[发明专利]基于奇异值分解非局部均值的极化SAR数据相干斑抑制方法

权利要求书

1.一种基于奇异值分解非局部均值的极化SAR数据相干斑抑制方法，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协方差矩阵C，并使用协方差矩阵C中的第一行第一列元素C11和第三行第三列元素C33对协方差矩阵C进行亮目标检测和保留；

(2)对协方差矩阵C各元素的非亮目标像素进行如下奇异值分解SVD非局部均值滤波：

2a)取协方差矩阵C的第一行第一列元素C11、第二行第二列元素C22和第三行第三列元素C33，获得span数据，span＝C11+C22+C33；

2b)将所述span数据扩展成为一个N×D的特征矩阵M，将特征矩阵进行对数变化得到对数化特征矩阵：

Mg＝log(M)

其中，N表示span数据的总像素个数，D表示相似块的总像素个数；

2c)将对数化特征矩阵Mg进行奇异值分解，得到左奇异矩阵U、对角矩阵S、右奇异矩阵V：

[U，S，V]＝svd(Mg)

其中，S是奇异值{σ₁，σ₂，K，σ_D}作为对角元素的对角矩阵，且奇异值σ₁≥σ₂≥L≥σ_D≥0，U是左奇异向量{u₁，u₂，K，u_D}组成的左奇异矩阵，V是右奇异向量{v₁，v₂，K，v_D}组成的右奇异矩阵；

2d)取协方差矩阵C元素一个非亮目标像素x，以像素x为中心扩展出7x7的待估计相似块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的相似块z(y)；

2e)使用左奇异向量将所述待估计相似块z(x)和相似块z(y)分别表示为：

z(x)＝α₁v₁+α₂v₂+L+α_Dv_D

z(y)＝β₁v₁+β₂v₂+L+β_Dv_D

其中，α₁，α₂，L，α_D和β₁，β₂，L，β_D分别为z(x)和z(y)在左奇异向量基{v₁，v₂，K，v_D}下的坐标；

2b)计算所述z(x)与z(y)之间的新的相似度距离d(x，y)：

d(x,y)=Σi=1r(αi-βi)2]]>

其中，α_i，β_i为在左奇异向量基{v₁，v₂，K，v_D}下对应的第i个坐标，r为取前r个坐标，取值为20；

2e)利用新的相似度距离d(x，y)计算z(x)与z(y)之间的滤波权值w(x，y)：

w(x,y)=e(-d(x,y)h2)]]>

其中，h为滤波参数，取15倍的噪声标准差；

2f)用搜索窗Ω内每个像素对应的7x7相似块z(y)对待估计块z(x)进行加权滤波，滤波结果为：

z^(x)=1C(x)Σy∈Ωw(x,y)z(y)]]>

其中，C(x)为归一化函数，表示为C(x)＝∑_y∈Ωw(x，y)；

2g)对协方差矩阵C的每个元素的逐个像素进行上述步骤2a)-2f)的处理，得到滤波后的协方差矩阵C；

(3)用Sinclair向量法将滤波后的协方差矩阵C合成伪彩图，以观察显示对极化SAR数据相干斑抑制的效果。