一种对极化SAR数据相干斑噪声的抑制方法

摘要

本发明公开了一种对极化SAR数据相干斑噪声的抑制方法，主要解决现有极化SAR数据相干斑抑制方法不能很好的抑制相干斑噪声和丢失部分边缘和细节信息的缺点。该方法是基于改进sigma滤波和非局部均值的思想相结合的极化SAR相干斑抑制方法，其实现过程为：(1)输入极化SAR数据的相干矩阵T；(2)对相干矩阵T进行亮目标检测；(3)对像素使用方向窗判定方向并做改进的sigma滤波和非局部均值滤波；(4)滤波结果进行结合并保留亮目标；(5)完成T矩阵的滤波并合成伪彩图。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

1.一种对极化SAR数据相干斑噪声的抑制方法，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相干矩阵T，T表示为：$\left[T\right]=\left[\begin{array}{ccc}{\mathrm{AA}}^{*}& {\mathrm{AB}}^{*}& {\mathrm{AC}}^{*}\\ {\mathrm{BA}}^{*}& {\mathrm{BB}}^{*}& {\mathrm{BC}}^{*}\\ {\mathrm{CA}}^{*}& {\mathrm{CB}}^{*}& {\mathrm{CC}}^{*}\end{array}\right]$其中[A B C]＝[S_hh+S_vv S_hh-S_vv 2S_hv]，这里S_hh表示h向发射和h向接收的回波数据，S_vv表示v向发射和v向接收的回波数据，S_hv表示h向发射v向接收的回波数据，AA^*到CC^*分别代表T11到T33九个元素，T11＝AA^*＝|S_hh+S_vv|²，T22＝BB^*＝|S_hh-S_vv|²，并使用T矩阵中的元素T11和T22对T矩阵进行亮目标检测，得到T矩阵的亮目标位置；(2)对相干矩阵T中的元素的像素判定方向：2a)定义八个方向窗w₁～w₈：$w_1=\left[\begin{array}{ccc}-1& 0& 1\\ -1& 0& 1\\ -1& 0& 1\end{array}\right]$$w_2=\left[\begin{array}{ccc}0& 1& 1\\ -1& 0& 1\\ -1& -1& 0\end{array}\right]$$w_3=\left[\begin{array}{ccc}1& 1& 1\\ 0& 0& 0\\ -1& -1& -1\end{array}\right]$$w_4=\left[\begin{array}{ccc}1& 1& 0\\ 1& 0& -1\\ 0& -1& -1\end{array}\right]$$w_5=\left[\begin{array}{ccc}1& 0& -1\\ 1& 0& -1\\ 1& 0& -1\end{array}\right]$$w_6=\left[\begin{array}{ccc}0& -1& -1\\ 1& 0& -1\\ 1& 1& 0\end{array}\right]$$w_7=\left[\begin{array}{ccc}-1& -1& -1\\ 0& 0& 0\\ 1& 1& 1\end{array}\right]$$w_8=\left[\begin{array}{ccc}-1& -1& 0\\ -1& 0& 1\\ 0& 1& 1\end{array}\right]$2b)取相干矩阵T中的元素的像素x，以像素x为中心确定3x3区域A，将区域A分别与八个方向窗w₁～w₈相乘，得到八个乘积结果；2c)在八个乘积结果中找出均值最大的乘积，此乘积所对应方向窗的方向就是像素x的方向d；(3)以像素x为中心确定搜索窗Ω，在搜索窗内取一个像素y，判断y像素在方向d上是否有贡献，即像素y的区域更接近方向d对应的方向窗的分布：3a)以像素y为中心确定3x3区域B，将区域B与方向d所对应的3x3方向窗相乘，得到一个乘积结果；3b)对步骤3a)得到的乘积结果取均值，若该均值大于0，则像素y在方向d上有贡献，否则，像素y在方向d上无贡献；(4)若像素y在方向d上无贡献，则在搜索窗Ω内取下一个像素重新判定，若像素y在方向d上有贡献，则将像素y保留，并使用像素y对像素x进行非局部均值滤波，然后在搜索窗Ω内取下一个像素重新判定，最终记录搜索窗Ω内所有在方向d上有贡献的像素个数m，并得到像素x的非局部均值滤波结果x_NLmeans；(5)对像素x进行改进的sigma滤波，得到改进的sigma滤波结果x_sigma，按如下步骤进行：5a)确定改进的sigma滤波中sigma值为0.9，通过sigma值和极化SAR数据的视数N，得到sigma范围参数A₁，B₁和修正的噪声标准差5b)计算以像素x为中心的3x3区域的均值由得到sigma范围5c)以像素x为中心确定7x7的区域，保留该区域内所有进入sigma范围的像素x₁～x_k，k为这些像素的总数，并求出这些像素的均值5d)在span数据中，确定像素x坐标所对应的像素x′，并找到5c)中像素x₁～x_k的坐标所对应的span数据中的像素x′₁～x′_k，并求出span数据中像素x′₁～x′_k的均值和方差Var(x′)；5e)使用修正的噪声标准差对像素x进行滤波：$x_{\mathrm{sigma}}=(1-b)·\bar{x}+b·x$x_sigma为像素x的滤波结果，权值(6)将步骤(4)和(5)得到的像素x的滤波结果x_NLmeans和x_sigma按比例相加，得到结合的滤波结果$\hat{x}=(1-a)·x_{\mathrm{NLmeans}}+a·x_{\mathrm{sigma}}$其中a为比例值，表示为a＝[1-m/(n×n)]²，(n×n)为搜索窗Ω的大小；(7)对亮目标像素进行还原处理：7a)如果像素x的位置为步骤(1)判定的亮目标位置，对得到的结合的滤波结果做如下处理：${\hat{x}}^{\prime }=0.7·x+0.3·\hat{x}$为像素x的最终滤波结果；7b)如果像素x的位置不为步骤(1)判定的亮目标位置，则像素x的最终滤波结果(8)对相干矩阵T中的各元素的逐个像素进行上述步骤(2)～(7)的滤波过程，完成对相干矩阵T的滤波，得到滤波后的相干矩阵T；(9)用Pauli向量法将滤波后的相干矩阵T合成伪彩图。