基于贝叶斯非局部均值的极化SAR数据的相干斑抑制方法

摘要

本发明公开了一种基于贝叶斯非局部均值的极化SAR数据相干斑噪声抑制的方法，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数据的相干矩阵T；(2)对相干矩阵T进行亮目标保持；(3)对相干矩阵T的逐个元素进行贝叶斯非局部均值滤波，滤波中使用的滤波权值由SPAN滤波操作中所得；(4)通过Pauli向量方法将滤波后的相干矩阵T生成伪彩图，以观察滤波的效果。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

1.一种基于贝叶斯非局部均值的极化SAR数据的相干斑抑制方法，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相干矩阵T，并使用T矩阵中的元素T11和T22对T矩阵进行亮目标检测和保留：1a)将相干矩阵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]＝2[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；1b)将T11的所有像素从小到大排列，取出第t个像素，得到该像素值k1，n为T11像素总数；1c)使用3x3滑窗对T11的逐个像素进行扫描，当滑窗中9个像素中大于k1的个数超过TK时将此3x3区域视为亮目标区域，TK通常取5或6；1d)对T22做与上述步骤1b)-1c)相同的处理，得到T22的亮目标区域；1e)将T11和T22得到的亮目标区域的位置一起作为整个极化SAR数据T矩阵的亮目标，并保留这些亮目标不被滤除；(2)对相干矩阵T各元素的非亮目标像素进行如下贝叶斯非局部均值滤波：2a)取T矩阵元素一个非亮目标像素x，以像素x为中心扩展出7x7的局部区域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的局部区域z(y)；2b)计算z(x)与z(y)之间的相似度d(x，y)：$d(x,y)=\underset{m=1}{\overset{M}{\Sigma }}(\frac{z_m^{\prime }\left(x\right)}{z_m^{\prime }\left(y\right)}+\ln z_m^{\prime }\left(y\right))$z′_m(x)和z′_m(y)分别为z′(x)和z′(y)的第m个像素，M为区域的大小，值为7x7，z′(x)和z′(y)分别为区域z(x)和z(y)的坐标位置在span数据对应的区域，其中span＝|S_hh|²+2|S_hv|²+|S_vv|²；2c)利用相似度d(x，y)计算z(x)与z(y)之间的权值w(x，y)：$w(x,y)=e^{(-\frac{d(x,y)}{h^2})}$h取0.3倍的噪声标准差；2d)用搜索窗Ω内每个像素对应的7x7区域对z(x)进行加权滤波，滤波式为：$\hat{z}\left(x\right)=\frac{1}{C\left(x\right)}\underset{y\in \Omega }{\Sigma }w(x,y)z\left(y\right)$为z(x)的滤波结果，C(x)为归一化函数表示为C(x)＝∑_y∈Ωw(x，y)；2e)对T矩阵的每个元素的逐个像素进行上述步骤2a)-2d)的处理，得到滤波后的T矩阵元素；(3)用Pauli向量法将滤波后的相干矩阵T合成伪彩图，以观察滤波的效果。