基于奇异值分解非局部均值的极化SAR数据相干斑抑制方法

摘要

本发明公开了一种基于奇异值分解非局部均值的极化SAR数据相干斑抑制方法，主要解决现有极化SAR滤波技术不能很好的滤除同质区域的相干斑噪声和不能有效保持边缘细节信息的缺点。其实现过程为：(1)输入极化SAR数据的协方差矩阵C；(2)对协方差矩阵C进行亮目标保持；(3)由span矩阵获得对数化特征矩阵并进行奇异值分解；(4)对协方差矩阵C的逐个元素进行奇异值分解非局部均值滤波；(5)通过Sinclair向量方法将滤波后的协方差矩阵C生成伪彩图，以显示观察滤波的效果。本发明与现有技术相比显著提高了极化SAR数据的相干斑噪声抑制的能力，能够有效的平滑同质区域和保持边缘细节信息，可用于极化SAR数据的预处理过程。

主权项

一种基于奇异值分解非局部均值的极化SAR数据相干斑抑制方法，包括如下步骤：(1)将一组极化SAR数据表示为含有9个元素的3x3协方差矩阵C，并使用协方差矩阵C中的第一行第一列元素C11和第三行第三列元素C33对协方差矩阵C进行亮目标检测和保留；(2)对协方差矩阵C各元素的非亮目标像素进行如下奇异值分解SVD非局部均值滤波：2a)取协方差矩阵C的第一行第一列元素C11、第二行第二列元素C22和第三行第三列元素C33，获得span数据，span=C11+C22+C33；2b)将所述span数据扩展成为一个N×D的特征矩阵M，将特征矩阵进行对数变化得到对数化特征矩阵：Mg=log(M)其中，N表示span数据的总像素个数，D表示相似块的总像素个数；2c)将对数化特征矩阵Mg进行奇异值分解，得到左奇异矩阵U、对角矩阵S、右奇异矩阵V：[U,S,V]＝svd(Mg)其中，S是奇异值{σ1,σ2,...,σD}作为对角元素的对角矩阵，且奇异值σ1≥σ2≥…≥σD≥0，U是左奇异向量{u1,u2,...,uD}组成的左奇异矩阵，V是右奇异向量{v1,v2,...,vD}组成的右奇异矩阵；2d)取协方差矩阵C元素一个非亮目标像素x,以像素x为中心扩展出7x7的待估计相似块z(x)和21x21的搜索窗Ω，在搜索窗Ω内取一个像素y，以像素y为中心扩展出7x7的相似块z(y)；2e)使用右奇异向量将所述待估计相似块z(x)和相似块z(y)分别表示为：z(x)＝α1v1+α2v2+…+αDvDz(y)＝β1v1+β2v2+…+βDvD其中，α1,α2,…,αD和β1,β2,…,βD分别为z(x)和z(y)在右奇异向量基{v1,v2,...,vD}下的坐标；2f)计算所述z(x)与z(y)之间的新的相似度距离d(x,y)： d ( x , y ) = Σ i = 1 r ( α i - β i ) 2 其中，αi,βi为在左奇异向量基{v1,v2,...,vD}下对应的第i个坐标，r为取前r个坐标，取值为20；2g)利用新的相似度距离d(x,y)计算z(x)与z(y)之间的滤波权值w(x,y)： w ( x , y ) = e ( - d ( x , y ) h 2 ) 其中，h为滤波参数，取15倍的噪声标准差；2h)用搜索窗Ω内每个像素对应的7x7相似块z(y)对待估计块z(x)进行加权滤波，滤波结果为： z ^ ( x ) = 1 C ( x ) Σ y ∈ Ω w ( x , y ) z ( y ) 其中，C(x)为归一化函数，表示为C(x)＝Σy∈Ωw(x,y)；2i)对协方差矩阵C的每个元素的逐个像素进行上述步骤2a)‑2f)的处理，得到滤波后的协方差矩阵C；(3)用Sinclair向量法将滤波后的协方差矩阵C合成伪彩图，以观察显示对极化SAR数据相干斑抑制的效果。