專利名稱：基于同質(zhì)點(diǎn)計(jì)算的sar圖像去斑方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體地說(shuō)是一種基于同質(zhì)點(diǎn)計(jì)算的SAR圖像去斑方 法。該方法可用于SAR圖像去斑中。
背景技術(shù)：
近幾十年來(lái)，SAR圖像在軍事和民用方面得到了廣泛的應(yīng)用。但是SAR的成像機(jī)制不 同于光學(xué)成像，它特殊的相干成像機(jī)制導(dǎo)致圖像有斑點(diǎn)噪聲，使得具有均勻散射系數(shù)的目 標(biāo)的雷達(dá)圖像并不具有均勻的灰度而出現(xiàn)許多斑點(diǎn)，圖像信噪比下降，為目標(biāo)識(shí)別和特征 提取造成困難，因此平滑噪聲并抑制噪聲預(yù)處理是一個(gè)不可缺少的過(guò)程。SAR相干斑抑制 技術(shù)的研究一直是SAR圖像本身固有的一種確定性的干涉現(xiàn)象，是由成像散射體散射回波 的相干作用造成的。
研究相千斑抑制技術(shù)的一個(gè)重要方向是，在求得需要的輻射分辨率的同時(shí)如何保持必 要的空間分辨力。因?yàn)槎叨际荢AR圖像分析和應(yīng)用的重要因素，所有著重考慮在濾除斑 點(diǎn)噪聲的同時(shí)，保持圖像的細(xì)節(jié)信息。當(dāng)前對(duì)相干斑的抑制技術(shù)大體分為成像前的多視平 滑預(yù)處理技術(shù)和成像后的濾波技術(shù)兩類。早期的SAR圖像處理中，大多釆用成像前的多視 處理技術(shù)，但隨著SAR圖像應(yīng)用的不斷拓展，對(duì)其空間分辨率的要求不斷提高，多視處理 技術(shù)已不能滿足要求。成像后的濾波技術(shù)又可分為空域?yàn)V波技術(shù)和頻域?yàn)V波技術(shù)。
空域統(tǒng)計(jì)類去斑方法一般先假定噪聲的乘性模型，然后基于像素鄰域窗口的局部統(tǒng)計(jì) 特性進(jìn)行濾波，典型算法如Lee濾波，Kuan濾波，F(xiàn)rost濾波等。但是，這些方法都是通過(guò) 固定窗口來(lái)對(duì)圖像進(jìn)行操作，而且沒(méi)有考慮像元周圍的局部結(jié)構(gòu)信息。雖然統(tǒng)計(jì)類濾波對(duì) SAR圖像的局部統(tǒng)計(jì)特性具有自適應(yīng)性，但局部統(tǒng)計(jì)的計(jì)算都是基于均勻區(qū)域這一前提。 對(duì)于紋理信息豐富或灰度分布有明顯跳變的邊緣區(qū)域而言，局部統(tǒng)計(jì)的計(jì)算有很大的偏 差。因此統(tǒng)計(jì)類濾波算法對(duì)區(qū)域一致性較好的圖像有著較好的去斑效果，而對(duì)邊緣和細(xì)節(jié) 特征的保持則不夠理想。圖像結(jié)構(gòu)信息如邊緣、線性體、點(diǎn)等目標(biāo)會(huì)在一定程度上被模糊 或?yàn)V除。
頻域?yàn)V波算法在SAR圖像去斑上表現(xiàn)了較好的性能。這些方法首先通過(guò)對(duì)數(shù)運(yùn)算將斑 點(diǎn)噪聲的乘性模型轉(zhuǎn)變?yōu)榧有阅Ｐ?，然后直接利用自然圖像去噪算法?；谛〔?、Contourlet 等變換的SAR圖像去斑算法由于其多尺度、多分辨等優(yōu)點(diǎn)獲得了廣泛的應(yīng)用。但是變換域
4去斑算法本質(zhì)上仍然是基于固定窗口的濾波，圖像結(jié)構(gòu)信息如邊緣、線等會(huì)產(chǎn)生吉布斯現(xiàn) 象。

發(fā)明內(nèi)容
本發(fā)明的目的在于克服已有技術(shù)的不足，即針對(duì)SAR圖像降斑中邊緣和平滑區(qū)域無(wú)法 兼顧的問(wèn)題，提出了一種基于同質(zhì)點(diǎn)計(jì)算的空域SAR圖像去斑方法，提高了圖像去斑效果。 為實(shí)現(xiàn)上述目的，本發(fā)明步驟如下
