专利名称：融入pca的非局部均值的极化sar数据相干斑抑制方法
技术领域：
本发明属于图像数据处理技术领域，具体地说是一种相干斑抑制方法，该方法可 用于对极化SAR数据的去噪。
背景技术：
随着雷达技术的发展，极化SAR已成为SAR的发展趋势，极化SAR能够得到更丰富 的目标信息，有利于提高目标检测，辨别和分类能力等等的特性体现了极化SAR系统的优 势，但是它和SAR —样，受着相干斑噪声的严重干扰。因此，相干斑的抑制成为一个经久不 衰的研究课题。对于极化SAR数据，抑斑的目的在于能够在抑制相干斑的同时且保持数据 的极化特性，边缘细节以及纹理信息。现有对极化SAR数据相干斑抑制的方法很多，其中1)极化白化滤波PWF是最早的一个滤波方法，该方法通过对极化SAR数据散射矩 阵元素的优化组合来完成对span数据的相干斑抑制，但是该方法的缺点在于它只对极化 SAR数据中的span数据进行相干斑抑制，而其余极化SAR数据的各元素并没有进行相干斑 的抑制。2)最为经典的方法是精致极化Lee滤波，它通过使用边缘窗口进行滤波，滤波后 的数据在边缘的特性保持方面效果显著，但是，在纹理细节信息的保持上，滤波效果并非特 别理想，因此在相干斑的抑制中，数据原始的一些特性无法很好的保留。3)最近新提出的改进的sigma滤波，它解决了原始sigma滤波的暗像素不被滤波 和滤波数据存在误差等缺点，并有效的保持了亮目标像素，该方法无论在边缘的保持上还 是同质区域的平滑上都优于精致极化Lee滤波方法，但是在边缘和纹理的处理上，由于相 干斑噪声的影响，这种滤波还是不能最好的区分相干斑噪声和边缘纹理信息，使有用的边 缘纹理信息不能被完整的保留。
发明内容
本发明的目的在于克服上述已有技术的缺点，提出一种基于融入PCA的非局部均 值的极化SAR数据的相干斑抑制方法，以在抑制相干斑的同时保持亮目标和边缘纹理细节 信息，提高极化SAR数据的相干斑抑制效果。为实现上述目的，本发明包括如下步骤(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Tll和T22对T矩阵进行亮目标检测和保留；(2)取 T 矩阵的元素 TlU T22 和 T33 获得 span 数据，其中 span = T11+T22+T33， 使用主成分分析方法求出span数据中最大的d个特征向量W1 wd，d取6 ；(3)对相干矩阵T各元素的非亮目标像素进行如下基于融入PCA的非局部均值滤 波3a)对T矩阵的任意元素取一个待滤波像素点X，以χ为中心确定7X7的局部邻 域Φ
和21 X 21的搜索窗Ω，对待滤波像素点χ的局部邻域Φ进行对数变换，将对数变 换后的局部邻域拉伸成49Χ 1的待滤波向量Lx ；3b)在搜索窗内取一像素y，取y的7X7的局部邻域Ψ，对该局部邻域Ψ先进行 对数变换，再将其拉伸成49X1的搜索窗向量Ly ；3c)用span数据的d个最大的特征向量W1 Wd与待滤波向量Lx进行内积，得到 待滤波内积结果fx(m，1)，再用span数据的d个最大的特征向量W1 Wd与搜索窗向量Ly 进行内积得到搜索窗内积结果fy (m，1)，m为1 d的整数；3d)计算待滤波像素χ与搜索窗内像素y的相似度d(x，y)
dd(X，力=Σ [&(讲，])-])f
m=l3e)根据相似度d(x，y)计算搜索窗内像素y与待滤波像素χ的滤波权值w(x，y)
γπ d{x-y))=其中h为一个滤波参数，这里h取5倍的噪声标准差；3f)逐个扫描搜索窗内的像素，重复执行步骤: )- ),得到最终待滤波像素χ的 滤波结果ζ(χ) = -^-τ^(χ,γ)ζ(γ)
。W ^eQ其中C(X)为归一化函数，表示为C(X) = Σ^^)，Ζ ω为搜索窗Ω内像素y的
yeQ
