基于联合相似性度量准则的极化SAR相干斑滤波方法

技术领域

本发明属于雷达信号处理技术领域，具体涉及一种基于联合相似性度量准则的极化SAR相干斑滤波方法。

背景技术

极化合成孔径雷达(Polarimetric Synthetic Aperture Radar，PolSAR)利用电磁波的极化特性，使用不同的SAR通道收发不同极化方式的电磁波，对目标的散射特性和结构特性高度敏感，被广泛应用于地物分解、地物分类与解译、散射机理分析、隐藏目标监测等领域。然而，由于SAR系统特殊的相干成像机理，导致极化SAR数据存在固有的相干斑噪声，极大增加了图像解译和处理的难度。因此，研究极化SAR相干斑抑制技术，对于提升极化SAR数据处理和分析能力具有十分重要的意义。

早期对于极化SAR相干斑滤波展开研究的是Novak等人提出的极化白化滤波器(Polarimetric Whitening Filter，PWF)，该滤波器通过优化组合极化协方差中的元素生成降噪的极化SAR图像。之后，Liu等人将PWF滤波器扩展至多视极化SAR数据中，主要是对协方差矩阵进行的多视处理，但该方法的缺点是利用协方差矩阵只得到一幅降噪的图像，无法对协方差矩阵中各个元素进行滤波。Lee等人基于乘性相干斑噪声模型提出一种线性滤波器，该滤波器可以对HH、HV和VV极化通道的数据进行降斑，但是没有对单视协方差矩阵非对角线元素进行滤波。上述滤波器均采用了三种极化通道间的统计相关性。缺陷是无法处理极化通道间的串扰问题。为了解决上述问题，Lee提出了一种最小均方误差(MinimumMean Square Error，MMSE)滤波器，该滤波器首次利用边缘对齐窗来保留图像细节信息，并自适应对不同方向边缘窗进行选取，该滤波器被称为精改Lee滤波器。该滤波器最大优势是保留图像边缘信息同时降低相干斑噪声影响。但是由于边缘窗模式固定，其对复杂场景的边缘保持能力十分有限。因此，当场景变的复杂时精改Lee滤波器并不能完全匹配地物边缘特征。随后，Lee提出一种改进sigma滤波器，该滤波器首次应用了分布目标的统计特性，通过三种极化散射机制(面散射、二次散射和体散射)的强度信息结合其概率分布曲线选择出窗内的像素点然后进行平均。该滤波器极大程度保留了与目标像素点统计特性一致的像素点，也保留部分极化散射特性。但是无法对协方差矩阵或相干矩阵非对角元素内的极化信息进行保留。

综上，传统的极化SAR相干斑滤波方法或不能有效滤除相干斑噪声，或在图像边缘纹理特征和极化散射特性的性能保持上性能较差，且相关算法复杂度太高，计算效率低下，对于大规模的机载或者星载数据预处理实用性较差。

发明内容

为了解决传统极化SAR相干斑滤波方法在图像边缘纹理特征和极化散射特性的性能保持上存在缺陷的问题，本发明提出一种基于联合相似性度量准则的极化SAR相干斑滤波方法。

本发明要解决的技术问题通过以下技术方案实现：

一种基于联合相似性度量准则的极化SAR相干斑滤波方法，包括：

步骤1：根据极化SAR图像数据对应的极化散射矩阵求解极化相干矩阵；

步骤2：确定不规则滤波形态窗，以对极化SAR图像进行快速分割，得到若干滤波窗口；

步骤3：基于所述极化相干矩阵计算所述滤波窗口内像素间的欧式距离和Wishart距离，并计算对应的加权欧式距离系数和加权Wishart距离系数；

步骤4：基于所述加权欧式距离系数和所述加权Wishart距离系数建立联合相似性度量准则，并根据所述联合相似性度量准则选择滤波样本像素；

步骤5：利用所述滤波样本像素对所述极化相干矩阵进行滤波，得到极化相干斑滤波后的极化SAR数据。

本发明的有益效果：

本发明提供的方法基于极化SAR图像数据的极化相干矩阵，利用加权欧式距离和加权Wishart距离联合设计相似性度量准则选择滤波样本像素，进而实现机载和星载极化SAR数据的相干斑滤波，不仅可以保证相干斑噪声的有效抑制，同时还具有更好的纹理信息和极化散射特性保持能力，且算法简单，计算效率较高，适用于对于大规模的机载或者星载数据处理。

