针对极化SAR图像的自适应双边滤波算法

摘要

本发明公开了一种针对极化SAR图像的自适应双边滤波算法，主要解决在极化SAR图像双边滤波时滤波参数根据图像的结构特征和噪声情况自适应取值的问题。其实现过程是：（1）提取极化总功率图；（2）自适应选择空间方差；（3）估计图像的噪声方差；（4）根据噪声方差计算灰度方差；（5）极化双边滤波；（6）对滤波结果利用pauli RGB分解得到伪彩色图。本发明不仅省去了人工设置滤波参数的工作，而且得到的滤波参数相比传统的极化滤波算法更加优化和可靠，可用于极化SAR图像滤波处理。

主权项

针对极化SAR图像的自适应双边滤波算法，其特征在于：包括以下步骤：(1)提取极化总功率图即span图：span＝|S_hh|²+2|S_hv|²+|S_vv|²，其中，S_hh表示水平发射、水平接受极化方式的散射强度，S_hv表示水平发射、垂直接受极化方式的散射强度，S_vv表示垂直发射、垂直接受极化方式的散射强度；(2)自适应选择空间方差：以变差系数CoV为自变量，根据图像结构特征实现σ_d的自适应调整，函数形式为：${\sigma }_d\left(CoV\right)=\frac{T}{1+\exp (K_d·(CoV-C_d\left)\right)},$其中，T、K_d分别表示函数的上限和函数的衰减速率，C_d表示以CoV为自变量函数σ_d的对称中心，以上参数的计算公式如下：S是滤波搜索窗口大小，V[I(i)]和M[I(i)]是像素点i在大小为S×S搜索窗中的方差和均值，L是图像视数；(3)自适应选择灰度方差，过程如下：3a)估计图像的噪声方差：噪声方差σ_n可以通过与拉普拉斯模板卷积的方式来估计，计算公式为：${\sigma }_n=\sqrt{\frac{\pi }{2}}\frac{1}{(W-2)(H-2)}\underset{imageI}{\Sigma }|I(x,y)*M|,$$M=\left[\begin{array}{ccc}1& -2& 1\\ -2& 4& -2\\ 1& -2& 1\end{array}\right],$其中，W和H是图像的宽和高，I(x,y)是极化SAR图像的极化总功率图，M是拉普拉斯变换模板，I(x,y)*M表示极化总功率图与拉普拉斯变换模板M进行卷积运算；3b)根据噪声方差计算灰度方差：以最小均方误差为标准，σ_n为自变量，σ_r为因变量进行曲线拟合，计算σ_r的最优值，得出σ_n与σ_r之间为线性关系，取σ_r＝3σ_n；(4)极化双边滤波，定义如下：$\hat{C}\left(i\right)=\frac{1}{Z(i,j)}\underset{j\in N_i}{\Sigma }{w}_d(i,j)w_r[C\left(i\right),C\left(j\right)]C\left(j\right)$其中，是滤波后像素点i的协方差矩阵，N_i是以像素点i为中心的邻域像素集合，C(j)是邻域中像素点j的协方差矩阵，为归一化函数，w_d(i,j)和w_r(i,j)分别表示空间域和极化域的滤波权重；(5)对由步骤(4)得到的极化双边滤波结果利用pauli RGB分解得到伪彩色图。