值；3g)对T矩阵元素的逐个像素进行上述3a) _3f)的步骤，完成T矩阵所有元素的滤 波；(4)用Pauli向量法对滤波后的T矩阵合成伪彩图。本发明具有如下优点A)本发明由于将PCA融入到非局部均值滤波的思想中，因而比现有的精制极化 Lee滤波和改进的sigma滤波，在同质区域的滤波结果上更为平滑；B)本发明由于使用了非局部均值滤波的思想，比起精制极化Lee滤波和改进的 sigma滤波，能够更好的保持数据的边缘、纹理等细节和特征信息；C)本发明由于使用span数据提取极化SAR数据的特征来对T矩阵元素进行滤波， 因而很好的保持了极化SAR数据的极化相关性，保证滤波后T矩阵合成的伪彩图没有失真。
图1是本发明的流程图；图2是本发明使用的两组原始极化SAR数据的图像；图3是用本发明与现有精致极化Lee滤波和改进的sigma滤波对第一组原始极化 SAR数据的滤波结果图；图4是用本发明与精致极化Lee滤波和改进的sigma滤波对第二组原始极化SAR数据的滤波结果图。
具体实施例方式参照图1，本发明的具体实现步骤如下步骤1，对极化SAR数据相干矩阵T的亮目标进行检测并保留(la)将极化SAR数据相干矩阵T表示为
~ΑΑ*AB*AC
M=ΒΑ*BB*BCCA*CB*CC"
其中[A BC]=[Shh
,Shh-Svv 2Shv]，这里Shh表示h向发射和h向接收的回波 数据，Svv表示ν向发射和ν向接收的回波数据，Shv表示h向发射ν向接收的回波数据，AA* 到CCf分别代表Tll到T33九个元素，即kk*代表Tll，AB*代表T12，AC*代表T13，BA*代表 T21, BB* 代表 T22, BC* 代表 T23, CA* 代表 T31, CB* 代表 T32, CC* 代表 T33, Tll =AA*= Stt+Sj2，T22 = BB*= Shh-Svv|2 可知，通常它们有着较强的回波 值，而T33为I S1J2，它的回波值通�：苄。虼吮臼凳├挥肨ll和T22来检测亮目标；lb)将Tl 1的所有像素从小到大排列，取出第t个像素，得到该像素值K， t = \0M-n\[_」为取整符号，η为Tll像素总数；Ic)使用3X3滑窗对Tll的逐个像素进行扫描，当滑窗中9个像素中大于K的个 数超过Tk时，将此3 X 3区域视为亮目标区域，Tk取5或6 ；Id)对T22做与上述步骤la)-Ic)相同的处理，得到T22的亮目标区域；Ie)将Tll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。步骤2，使用主成分分析方法求出span = T11+T22+T33数据中最大的d个特征向
量W1 Wdo2a)对span数据做对数变换，得到变换后的span数据，对span数据做对数变换是 为了把乘性噪声模型转化为加性噪声模型；2b)求对数变换后的span数据的均值歹；2c)求对数变换后的span的特征矩阵Cy ]XJJ
|Τ| εψ其中，Ψ是搜索窗的子集，大小为7X7，Ψ是区域Ψ的像素个数，y(i)表示区 域Ψ做对数变化后的第i个像素，特征矩阵Cy的大小由局部区域大小的平方而定，例如是 7X7的局部区域时，此时Ψ区域的大小取7X7，获得的特征矩阵为49X49 ；2d)计算特征矩阵Cy的特征向量ω，对特征向量ω按照特征值从小到大的顺序 排列，取其ω中最后d个特征向量作为span数据最大的d个特征向量W1 wd。步骤3，对相干矩阵T各元素的非亮目标像素进行融入PCA的非局部均值滤波。3a)对T矩阵的任意元素取一个待滤波像素点X，以χ为中心确定7X7的局部邻 域Φ和21X21的搜索窗Ω，将χ的局部邻域Φ做对数变换，将变换后的局部邻域拉伸成 49X1的待滤波向量Lx ；
6
3b)在搜索窗内取一像素y，取y的7X7局部邻域Ψ，将此局部邻域Ψ做对数变 换，然后拉伸成49X1的搜索窗向量Ly ；3c)用span数据的d个最大的特征向量W1 Wd与待滤波向量Lx进行内积，即特 征向量中的元素与待滤波向量中的对应元素相乘求和，得到待滤波内积结果fx(m，l)，再用 span数据的d个最大的特征向量W1 Wd与搜索窗向量Ly进行内积，得到搜索窗内积结果 fy(m，l)，m为1 d的整数；3d)计算待滤波像素χ与搜索窗像素y的相似度d (X，y):
权利要求