(1) 對(duì)輸入的SAR圖像的像素按點(diǎn)、線、邊緣和面進(jìn)行分類，并根據(jù)線和邊緣檢測(cè)的 方向模板確定線和邊緣處像素點(diǎn)的方向；
(2) 對(duì)每個(gè)像素點(diǎn)，根據(jù)其類型在搜索窗口內(nèi)搜索其同質(zhì)點(diǎn)，用集合I表示；
(3) 計(jì)算同質(zhì)點(diǎn)的權(quán)值；
(4) 對(duì)SAR圖像中每個(gè)像素點(diǎn)的同質(zhì)點(diǎn)集合進(jìn)行加權(quán)平均，得到去斑圖像。 步驟(1)所述的"對(duì)輸入的SAR圖像的像素按點(diǎn)進(jìn)行分類"，按如下步驟進(jìn)行
2a)根據(jù)點(diǎn)目標(biāo)的檢測(cè)模板，計(jì)算以像素點(diǎn)X,，，為中心的11*11的窗口內(nèi)16個(gè)方向模 板中每個(gè)方向上的像素點(diǎn)的均值//々=1，...16和窗口中心3*3鄰域的灰度均值//。，令 r = //0/max//,;
2b)設(shè)f]限值T"若廠>1，且該像素點(diǎn)灰度值大于窗口內(nèi)其它像素點(diǎn)灰度值，則判 斷該像素點(diǎn)為點(diǎn)目標(biāo)，TV通常取經(jīng)驗(yàn)值為1.3。
步驟(1)所述的"對(duì)輸入的SAR圖像的像素按線和邊緣進(jìn)行分類"，按如下步驟進(jìn)行 3a)對(duì)像素X,.,，根據(jù)線和邊緣目標(biāo)檢測(cè)模板分別計(jì)算8個(gè)方向的均值/77,，/ = 1,...8;
W =[附l,附2,附3,附4,附5，附6,柳7,附8];
3b)計(jì)算W的均值//、標(biāo)準(zhǔn)差<7和歸一化標(biāo)準(zhǔn)差5>(/,7') = 0"http:///;
3c)計(jì)算出圖像中最大的歸一化標(biāo)準(zhǔn)差S一max，設(shè)閾值7;，若像素點(diǎn)處的歸一化標(biāo)準(zhǔn) 差S(/,/)〉r"51 —max， 7;經(jīng)驗(yàn)值范圍為0.2 0.5，則判斷該像素點(diǎn)為線或邊緣處的點(diǎn).。
步驟(1)所述的"根據(jù)線和邊緣檢測(cè)的方向模板確定線和邊緣處像素點(diǎn)的方向"按 如下步驟進(jìn)行
4a)計(jì)算9*9窗口內(nèi)8個(gè)方向模板中每個(gè)方向上的像素點(diǎn)的方差CT,， / = 1,...8;設(shè)
sw二[cr!,cr2,(T3,(T4,a5,(T6,o"7,cr8];計(jì)算sw的均值〃—sW，方差ct—wd和歸一化標(biāo)
準(zhǔn)差S 一 Wfi = ct — / 一 ;
4b)設(shè)門(mén)限值Tstd，當(dāng)S一^/大于所設(shè)門(mén)限值Tstd，則該像素點(diǎn)為邊緣上的點(diǎn)，8個(gè)方 向方差CT,中最小者的方向即為該像素點(diǎn)的方向；
5素點(diǎn)的均值W-[Wl,柳2,W3，W4,附5,/m，W7,/^],找出8個(gè)方向中均值附的最大值
w —max和最小值附—min ，設(shè)附的中值為mecZ/a"二(w —max+w —min)/2 ，則當(dāng)8個(gè)方向 的均值附,，！' = 1，...8于中值^^朋的個(gè)數(shù)大于4時(shí)，該像素點(diǎn)的方向?yàn)榫底畲笾邓诘?方向，否則為均值最小值所在的方向。
步驟(2)所述的"在搜索窗口內(nèi)搜索其同質(zhì)點(diǎn)"，按如下步驟進(jìn)行
5a)設(shè)定搜索窗口的大小為N+N;
5b)搜索點(diǎn)目標(biāo)的同質(zhì)點(diǎn)，其同質(zhì)點(diǎn)為窗口內(nèi)的點(diǎn)目標(biāo)；
5c)搜索線和邊緣上像素點(diǎn)的同質(zhì)點(diǎn)，其同質(zhì)點(diǎn)為窗口內(nèi)有方向的像素點(diǎn)；
