一种雷达图像相干斑抑制技术

摘要

本发明提供了一种雷达图像相干斑抑制技术，它从雷达图像与相干斑噪声间相互独立这一重要统计特征出发，利用基于高阶统计量的分析方法，将相干斑噪声从雷达图像中分离出来，以实现雷达图像的相干斑抑制。采用本发明的方法，可以使雷达图像的相干斑噪声得到明显的降低、图像质量得到明显改善，在边缘信息、目标特征上具有更高的保持效果，很好地解决了抑制相干斑噪声与图像边缘特征保持这一对矛盾。而且，本发明具有结构简单、收敛速度快的特点。

主权项

1、一种雷达图像相干斑抑制技术，其特征是采用下面的步骤实现：步骤1 图像数据预准备对待处理的多幅不同极化方式的SAR图像，图像数据预准备是将每幅二维的图像数据利用行与行之间首尾相连的形式转化成一维向量形式，从而多幅图像数据就得到一个矩阵X0，再利用公式$x[i,j]=\frac{x_0[i,j]-\min \left(X_0\right)}{\max \left(X_0\right)-\min \left(X_0\right)}$ 对之进行归一化处理，这样预准备后的输出矩阵定义为矩阵X；步骤2 数据预处理数据预处理是将经步骤1预准备后的矩阵X进行中心化和白化；中心化是使矩阵X每一行向量均值为零，首先，求出X各行向量的均值，再将矩阵各行的元素分别减去对应的均值，得到的新矩阵X1就是经中心化处理后的矩阵；白化是将中心化后的矩阵X1作为输入，通过线性变换矩阵V，输出白化后的矩阵Z＝VX1；其中，白化矩阵V＝D-1/2ET，D为E{X1X1T}的特征值组成的对角阵，E为E{X1X1T}的特征向量组成的正交阵；在白化的同时还要进行降维操作，将对角阵D的元素(特征值)从大到小排列成新的对角阵，选取左上角维数为原未知独立源个数(包含噪声)的子对角阵代替原对角矩阵D的值，由于矩阵E的每一个列向量对应矩阵D相应序数处的每一个对角阵元素，按维数减小后的矩阵D中保留的对角线元素及其位置，选取并排列矩阵E中的列向量，用这样新组成的矩阵作为矩阵E的值，从而计算出新的白化矩阵V；这样Z＝VX1由具有单位方差且互不相关的各分量zi组成，同时，Z的维数相比X1得到了进一步降低；步骤3 独立分量分析处理将白化输出矩阵Z作为独立分量分析处理的输入，经过解混矩阵W线性变换后，输出Y＝WTZ的各分量间相互独立；独立分量分析算法的核心任务就是确定解混矩阵W，其具体实现步骤如下：(1)产生一个随机单位阵，其维数为矩阵Z的行向量个数，再将该产生的单位阵设为解混矩阵W的初值W(0)；(2)利用白化输出矩阵Z及第(k-1)次循环时的解混矩阵W(k-1)(k从1开始取值)的值和迭代公式W(k)＝E{Z(W(k-1)TZ)3}-3W(k-1)就可计算解混矩阵W(k)；(3)对步骤(2)得到的矩阵W(k)进行正交化处理，其实现公式为：W(k)＝(W(k)W(k)T)-1/2W(k)，这样经正交化后得到各向量间相互正交的矩阵W(k)；(4)利用公式W(k)＝W(k)/norm(W(k))对正交化后的矩阵W(k)进行归一化处理；(5)由步骤(4)得到的W(k)与步骤(2)中的W(k-1)判断步骤(4)得到的W(k)是否收敛，判断的原则是：若1-min(abs(diag(W(k)T*W(k-1))))的值小于收敛条件(收敛条件根据需要人为设定)，则认为解混合矩阵W(k)已收敛，转至步骤(6)，否则，返回步骤(2)；(6)根据步骤(5)求得的已收敛的矩阵W(k)及白化输出矩阵Z和公式Y＝W(k)TZ，计算独立分量分析处理阶段的输出矩阵Y，矩阵Y即为待求矩阵S的估计；步骤4 图像恢复矩阵Y的每个行向量就是一幅图像数据，利用公式$\beta =\sqrt{\mathrm{var}\left(y\right)}/E\left(y\right)$ 计算各行向量的相干斑指数β，其中相干斑指数最小的就是利用ICA降噪后的SAR图像，其余则是噪声；经过以上步骤后，就可以得到经过抑制相干斑后的雷达图像。