[发明专利]基于相似性特征分类的极化SAR图像斑点抑制方法

说明书

技术领域

本发明属于极化SAR图像预处理技术领域，涉及SAR图像斑点抑制技术，特别是涉及一种基于相似性特征分类的极化SAR图像斑点抑制方法。

背景技术

近年来，PolSAR的应用领域不断扩大，已在海洋探测、农业生产监测、搜寻救助等方面展示出了特有的优势。但极化SAR图像中固有的相干斑噪声，会降低图像的信噪比，掩盖图像的真实特征，严重影响了极化SAR数据的有效应用。

极化SAR图像滤波方法中具有代表性的是Lee J.S.于2006年提出的基于散射模型降斑方法，该方法是通过Freeman极化分解对图像像素进行分类，并选择散射特性类别相近的像素参与滤波，滤波效果明显，能够有效地保持目标的极化散射特性。但同时也存在几个问题，如：(1)复杂地表散射体通常具有随机取向，散射回波具有一定随机波动性，该方法直接对原始数据进行分解，易产生错误分类。(2)Freeman分解方法基于反射对称性假设，对于人造目标、地物较复杂等不满足假设条件的情况，容易出现错误解译。(3)采用Wishart分类器进行迭代分类，涉及大量矩阵求逆、求迹运算，运算量较大。(4)强功率像素是否被保留与像素样本空间的选择有关，当样本空间改变时，图像细节保持情况可能不同。国防科技大学的陈强等，在斑点抑制过程中也考虑到了参与滤波的像素的功率值与极化散射特性，但筛选准则并不严格，忽略掉了暗线目标的保持；并且仅考虑到了与三种特殊散射模型的相似性，也未能最大程度地保持极化散射特性。

此外，像素相干矩阵之间的相似性在极化SAR图像处理应用中一般只考虑相干矩阵与几个特定相干矩阵的相似性，应用范围较窄。清华大学的安文韬提出了一种通过计算矩阵内积衡量任意两个极化相干矩阵相似性的计算方法，用以海面目标的检测，但该计算方法中涉及到较为复杂的矩阵求迹运算，存在部分冗余计算；并且由于计算矩阵内积，第一个矩阵的元素与位于第二个矩阵关于对角线对称位置上的元素相乘，并不能准确体现出像素相干矩阵之间的相似性。

发明内容

为了解决上述问题，本发明的目的在于提供一种在很好地抑制斑点噪声的同时，能够有效地保持图像的极化散射特性和目标的结构类型，并且运算简单的基于相似性特征分类的极化SAR图像斑点抑制方法。

为了达到上述目的，本发明提供的基于相似性特征分类的极化SAR图像斑点抑制方法包括按顺序进行的下列步骤：

(1)对原始图像极化相干矩阵进行极化去取向处理并形成矢量K；

(2)依次以图像中每个像素为中心，取其周围n×n窗口内的像素，分别计算中心像素与其余每个像素相干矩阵的相似系数；

(3)在原始图像中选择几个均匀程度不同的区域，构造相干矩阵相似系数阈值矢量；

(4)将像素的结构类型划分成亮点线目标、暗点线目标和非点线目标三种类型；

(5)根据像素的结构类型筛选参与滤波的像素；

(6)对参与滤波的像素进行加权滤波。

所述的步骤(1)中对原始图像极化相干矩阵进行极化去取向处理并形成矢量K的方法是：先对原始图像极化相干矩阵T⁰进行极化去取向处理，得到极化相干矩阵T，以克服散射回波引起的随机取向问题；然后将相干矩阵T矢量化，形成1×9维的矢量K。

所述的步骤(2)中相似系数定义为两个矢量K_i和K_j的夹角余弦值。

所述的步骤(3)中构造相似系数阈值矢量的方法是：首先在滤波图像中选取n₁个不同地物类型的、均匀程度不同的区域，每个区域像素的平均相似系数构成一个数据集合，并计算每个集合的均值，然后在其中选择n₂个典型的、有一定差额的数值并按照从小到大进行排列，形成阈值矢量Th。

所述的步骤(4)中将像素的结构类型划分成亮点线目标、暗点线目标和非点线目标三种类型的方法是：首先计算窗内各像素的功率值，并依次由小到大排序，通过考察中心像素的功率值，以及与中心像素相邻的3×3小窗口内，相干矩阵相似系数大于Th(1)、功率值在一定范围内的像素数目来划分像素类别。

所述的步骤(5)中筛选参与滤波像素的方法是：亮点线目标不予滤波，直接保留；暗点线目标在窗口内逐级筛选属于第i(i＝1，2，…，n₂)级、且功率值位于功率序列前2/5的像素作为滤波像素；非点线目标在窗口内逐级筛选属于第i级、且不为亮目标的作为滤波像素。