5d)搜索面結(jié)構(gòu)上像素點(diǎn)的同質(zhì)點(diǎn)，其同質(zhì)點(diǎn)為窗口內(nèi)無(wú)方向的像素點(diǎn)。
步驟(3)所述的"計(jì)算同質(zhì)點(diǎn)的權(quán)值"，按如下步驟進(jìn)行
6a)計(jì)算像素點(diǎn)與其同質(zhì)點(diǎn)之間的高斯加權(quán)歐式距離-
其中，v(^^)是以像素點(diǎn)x為中心的7*7鄰域，v(iVv)是以像素點(diǎn):^為中心的7-7鄰域, G。是高斯函數(shù)，"是高斯核的標(biāo)準(zhǔn)差，W(x+)， WCy+)分別表示像素點(diǎn)JC,;;的 鄰域內(nèi)相同位置坐標(biāo)的像素點(diǎn)灰度值；
6b)由x,;;兩個(gè)像素點(diǎn)之間的距離計(jì)算權(quán)值
其中，//為平滑系數(shù)，通過(guò)它控制高斯加權(quán)歐氏距離函數(shù)的衰減速度。 本發(fā)明與現(xiàn)有的技術(shù)相比具有以下優(yōu)點(diǎn)
1. 本發(fā)明是在空域中進(jìn)行的，實(shí)現(xiàn)過(guò)程簡(jiǎn)單，復(fù)雜度低。
2. 本發(fā)明提出了一種新的計(jì)算方向的方法，能準(zhǔn)確地計(jì)算出SAR圖像中線和邊緣的 方向。
3. 本發(fā)明不局限于局部窗口，提出了在非局部區(qū)域內(nèi)分別對(duì)點(diǎn)、線、邊緣和面結(jié)構(gòu)搜 索同質(zhì)點(diǎn)，解決了 SAR圖像去斑結(jié)果中細(xì)節(jié)保持與去斑程度矛盾的問(wèn)題。
力—畫(huà)
其中，W(x,力為像素點(diǎn)^相對(duì)于像素點(diǎn)X的權(quán)值，
ZOC)為像素X處的歸一化系數(shù)，它為所有同質(zhì)點(diǎn)的權(quán)值的總和:


圖1是本發(fā)明的流程原理框圖2是本發(fā)明實(shí)驗(yàn)輸入的SAR圖像；
圖3是本發(fā)明點(diǎn)目標(biāo)檢測(cè)的16個(gè)方向的模板示意圖4是本發(fā)明線和邊緣檢測(cè)的8個(gè)方向的模板示意圖5是本發(fā)明對(duì)輸入的SAR圖像實(shí)驗(yàn)得到的點(diǎn)目標(biāo)檢測(cè)的結(jié)果圖6是本發(fā)明對(duì)輸入的SAR圖像實(shí)驗(yàn)得到的線和邊緣目標(biāo)檢測(cè)的結(jié)果圖7是用增強(qiáng)Lee濾波算法對(duì)輸入的SAR圖像進(jìn)行去斑的結(jié)果圖8是用小波軟閾值算法對(duì)輸入的SAR圖像進(jìn)行去斑的結(jié)果圖9是本發(fā)明對(duì)輸入的SAR圖像迭代一次的去斑結(jié)果圖10是本發(fā)明對(duì)輸入的SAR圖像迭代兩次的去斑結(jié)果圖。
具體實(shí)施例方式
參照附圖l，本發(fā)明的實(shí)現(xiàn)步驟如下
步驟l.輸入SAR圖像如附圖2所示，對(duì)其像素按點(diǎn)、線、邊緣和面進(jìn)行分類，并根 據(jù)方向模板確定線和邊緣處像素點(diǎn)的方向。
1) 點(diǎn)目標(biāo)的分類
為了保持SAR圖像中的點(diǎn)目標(biāo)不被平滑掉，需要檢測(cè)出SAR圖像中的點(diǎn)目標(biāo)；圖3
給出了點(diǎn)目標(biāo)檢測(cè)的16個(gè)方向的模板示意圖，具體步驟如下
1.1) 根據(jù)點(diǎn)目標(biāo)的檢測(cè)模板，計(jì)算以像素點(diǎn)X，，為中心的11*11的窗口內(nèi)16個(gè)方向模 板中每個(gè)方向上的像素點(diǎn)的均值//,,/ = 1,...16和窗口中心3*3鄰域的灰度均值A(chǔ)。令 ^-//0/max//,;
1.2) 設(shè)'門(mén)限值iv，若尸>1，且該像素點(diǎn)灰度值大于窗口內(nèi)其它像素點(diǎn)灰度值，則判