1.一种融入PCA的非局部均值的极化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Tll和T22对T矩阵进行亮目标检测和保留；(2)取T矩阵的元素Til、T22和T33获得span数据，其中span= T11+T22+T33，使用 主成分分析方法PCA求出span数据中最大的d个特征向量W1 wd，d取6 ；(3)对相干矩阵T各元素的非亮目标像素进行如下基于融入PCA的非局部均值滤波 3a)对T矩阵的任意元素取一个待滤波像素点X，以χ为中心确定7X7的局 部邻域Φ和21X21的搜索窗Ω，对待滤波像素点χ的局部邻域Φ进行对数变换，将对数变换后的局部邻域拉伸成49Χ 1的待滤波向量Lx ；3b)在搜索窗内取一像素y，取y的7X7的局部邻域Ψ，对该局部邻域Ψ先进行对数 变换，再将其拉伸成49X1的搜索窗向量Ly ；3c)用span数据的d个最大的特征向量W1 Wd与待滤波向量Lx进行内积，得到待滤 波内积结果fx (m，1)，再用span数据的d个最大的特征向量W1 Wd与搜索窗向量Ly进行 内积得到搜索窗内积结果fy (m，1)，m为1 d的整数；3d)计算待滤波像素χ与搜索窗内像素y的相似度d(x，y)
2.根据权利要求书1所述的相干斑抑制方法，其中步骤(1)所述的用T矩阵中的元素 Tll和T22对T矩阵进行亮目标检测和保留，按如下步骤进行2a)将相干矩阵T表示为
3.根据权利要求书1所述的相干斑抑制方法，其中步骤( 所述的使用主成分分析方 法PCA求出span数据中最大的d个特征向量W1 wd，按如下步骤进行3a)对span数据做对数变换，得到变换后的span数据； 3b)求对数变换后的span数据的均值 ； 3c)求对数变换后的span的特征矩阵Cy c产—Σ ΚΟ-咖)_好111 ^ψ其中，ψ是搜索窗的子集，大小为7X7，I ψ I是区域Ψ的像素个数，y(i)表示区域ψ 做对数变化后的第i个像素，特征矩阵Cy的大小由局部区域大小的平方而定；3d)计算特征矩阵Cy的特征向量ω，对特征向量ω按照特征值从小到大的顺序排列， 取其ω中最后d个特征向量作为span数据最大的d个特征向量W1 wd。
4.根据权利要求书1所述的相干斑抑制方法，其中步骤⑷所述的用Pauli向量法对 滤波后的相干矩阵T合成伪彩图，按如下步骤进行4a)对滤波后的相干矩阵T的元素T22进行开平方处理AS = I^j-SwI,将IShh-SvvI 作为待合成伪彩图的红色分量R ；4b)对滤波后的相干矩阵T的元素T33进行开平方处理 掘=IH M I Shv I作为待合 成伪彩图的绿色分量G ；4c)对滤波后的相干矩阵T的元素Tll进行开平方处理λ/ Τ = ^^+^,将ISh^SvvI 作为待合成伪彩图的蓝色分量B ；4d)用R、G、B三个颜色分量作为三基色，根据三基色原理得到最终伪彩图。
全文摘要
本发明公开了一种基于融入PCA的非局部均值的极化SAR数据相干斑噪声抑制的方法，主要解决现有极化SAR滤波方法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问题。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)使用PCA的方法求得span数据的特征向量；(4)对相干矩阵T的元素进行非局部均值滤波，滤波权值由span数据的特征向量计算所得；(5)通过Pauli向量方法将滤波后的相干矩阵T生成伪彩图。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。
文档编号G01S13/90GK102073989SQ201010535150
公开日2011年5月25日 申请日期2010年11月9日 优先权日2010年11月9日
发明者刘芳, 张爽, 李悦, 杨国辉, 焦李成, 王爽, 缑水平, 钟桦, 马文萍 申请人:西安电子科技大学
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