以下将结合附图及实施例对本发明做进一步详细说明。

附图说明

图1是本发明实施例提供的基于联合相似性度量准则的极化SAR相干斑滤波方法的一种流程示意图；

图2是本发明实施例提供的基于联合相似性度量准则的极化SAR相干斑滤波方法的流程示意图另一种流程示意图；

图3是本发明实施例提供的多方向边缘检测滤波窗口示意图；

图4是仿真试验1中四川眉山地区试验场景对应的光学图像和极化SAR数据功率图；

图5是仿真试验1中机载数据不同滤波方法下的Pauli分解伪彩色合成图；

图6是仿真试验1中机载数据不同方法滤波后SSF统计曲线图；

图7是仿真试验2中高分三号美国旧金山地区试验场景对应的光学图像和极化SAR数据功率图；

图8是仿真试验2中星载数据不同滤波方法下的Pauli分解伪彩色合成图；

图9是仿真试验2中星载数据不同方法滤波后SSF统计曲线图。

具体实施方式

下面结合具体实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例一

请联合参见图1和图2，图1是本发明实施例提供的基于联合相似性度量准则的极化SAR相干斑滤波方法的一种流程示意图；图2是本发明实施例提供的基于联合相似性度量准则的极化SAR相干斑滤波方法的流程示意图另一种流程示意图。本实施例提供的基于联合相似性度量准则的极化SAR相干斑滤波方法具体包括以下步骤：

步骤1：根据极化SAR图像数据对应的极化散射矩阵求解极化相干矩阵。

11)获取极化SAR图像数据在后向散射坐标系下的极化散射矩阵S。

具体的，在后向散射坐标系下，单视极化SAR数据可以用极化散射矩阵S表示为：

其中，S

12)基于极化散射矩阵S求解极化相干矩阵T。

具体的，在满足互易性假设条件下，极化协方差矩阵C和极化相干矩阵T定义为：

其中，k和Ω分别为Pauli基和Lexicographic基下的目标散射矢量，由下式表示：

[·]

由式(3)-式(4)可以看出，极化相干矩阵T和极化协方差矩阵C由不同的基矢量得到，两者可以通过矩阵进行相互转换，因此，本实施例后续将主要基于相干矩阵T的进行极化相干斑滤波。

步骤2：确定不规则滤波形态窗，以对极化SAR图像进行快速分割，得到若干滤波窗口。

本实施例首先对极化SAR功率图像进行多方位比例边缘检测，提取极化SAR图像的比例边缘强度映射，其次利用阈值处理方法得到图像边缘检测结果，最后对边缘检测结果采用分水岭算法进行分割，获得极化SAR图像的快速超像素分割结果。具体如下：

21)对极化SAR功率图像进行多方位比例边缘检测，以提取极化SAR图像的比例边缘强度映射，并利用阈值处理方法得到图像边缘检测结果。

21a)设定多方向比例边缘检测器为K

21b)对于某一特定的检测器方向θ

21c)基于比例边缘强度映射，利用阈值化方法构造图像边缘检测结果。

具体的，令

其中，阈值T

22)采用分水岭算法对边缘检测结果进行分割，以获得极化SAR图像的超像素分割结果，得到若干滤波窗口。

步骤3：基于极化相干矩阵计算滤波窗口内像素间的欧式距离和Wishart距离，并计算对应的加权欧式距离系数和加权Wishart距离系数。

在极化SAR图像相干斑滤波中，除了保持场景的纹理信息外，还需要保留SAR图像中的地物的极化散射特性。对于极化相干矩阵和协方差矩阵，其均服从多变量复Wishart分布，同时，Wishart距离独立于视数，可以准确描述单视极化SAR图像中待滤波像素与滤波窗口内像素的极化相似性。因此，本实施例基于加权欧式距离和Wishart距离度量构建了一种联合相似性度量准则。