斷該像素點(diǎn)為點(diǎn)目標(biāo)，l通常取經(jīng)驗(yàn)值為1.3。
由于在檢測(cè)點(diǎn)時(shí)，默認(rèn)點(diǎn)的大小為3*3，所以將檢測(cè)到的點(diǎn)目標(biāo)的3*3鄰域也設(shè)為點(diǎn) 目標(biāo)。
按以上步驟檢測(cè)SAR圖像中的點(diǎn)目標(biāo)，得到點(diǎn)目標(biāo)的檢測(cè)結(jié)果，如圖5所示。
2) 線和邊緣處像素點(diǎn)方向的確定
為了防止SAR圖像中的線和邊緣目標(biāo)出現(xiàn)模糊現(xiàn)象，需要檢測(cè)出SAR圖像中的線和邊 緣目標(biāo)，由于后續(xù)需要計(jì)算不同方向像素點(diǎn)之間的高斯加權(quán)歐式距離，所以需要計(jì)算出像 素點(diǎn)的方向，圖4給出了線和邊緣檢測(cè)的8個(gè)方向的模板示意圖。具體實(shí)現(xiàn)過(guò)程如下-
2.1) 窗口大小為9*9;對(duì)于像素點(diǎn)Xw，根據(jù)線和邊緣目標(biāo)檢測(cè)模板，分別計(jì)算8個(gè)
方向中每個(gè)方向上的像素點(diǎn)的均值附,.,/ = 1,...8;設(shè)奶-[/^,附2,柳3,附4,柳5，柳6,附7,柳8];
2.2) 計(jì)算W的均值//、標(biāo)準(zhǔn)差7和歸一化標(biāo)準(zhǔn)差5(/，/) = 65"http:///;
2.3) 找出圖像中最大的歸一化標(biāo)準(zhǔn)差S一max，設(shè)閾值Ts，若像素點(diǎn)處的歸一化標(biāo)準(zhǔn)差 S(/,/^TVS—max, Ts經(jīng)驗(yàn)值范圍為0.2~0.5，則判斷該像素點(diǎn)為線或邊緣處的點(diǎn)；
2.4) 通過(guò)線和邊緣檢測(cè)的8個(gè)方向的模板確定像素點(diǎn)的方向。 其過(guò)程如下
2.4.1) 計(jì)算9*9窗口內(nèi)8個(gè)方向模板中每個(gè)方向上的像素點(diǎn)的方差CT,， / = 1,...8;設(shè) 5W = [<Ti,CT2,Cr3,<T4,(t5,Cr6,Cr7,OX|;計(jì)算5W的均值//_;$^/，方差ct —Wd和歸一化標(biāo) 準(zhǔn)差S — Wc/ = cr —sW/// —Wc ;
2.4.2) 設(shè)門(mén)限值Tstd，當(dāng)S —rfc/大于所設(shè)門(mén)限值Tstd， Tstd—般取經(jīng)驗(yàn)值0.1，則該像 素點(diǎn)為邊緣上的點(diǎn)，8個(gè)方向中方差最小者的方向即為該像素點(diǎn)的方向。
2.4.3) 當(dāng)S」W小于所設(shè)門(mén)限值Tstd時(shí)，則該像素點(diǎn)為線目標(biāo)。計(jì)算8方向中每個(gè)方
向中像素點(diǎn)的均值附=[附1,附2,附3,附4，附5,柳6,附7,附8]，找出8方向中均值m的最大值
m —max和最小值m — min ，設(shè)附的中值為= (> _max+w —min)/2 ，則當(dāng)8個(gè)方向
的均值附,，；=1,...8大于中值柳^//朋的個(gè)數(shù)大于4時(shí)，該像素點(diǎn)的方向?yàn)榫底畲笾邓?br> 的方向，否則為均值最小值所在的方向。
按以上步驟檢測(cè)SAR圖像中的線和邊緣，得到的線和邊緣檢測(cè)結(jié)果，如圖6所示。 步驟2.對(duì)每個(gè)像素點(diǎn)，根據(jù)其類型在搜索窗口內(nèi)搜索其同質(zhì)點(diǎn)。 將SAR圖像中的點(diǎn)、線和邊緣檢測(cè)出來(lái)后，分別尋找其同質(zhì)點(diǎn)。對(duì)于點(diǎn)、線、邊緣之
外的面目標(biāo)也尋找其同質(zhì)點(diǎn)。具體步驟如下
1) 設(shè)定搜索窗口的大小為I^N;
