[发明专利]结合上下文协方差矩阵的单极化SAR图像相干斑滤波方法有效

专利信息
申请号: 201910614326.6 申请日: 2019-07-09
公开(公告)号: CN110321904B 公开(公告)日: 2021-02-23
发明(设计)人: 陈思伟;陶臣嵩;李郝亮;崔兴超;肖顺平 申请(专利权)人: 中国人民解放军国防科技大学
主分类号: G06K9/46 分类号: G06K9/46;G06K9/00
代理公司: 长沙国科天河知识产权代理有限公司 43225 代理人: 朱桂花
地址: 410073 湖*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 结合 上下文 协方差 矩阵 极化 sar 图像 相干 滤波 方法
【说明书】:

发明公开了一种结合上下文协方差矩阵的单极化SAR图像相干斑滤波方法,包括1、输入待滤波的单极化SAR图像;2、对单极化SAR图像中的像素点,在其邻域内构建上下文散射矢量,并构建上下文协方差矩阵;3、求取相似度参数;4、计算相似度参数的判决门限;5、选取相似样本像素集,并对待滤波像素点进行滤波处理;步骤6:遍历待滤波的单极化SAR图像中的每一个像素,重复步骤2至5,得到滤波结果图。本发明通构建上下文协方差矩阵,有效利用了每个像素的上下文信息,通过计算每一个像素与其邻域内像素的上下文协方差矩阵来计算相似度,提高了相似像素的选取精度,因此,相似像素样本集的相似度更高,从而对图像进行相干斑滤波,滤波器性能优越。

技术领域

本发明属于SAR(Synthetic Aperture Radar,合成孔径雷达)成像遥感技术领域,涉及一种结合上下文协方差矩阵的单极化SAR图像相干斑滤波方法。

背景技术

相干斑现象广泛存在于SAR等相干成像系统所获得的图像中。相干斑的存在给SAR图像理解和解译带来了困难和挑战。在进行诸如目标检测、分类和识别等处理时,通常需要对SAR图像进行相干斑滤波预处理。性能优良的相干斑滤波方法要求在充分抑制相干斑的同时很好地保护地物细节。作为SAR图像预处理,相干斑滤波性能直接影响后续各种处理和应用的效果。因此,发展具有高精度的SAR相干斑自适应滤波方法具有重要意义。

相干斑滤波主要包含两个步骤:一是相似候选样本像素的选取,二是无偏估计器的构建。其中,相似候选样本像素的选取是决定相干斑滤波性能的关键,成为该领域的研究重点。从上世纪80年代开始,国内外对相干斑滤波方法进行了广泛研究,代表性的滤波器包括:对滑窗内像素不加区分进行平均处理的Boxcar滤波器、利用8种边缘窗进行相似样本像素选取的改进Lee滤波器(J.S.Lee,“Refined filtering of image noise using localstatistics,”Computer Graphics and Image Processing,vol.15,pp.380-389,1981.)、利用滑窗内样本散射起伏特性并引入强点保护的改进型Sigma滤波器(J.S.Lee,J.H.Wen,T.L.Ainsworth,K.S.Chen,and A.J.Chen,“Improved sigma filter for specklefiltering of SAR imagery,”IEEE Trans.Geosci.Remote Sens.,vol.47,pp.202-213,Jan 2009.)、以及结合非邻域滤波和小波分解的SAR-BM3D滤波器(S.Parrilli,M.Poderico,C.V.Angelino,and L.Verdoliva,“ANonlocal SAR Image DenoisingAlgorithm Based on LLMMSE Wavelet Shrinkage,”IEEE Trans.Geosci.Remote Sens.,vol.50,pp.606-616,Feb 2012.)等。在相似样本选取过程中,上述方法主要利用每个像素或每个小区块内像素的幅度信息,没有充分考虑像素点与周边邻近像素的上下文信息,在相似样本选取的数量和准确性方面存在不足,进而导致相干斑滤波性能不足。因此,通过构建一种充分考虑目标散射上下文信息的上下文协方差矩阵,并建立上下文协方差矩阵的相似性检验因子,用于相似性样本刻画与选取,进而构建一种结合上下文协方差矩阵的单极化SAR图像相干斑滤波方法具有重要意义。

发明内容

本发明要解决的技术是,提供一种结合上下文协方差矩阵的单极化SAR图像相干斑滤波方法,本方法充分利用了目标散射上下文信息,能够准确和自适应地选取候选样本像素集,实现对SAR图像的自适应相干斑滤波。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910614326.6/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top