具体的，假定待滤波像素为M(x

高斯加权后的加权欧式距离系数为：

式中，S

相应的，M(x

其中，T

对Wishart距离归一化后进行高斯加权，得到加权Wishart距离系数S

步骤4：基于加权欧式距离系数和加权Wishart距离系数建立联合相似性度量准则，并根据联合相似性度量准则选择滤波样本像素。

4a)联合根据加权欧式距离系数S

S＝S

可以看出，S取值范围为(0,1)，当S越接近于1时，像素之间的相似程度越高；S越接近与0时，像素间相似性越低。因此，滤波样本可根据其S值进行有效选择。

4b)将联合相似性度量系数S按降序排列，并根据预设的滤波视数大小选择满足条件的滤波样本像素。

在本实施例中，联合相似性度量系数S包含像素间的物理距离度量和极化距离度量，可以准确描述像素之间的实际物理距离相似性和极化散射相似性，发明将这种极化相干斑滤波的样本选择约束定义为联合相似性距离度量准则。

计算待滤波像素与形态窗内所有像素的加权欧式距离和Wishart，根据联合相似性度量准则确定所有像素与待滤波像素的联合相似性S，将S按降序排列，根据初始设定的滤波视数大小选择满足条件的滤波样本像素。

步骤5：利用滤波样本像素对极化相干矩阵进行滤波，得到极化相干斑滤波后的极化SAR数据。

进一步的，在完成步骤5之后，还可以包括：

步骤6：对极化SAR相干斑滤波效果进行评价。

为了进一步证明不同滤波器间的相干斑噪声滤除和边缘特征保持性能，本实施例采用了两种不同评价指标定量评价各个滤波器性能。一种是

等效视数ENL(Equivalent Number of Looks)，另一种是边缘保持指数EPI(EdgePreserving Index)。

其中，等效视数定义为分布目标强度的均值平方与方差的比值：

其中，E(I)表示分布目标强度的均值，var(I)表示分布目标强度的方差。它表征了滤波器在匀质区域对相干斑噪声的平滑能力。ENL越大表明平滑越明显，相干斑噪声抑制效果越好。

边缘保持指数定义为滤波前后方位向和距离向梯度变化累加的比值：

其中，p

在本发明的另一个实施例种，还可以利用极化散射相似因子SSF对极化散射特性的保持能力进行评价。

SSF大小代表了极化散射机制的保留程度。假设待滤波目标像素为u，待选择参与滤波像素为t。类似于干涉相干系数表示形式，SSF表示为：

其中，p为包含极化相干矩阵中所有元素的矢量，反映了目标像素点处所有极化散射信息，conj(·)表示共轭，||·||为向量二范数，*表示两个向量的内积。SSF的取值范围为[0,1]。SSF＝1时，表示两个像素点包含的极化散射信息完全相同；SSF＝0时，表示极化散射信息完全不同。p的表示如下：

本发明提供的方法基于极化SAR图像数据的极化相干矩阵，利用加权欧式距离和加权Wishart距离联合设计相似性度量准则选择滤波样本像素，进而实现机载和星载极化SAR数据的相干斑滤波，不仅可以保证相干斑噪声的有效抑制，同时还具有更好的纹理信息和极化散射特性保持能力，且算法简单，计算效率较高，适用于对于大规模的机载或者星载数据处理。

实施例二

下面通过仿真试验对本发明的有益效果进行验证说明。

仿真试验1：机载数据验证

本次机载实施例利用西电联合中科院电子所在四川眉山地区录取的机载极化SAR数据进行极化相干斑滤波处理。图4是仿真试验中四川眉山地区试验场景对应的光学图像和极化SAR数据功率图；场景中地物主要为大型稠密灌木桉树以及分布规整的经济作物柑橘树。为了能清晰展示滤波前后的纹理等细节信息，截取图4中矩形框内图像进行滤波处理，截取数据大小为1500×1500像素。场景基本参数信息见表1。图4中(a)图为地区光学图，为进行多方位比例边缘检测求出场景极化SAR数据功率图，如图4中(b)图所示。