2) 搜索點(diǎn)目標(biāo)的同質(zhì)點(diǎn)，其同質(zhì)點(diǎn)為窗口內(nèi)的點(diǎn)目標(biāo)；
3) 搜索線和邊緣上像素點(diǎn)的同質(zhì)點(diǎn)，其同質(zhì)點(diǎn)為窗口內(nèi)有方向的像素點(diǎn)； .4)搜索面結(jié)構(gòu)上像素點(diǎn)的同質(zhì)點(diǎn)，其同質(zhì)點(diǎn)為窗口內(nèi)無(wú)方向的像素點(diǎn)。
步驟3.計(jì)算同質(zhì)點(diǎn)的權(quán)值。
搜索到每個(gè)像素點(diǎn)的同質(zhì)點(diǎn)之后，需要計(jì)算其與同質(zhì)點(diǎn)的權(quán)值。對(duì)于像素點(diǎn)，其同質(zhì) 點(diǎn)權(quán)值的計(jì)算過(guò)程如下-
1)計(jì)算像素點(diǎn)與其同質(zhì)點(diǎn)之間的高斯加權(quán)歐式距離
8J=|,-v(《=G" *|輛-圳2 ( i )
其中^(見(jiàn))是以像素點(diǎn)^為中心的7*7鄰域灰度矢量，v(A^)是以像素點(diǎn)y為中心的7f7 鄰域灰度矢量。G。是高斯函數(shù)，"是高斯核的標(biāo)準(zhǔn)差，W(x+)， WCy+)分別表示像素點(diǎn)x，y 的鄰域內(nèi)相同位置像素點(diǎn)的灰度值；
在計(jì)算高斯加權(quán)歐式距離時(shí)，有方向的像素點(diǎn)必須統(tǒng)一方向才能找出像素點(diǎn)的同質(zhì) 點(diǎn)。故在計(jì)算高斯加權(quán)歐式距離之前，將所有有方向的像素點(diǎn)的i^p鄰域統(tǒng)一旋轉(zhuǎn)至同一 方向，存儲(chǔ)旋轉(zhuǎn)之后像素點(diǎn)的7*7鄰域，沒(méi)有方向的像素點(diǎn)直接存儲(chǔ)其7*7鄰域。
v(M)表示的是統(tǒng)一方向之后的以像素點(diǎn)x為中心的7*7鄰域，v(iV"表示的是統(tǒng)一方 向之后的以像素點(diǎn)^為中心的7*7鄰域。將有方向的像素點(diǎn)統(tǒng)一旋轉(zhuǎn)至同一方向，并存儲(chǔ) 每個(gè)像素點(diǎn)的7*7鄰域，使同質(zhì)點(diǎn)的權(quán)值更加準(zhǔn)確，并且有效地縮短了算法運(yùn)行的時(shí)間復(fù) 雜度。
2)由兩點(diǎn)之間的距離計(jì)算權(quán)值-
W"y) = ^^ 纊
其中W(x，力為像素點(diǎn)^相對(duì)于像素點(diǎn)X的權(quán)值，Z(x)為像素點(diǎn)X處的歸一化系數(shù)， 即像素點(diǎn)X所有同質(zhì)點(diǎn)的權(quán)值的總和
其中為平滑系數(shù)，通過(guò)它控制高斯加權(quán)歐氏距離函數(shù)的衰減速度。
設(shè)點(diǎn)、線和邊緣處像素點(diǎn)平滑系數(shù)/ 為rw，面結(jié)構(gòu)上的像素點(diǎn)平滑系數(shù)/z為n2，則 要求Tw〈:tm 。
一般取7^ = 10*0%， n2 = 2*rw;其中CTZ為SAR圖像噪聲方差；幅度圖像中噪聲方 差CT'-(4/;r-1)/丄，強(qiáng)度圖像中噪聲方差CTZ = 1 / ￡ ， ￡為SAR圖像等效視數(shù)。
平滑過(guò)快會(huì)使點(diǎn)、線和邊緣處產(chǎn)生模糊，而平滑過(guò)慢則使面結(jié)構(gòu)處則無(wú)法充分濾除斑 點(diǎn)噪聲，故點(diǎn)、線、邊緣處的平滑系數(shù)和面結(jié)構(gòu)處的平滑系數(shù)應(yīng)分別設(shè)置，且點(diǎn)、線和邊 緣的平滑系數(shù)r;u必須小于面結(jié)構(gòu)上的平滑系數(shù)n2 。
步驟4.對(duì)每個(gè)同質(zhì)點(diǎn)集合進(jìn)行加權(quán)平均，得到去斑圖像
