検知画像の多時間フィルタリング方法 Pending JP2003528405A (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
EP00830208A EP1136948A1 (en) 2000-03-21 2000-03-21 Method of multitime filtering coherent-sensor detected images
EP00830208.5 2000-03-21
PCT/EP2001/003172 WO2001071664A1 (en) 2000-03-21 2001-03-20 Method of multitime filtering coherent-sensor detected images

Publications (1)

Publication Number Publication Date
JP2003528405A true JP2003528405A (ja) 2003-09-24

Family

ID=8175247

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2001569765A Pending JP2003528405A (ja) 2000-03-21 2001-03-20 コヒーレント・センサ検知画像の多時間フィルタリング方法

Country Status (6)

Country Link
US (1) US20030161531A1 (ja)
EP (1) EP1136948A1 (ja)
JP (1) JP2003528405A (ja)
CA (1) CA2403482A1 (ja)
NO (1) NO20024541L (ja)
WO (1) WO2001071664A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104599273A (zh) * 2015-01-22 2015-05-06 南京理工大学 基于小波多尺度交叉运算的海空背景红外小目标检测方法

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7176878B2 (en) 2002-12-11 2007-02-13 Nvidia Corporation Backlight dimming and LCD amplitude boost
CN101493934B (zh) * 2008-11-27 2010-12-29 电子科技大学 一种基于广义s变换的微弱目标检测方法
ATE519125T1 (de) 2008-11-28 2011-08-15 Thales Nederland Bv Verfahren zum filtern eines radarsignals nach reflektion durch ein target
US7990311B2 (en) * 2009-10-30 2011-08-02 Raytheon Applied Signal Technology, Inc. Adaptive clutter filter for maritime surface search radar
CN102750675B (zh) * 2012-05-31 2014-08-27 华中科技大学 一种斑点噪声污染图像的非局部均值滤波方法
CN104036455B (zh) * 2013-03-06 2017-04-12 江苏理工学院 基于二代小波的红外图像细节增强方法
ES2537783B2 (es) * 2013-06-14 2015-09-29 Universidad De Sevilla Procedimiento para la obtención de una imagen teledetectada a partir de fotografía
CN103761731A (zh) * 2014-01-02 2014-04-30 河南科技大学 一种基于非下采样轮廓波变换的红外空中小目标检测方法
CN106291693A (zh) * 2015-05-21 2017-01-04 中国石油化工股份有限公司 一种基于广义s变换的叠前q值反演方法及系统
CN106249285A (zh) * 2015-06-15 2016-12-21 中国石油化工股份有限公司 一种有限频率s变换方法及地震信号的时频变换方法
CN105182407B (zh) * 2015-08-20 2017-07-07 中国石油天然气集团公司 一种三维地震数据道内插方法
CN106097404B (zh) * 2016-05-27 2019-03-12 山东科技大学 利用非线性矢量曲面构建InSAR相位图像模型的方法
CN108230365B (zh) * 2017-12-26 2021-06-15 西安理工大学 基于多源差异图像内容融合的sar图像变化检测方法

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5260791A (en) * 1992-06-04 1993-11-09 David Sarnoff Research Center, Inc. Method and apparatus for the spatio-temporal coring of images
DE69525127T2 (de) * 1994-10-28 2002-10-02 Oki Electric Industry Co., Ltd. Gerät und Verfahren zur Kodierung und Dekodierung von Bildern unter Verwendung einer Kantensynthese und einer Wavelet-Rücktransformation
US5870502A (en) * 1996-04-08 1999-02-09 The Trustees Of Columbia University In The City Of New York System and method for a multiresolution transform of digital image information
US6229578B1 (en) * 1997-12-08 2001-05-08 Intel Corporation Edge-detection based noise removal algorithm
US6798923B1 (en) * 2000-02-04 2004-09-28 Industrial Technology Research Institute Apparatus and method for providing panoramic images
US6549646B1 (en) * 2000-02-15 2003-04-15 Deus Technologies, Llc Divide-and-conquer method and system for the detection of lung nodule in radiological images

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104599273A (zh) * 2015-01-22 2015-05-06 南京理工大学 基于小波多尺度交叉运算的海空背景红外小目标检测方法
CN104599273B (zh) * 2015-01-22 2017-07-28 南京理工大学 基于小波多尺度交叉运算的海空背景红外小目标检测方法

Also Published As

Publication number Publication date
NO20024541D0 (no) 2002-09-20
CA2403482A1 (en) 2001-09-27
US20030161531A1 (en) 2003-08-28
NO20024541L (no) 2002-11-15
WO2001071664A1 (en) 2001-09-27
EP1136948A1 (en) 2001-09-26

Similar Documents

Publication Publication Date Title
JP5932643B2 (ja) 同一領域上で取得されたｓａｒ画像から得られるインターフェログラムのフィルタリング処理方法
Priyadharsini et al. A wavelet transform based contrast enhancement method for underwater acoustic images
Deledalle et al. NL-InSAR: Nonlocal interferogram estimation
Touzi A review of speckle filtering in the context of estimation theory
Wu et al. Smoothing speckled synthetic aperture radar images by using maximum homgeneous region filters
JP2003528405A (ja) コヒーレント・センサ検知画像の多時間フィルタリング方法
US7222027B2 (en) Spatio-temporal filter for structural health monitoring
CN103871039B (zh) 一种sar图像变化检测差异图生成方法
Anandhi et al. An algorithm for multi-sensor image fusion using maximum a posteriori and nonsubsampled contourlet transform
Myers Statistical models for multiple-scaled analysis
US8396285B2 (en) Estimating vanishing points in images
Song et al. Improved Goldstein SAR interferogram filter based on empirical mode decomposition
Grediac et al. A robust-to-noise deconvolution algorithm to enhance displacement and strain maps obtained with local DIC and LSA
Bitenc et al. Range versus surface denoising of terrestrial laser scanning data for rock discontinuity roughness estimation
US7330609B2 (en) MTF measuring method and system
Zhou et al. Nonlocal means filtering based speckle removal utilizing the maximum a posteriori estimation and the total variation image prior
Girón et al. Nonparametric edge detection in speckled imagery
Smith et al. The Cookie Cutter: a method for obtaining a quantitative 3D description of glacial bedforms
WO2006047527A2 (en) Speckle noise removal in optical coherence tomography
Kuck et al. Performance of Speckle Filters for COSMO-SkyMed Images from the Brazilian Amazon
CN113095130A (zh) 一种雷达相干性预测方法及装置
Bitenc et al. Potential and limitations of terrestrial laser scanning for discontinuity roughness estimation
US12033315B1 (en) Machine vision-based techniques for non-contact structural health monitoring
Priyadharsini et al. An efficient edge preserving interpolation method for underwater acoustic image resolution enhancement
CN117741659B (zh) 大气校正方法、装置、电子设备及存储介质