表1四川眉山地区数据基本参数

机载滤波效果评价。请参见图5，图5是仿真试验中机载数据不同滤波方法下的Pauli分解伪彩色合成图。其中，图5中的(a)图为原始数据的Pauli分解图，可以看出原始SAR数据信噪比较高，植被之间轮廓清晰，但依然存在相干斑噪声影响。图5中的(b)图显示矩形窗滤波器能够较好地滤除相干斑噪声，但是滤波后植被的纹理较为模糊，且树木间缝隙不明显。此外，由于固有缺陷，矩形窗滤波后在强散射点周围出现明显的“方块效应”。图5中的(c)图显示精改极化Lee滤波对极化SAR图像均具有较强的相干斑抑制能力。相较于(a)图，其滤波后树木间缝隙明显更清晰。对于联合像素性度量准则滤波，由图5中的(d)图可以看出，该滤波器不仅对相干斑噪声均有较强的去除能力，而且地物边缘特征也能得到较好的保持，对于植被轮廓和地物纹理特征的保持而言，表现出比其他滤波器更好的性能。

为了进一步证明不同滤波器间的相干斑噪声滤除和边缘特征保持性能，本次试验利用等效视数ENL和边缘保持指数EPI进行了滤波效果评价，其结果如表2和表3所示。

表2不同滤波方法等效视数对比

表3不同滤波方法边缘保持指数对比

对上述滤波方法利用等效视数和边缘保持指数进行定量化评价，可以看出基于联合相似性度量准则的滤波方法的等效视数明显大于其余滤波方法，相较于原始数据，等效视数相较于均值滤波和精改LEE滤波分别提升17.63％和42.13％，边缘保持指数相较于均值滤波与精改LEE滤波分别提升74.40％和30.77％，证明本发明的方法对于相干斑抑制和纹理信息保持的有效性。

此外，本次试验还利用极化散射相似因子SSF对极化散射特性的保持能力进行了评估。请参见图6，图6是仿真试验中机载数据不同方法滤波后SSF统计曲线图。

可以看出，本发明的方法相比于其余两种滤波方法的SSF值有明显提升，证明本发明方法的极化散射机制保持性能优于其余方法。

仿真试验2：星载数据验证

本次星载实施例利用国内高分三号卫星录取的美国旧金山地区C波段极化SAR数据进行进一步验证。图7为场景对应的光学图像和极化SAR数据功率图，场景中包括海洋、植被、城市建筑物和街道等地物，且建筑物分布规整，具有明显的纹理特征。截取图7中矩形框内图像进行滤波处理，截取数据大小为1500×1500像素。场景基本参数信息见表4。图7中(a)为地区光学图，为进行多方位比例边缘检测求出场景极化SAR数据功率图，如图7中(b)图所示。

表4美国旧金山地区数据基本参数

星载滤波效果评价。请参见图8，图8是仿真试验2中星载数据不同滤波方法下的Pauli分解伪彩色合成图。其中，图8中的(a)图为原始数据的Pauli分解图，可以看出该数据相较于上节的机载数据受相干斑噪声影响更为严重。图8中的(b)图显示矩形窗滤波器能够较好地滤除相干斑噪声，但是滤波后导致图像过度平滑，建筑物的纹理较出现模糊。图8中的(c)图显示精改极化Lee滤波相对于矩形窗，其在植被区和建筑区分界处对建筑边缘的保持更好。但是在建筑区中心的街道和房屋等纹理发生了严重变形，对于密集建筑物区依然存在滤波后的模糊现象。对于联合像素性度量准则滤波，由图8中的(d)图可以看出，滤波后得到的城区建筑块之间的缝隙也十分清晰，且相干斑噪声去除效果更佳。

相应的，本次试验也利用等效视数ENL、边缘保持指数EPI以及极化散射相似因子SSF进行了滤波效果评价，其结果如表5、表6和图8所示。

表2不同滤波方法等效视数对比

表3不同滤波方法边缘保持指数对比

表5和表6为旧金山地区数据不同滤波方法的等效视数和边缘保持指数对比结果，图9是仿真试验2中星载数据不同方法滤波后SSF统计曲线图。通过对比分析可以看出，矩形窗滤波后ENL值最大，但由于过度平滑导致图像边缘保持指数明显低于其他方法；精改极化Lee滤波的等效视数略优于基于联合相似性度量准则滤波，然而但从直观上建筑区边缘信息发生了明显的破坏，其对纹理细节的保持性能更差。

此外，对于极化散射保持能力，矩形窗滤波和精改极化Lee滤波的SSF曲线几乎重合，其峰值为0.78，而本发明的方法峰值为0.93，表明经过本发明的方法滤波前后极化散射特征基本不变。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。