加權(quán)平均的計(jì)算可采用-
/附g(x) = Z w(x,(4)
9其中W(X，力為像素點(diǎn)y相對(duì)于像素點(diǎn)X的權(quán)值；g(>0為原圖中點(diǎn)y處的灰度值， /wg(X)為加權(quán)平均后點(diǎn)X處的灰度值；0SW(JC,力S1， Z,W(X，>0 = 1。
按上述步驟得到對(duì)輸入待測(cè)SAR圖像的去斑結(jié)果， 一次迭代的結(jié)果如圖9所示，將一 次迭代的結(jié)果作為輸入，按上述步驟對(duì)其進(jìn)行去斑得到兩次迭代的結(jié)果如圖IO所示。
實(shí)驗(yàn)結(jié)果分析
圖2所示輸入的SAR圖像中，1、 2號(hào)標(biāo)示出了待評(píng)價(jià)去斑效果的同質(zhì)區(qū)域。比較本發(fā) 明和增強(qiáng)Lee濾波如圖7所示，小波軟閾值的去斑效果如圖8所示。將去斑后的1、 2號(hào) 區(qū)域的均值、標(biāo)準(zhǔn)差、等效視數(shù)ENL作為評(píng)價(jià)指標(biāo)。其比較結(jié)果如表l所示
表1 各種去斑結(jié)果對(duì)比
測(cè)試區(qū) 域都項(xiàng) 邁F原圖增強(qiáng)Lee小波軟 閾值本發(fā)明一 次迭代本發(fā)明迭 代兩次
區(qū) 域 1ENL3.1714.0159.1759.70393.36
均值114.24114.38110.03112.47111.96
標(biāo)準(zhǔn)差33.5415.977.4714.552.95
區(qū) 域 2ENL2.6214.1833.43142.99947.06
均值72.9172.8468.9471.6671.56
標(biāo)準(zhǔn)差23.5310.116.235.991.21
從表l中可以看出，本發(fā)明迭代兩次的結(jié)果圖中，待檢測(cè)的l、 2號(hào)同質(zhì)區(qū)域去斑效 果明顯，雖然在均值上有所出入，但相比之下，標(biāo)準(zhǔn)差和等效視數(shù)評(píng)價(jià)指標(biāo)比其它算法有 了很大的提高。本發(fā)明迭代一次時(shí)，同質(zhì)區(qū)域內(nèi)像素點(diǎn)的同質(zhì)點(diǎn)比較少，這就影響了像素 點(diǎn)中斑點(diǎn)噪聲的去除，所以可以通過(guò)迭代運(yùn)算來(lái)增加均勻區(qū)域內(nèi)同質(zhì)點(diǎn)的數(shù)目和提高同質(zhì) 點(diǎn)的權(quán)值。從結(jié)果圖中還可以看出，本發(fā)明迭代兩次的結(jié)果在最大限度地平滑斑點(diǎn)噪聲的 同時(shí)也保持了 SAR圖像的細(xì)節(jié)信息。
本發(fā)明針對(duì)SAR圖像中噪聲的分布的特點(diǎn)，首先對(duì)SAR圖像進(jìn)行點(diǎn)、線、邊緣和面
的分類，然后對(duì)檢測(cè)到的線和邊緣進(jìn)一步確定其方向。分別對(duì)分類后的點(diǎn)、線、邊緣和面 搜索其同質(zhì)點(diǎn)。根據(jù)像素點(diǎn)類型設(shè)置平滑系數(shù)，計(jì)算出SAR圖像中像素點(diǎn)同質(zhì)點(diǎn)的權(quán)值，
加權(quán)平均得去斑后的圖像。
同時(shí)，本發(fā)明中提出的方向檢測(cè)的方法充分考慮到了線和邊緣的特征，可以更加準(zhǔn)確
地檢測(cè)出圖像中線和邊緣中像素點(diǎn)的方向信息。在本發(fā)明中計(jì)算同質(zhì)點(diǎn)高斯加權(quán)歐氏距離 時(shí)，可以在確定了線和邊緣的方向之后，將所有有方向的像素點(diǎn)都旋轉(zhuǎn)至同一方向，并存儲(chǔ)其7*7鄰域。沒(méi)有方向的像素直接存儲(chǔ)其7*7鄰域，這使得在計(jì)算兩點(diǎn)之間的高斯加權(quán) 歐式距離時(shí)，不需要重復(fù)旋轉(zhuǎn)像素鄰域，有效地縮短了時(shí)間。
1權(quán)利要求
1. 一種基于同質(zhì)點(diǎn)計(jì)算的SAR圖像去斑方法，包括如下步驟(1)對(duì)輸入的SAR圖像的像素按點(diǎn)、線、邊緣和面進(jìn)行分類，并根據(jù)線和邊緣檢測(cè)的方向模板確定線和邊緣處像素點(diǎn)的方向；(2)對(duì)每個(gè)像素點(diǎn)，根據(jù)其類型在搜索窗口內(nèi)搜索其同質(zhì)點(diǎn)，用集合I表示；(3)計(jì)算同質(zhì)點(diǎn)的權(quán)值；(4)對(duì)SAR圖像中每個(gè)像素點(diǎn)的同質(zhì)點(diǎn)集合進(jìn)行加權(quán)平均，得到去斑圖像。
2. 根據(jù)權(quán)利要求1所述的基于同質(zhì)點(diǎn)計(jì)算的SAR圖像去斑方法，其特征在于步驟(l)， 所述的"對(duì)輸入的SAR圖像的像素按點(diǎn)進(jìn)行分類"，按如下步驟進(jìn)行2a)根據(jù)點(diǎn)目標(biāo)的檢測(cè)模板，計(jì)算以像素點(diǎn)X,，；為中心的11*11的窗口內(nèi)16個(gè)方向模 板中每個(gè)方向上的像素點(diǎn)的均值//,,/ = 1，...16和窗口中心3*3鄰域的灰度均值//。，令 r = //0/max//,;2b)設(shè)h)限值Tr,若r〉Tr，且該像素點(diǎn)灰度值大于窗口內(nèi)其它像素點(diǎn)灰度值，則判斷該像素點(diǎn)為點(diǎn)目標(biāo)，IV通常取經(jīng)驗(yàn)值為1.3。
3. 根據(jù)權(quán)利要求1所述的基于同質(zhì)點(diǎn)計(jì)算的SAR圖像去斑方法，其特征在于步驟(1) 所述的"對(duì)輸入的SAR圖像的像素按線和邊緣進(jìn)行分類"，按如下步驟進(jìn)行3a)對(duì)像素X，，，根據(jù)線和邊緣目標(biāo)檢測(cè)模板分別計(jì)算8個(gè)方向的均值^^,/ = 1,...8;附=[肌，m2, m3,附4, W5，附6,附7,酬；3b)計(jì)算m的均值//、標(biāo)準(zhǔn)差0"和歸一化標(biāo)準(zhǔn)差5(/,力=0"http:///;3c)計(jì)算出圖像中最大的歸一化標(biāo)準(zhǔn)差S一max，設(shè)閾值7;，若像素點(diǎn)處的歸一化標(biāo)準(zhǔn) 差5(/，7')>7;*^ —max， L經(jīng)驗(yàn)值范圍為0.2 0.5，則判斷該像素點(diǎn)為線或邊緣處的點(diǎn).。
4. 根據(jù)權(quán)利要求1所述的基于同質(zhì)點(diǎn)計(jì)算的SAR圖像去斑方法，其特征在于步驟(1) 所述的"根據(jù)線和邊緣檢測(cè)的方向模板確定線和邊緣處像素點(diǎn)的方向"，按如下步驟進(jìn)行4a)計(jì)算9*9窗口內(nèi)8個(gè)方向模板中每個(gè)方向上的像素點(diǎn)的方差CT,， i = l,...8;設(shè)= 0"2， (Ts, CT4,0"5, CT6, <T7, (Ts];計(jì)算的均值^ _ WJ ，方差cr — 和歸一化標(biāo) 準(zhǔn)差<S — Wt/ = cr 一 / // 一 ;4b)設(shè)門(mén)限值Tstd，當(dāng)SjW大于所設(shè)門(mén)限值Tstd，則該像素點(diǎn)為邊緣上的點(diǎn)，8個(gè)方 向方差CT,中最小者的方向即為該像素點(diǎn)的方向；4c)當(dāng)S」W小于所設(shè)門(mén)限值Tstd時(shí)，該像素點(diǎn)為線目標(biāo)上的點(diǎn)；計(jì)算8個(gè)方向中像素點(diǎn)的均值柳=[附1,柳2,柳3，柳4,附5,柳6,柳7,附8]，找出8個(gè)方向中均值W的最大值w —max和最小值m —min ，設(shè)附的中值為meWaw二0 —max+w —min)/2 ，則當(dāng)8個(gè)方向 的均值/W,， / = 1,...8于中值附6^ "的個(gè)數(shù)大于4時(shí)，該像素點(diǎn)的方向?yàn)榫底畲笾邓诘?方向，否則為均值最小值所在的方向。
5. 根據(jù)權(quán)利要求1所述的基于同質(zhì)點(diǎn)計(jì)算的SAR圖像去斑方法，其特征在于步驟(2) 所述的"在搜索窗口內(nèi)搜索其同質(zhì)點(diǎn)"，按如下步驟進(jìn)行5a)設(shè)定搜索窗口的大小為>^^;5b)搜索點(diǎn)目標(biāo)的同質(zhì)點(diǎn)，其同質(zhì)點(diǎn)為窗口內(nèi)的點(diǎn)目標(biāo)；5c)搜索線和邊緣上像素點(diǎn)的同質(zhì)點(diǎn)，其同質(zhì)點(diǎn)為窗口內(nèi)有方向的像素點(diǎn)；5d)搜索面結(jié)構(gòu)上像素點(diǎn)的同質(zhì)點(diǎn)，其同質(zhì)點(diǎn)為窗口內(nèi)無(wú)方向的像素點(diǎn)。
6. 根據(jù)權(quán)利要求1所述的基于同質(zhì)點(diǎn)計(jì)算的SAR圖像去斑方法，其特征在于步驟(3) 所述的"計(jì)算同質(zhì)點(diǎn)的權(quán)值"，按如下步驟進(jìn)行-6a)計(jì)算像素點(diǎn)與其同質(zhì)點(diǎn)之間的高斯加權(quán)歐式距離"||v(A0-= G。 *|"(x+)-M(y+)|2其中，《1)是以像素點(diǎn);<:為中心的7*7鄰域，v(iV》是以像素點(diǎn)_y為中心的7*7鄰域， G。是高斯函數(shù)，"是高斯核的標(biāo)準(zhǔn)差，W(;c+)， WCy+)分別表示像素點(diǎn)x,;;的 鄰域內(nèi)相同位置坐標(biāo)的像素點(diǎn)灰度值； 6b)由x，y兩個(gè)像素點(diǎn)之間的距離計(jì)算權(quán)值i |，-vW)ll:。 甸=^ ^ '其中，W(x,力為像素點(diǎn)^y相對(duì)于像素點(diǎn)X的權(quán)值，Z(X)為像素X處的歸一化系數(shù)，它為所有同質(zhì)點(diǎn)的權(quán)值的總和 其中，/7為平滑系數(shù)，通過(guò)它控制高斯加權(quán)歐氏距離函數(shù)的衰減速度。
全文摘要
本發(fā)明公開(kāi)了一種基于同質(zhì)點(diǎn)計(jì)算的SAR圖像去斑方法，它屬于圖像處理技術(shù)領(lǐng)域，主要克服現(xiàn)有SAR圖像去斑結(jié)果中細(xì)節(jié)保持與去斑程度的矛盾問(wèn)題。具體實(shí)現(xiàn)過(guò)程是(1)對(duì)輸入的SAR圖像的像素按點(diǎn)、線、邊緣和面進(jìn)行分類，并根據(jù)方向模板確定線和邊緣處像素點(diǎn)的方向；(2)對(duì)每個(gè)像素點(diǎn)，根據(jù)其類型在搜索窗口內(nèi)搜索其同質(zhì)點(diǎn)；(3)計(jì)算同質(zhì)點(diǎn)的權(quán)值；(4)對(duì)SAR圖像中每個(gè)像素點(diǎn)的同質(zhì)點(diǎn)集合進(jìn)行加權(quán)平均，得到去斑圖像。本發(fā)明由于對(duì)SAR圖像中點(diǎn)、線、邊緣和面目標(biāo)的去斑僅在同質(zhì)點(diǎn)之間進(jìn)行，因此能夠在最大限度的平滑斑點(diǎn)噪聲的同時(shí)保持SAR圖像的邊緣和紋理細(xì)節(jié)，提高圖像去斑效果。
文檔編號(hào)G06T5/00GK101482969SQ20091002095
公開(kāi)日2009年7月15日 申請(qǐng)日期2009年1月16日 優(yōu)先權(quán)日2009年1月16日
發(fā)明者彪 侯, 公茂果, 芳 劉, 徐晶晶, 焦李成, 爽 王, 樺 鐘, 馬文萍 申請(qǐng)人:西安電子科技大學(xué)