[发明专利]基于散射模型和非局部均值相结合的极化SAR相干斑抑制方法

摘要

本发明属于图像处理技术领域，特别是基于散射模型和非局部均值相结合的极化SAR相干斑抑制方法，通过对极化SAR图像数据进行基于散射模型的目标分解得到散射向量；建立散射特征空间；对极化SAR数据利用非局部方法，对搜索窗内的像素点组成相似像素集；利用散射特征向量在相似像素集内对相似点进行筛选；利用最终权重对像素点进行滤波，解决现有极化滤波方法不能很好地将极化SAR图像的结构信息和散射特性两者相结合进行相干斑抑制的问题，可以准确判断像素点间的散射相似性，将非局部均值同散射特性相似性两者相结合，使得极化SAR的相干斑抑制在结构信息和散射特性两方面都得到保持。

主权项

基于散射模型和非局部均值相结合的极化SAR相干斑抑制方法，其特征是：包括如下步骤，步骤一：将一幅极化SAR图像X中的每个像素点i用3X3的矩阵表示，得到该极化SAR图像的相干矩阵T；步骤二：对相干矩阵T进行Freeman‑Durden目标分解并将每个像素点i分解成三种散射类型：表面散射ps，偶次散射pd，体散射pv，每个像素点i的散射特性用一个1×3向量表示，标记为veci＝[psi,pdi,pvi]；步骤三：利用非局部均值滤波，寻找极化SAR图像数据中每一个像素点i的相似像素点，组成相似像素点集合S0；步骤四：在步骤三得到的相似像素点集合S0中再利用像素点的散射特性筛选最终相似像素点集合S，利用相似像素点集合S对像素点i进行估计；步骤五：对极化SAR图像数据的每一个像素点i进行步骤三和步骤四，得到整个极化SAR图像数据的最终滤波后的相干矩阵步骤六：利用Pauli分解方法将滤波后的相干矩阵合成伪彩图；所述的步骤三，包括如下步骤，(1)：以像素i为中心扩展出7×7的局部区域，记为图像块I；以像素i为中心扩展出15×15的搜索窗Ω，分别以搜索窗Ω内的每个像素点j1,j2,...,jN为中心扩展出各自的7×7的局部区域，分别标记为图像块J1,J2,...,JN，N为搜索窗内的像素点数；计算图像块I和搜索窗内各图像块J1,J2,...,JN之间的相似度式子中表示两个图像块之间的相似性度量，k为图像块内像素点个数，取值49；计算像素点i和搜索窗内的每个像素点j1,j2,...,jN之间的相似度式子中|Ip|是图像块I的第p个像素点矩阵的行列式值，是图像块Jn的第p个像素点矩阵行列式值；(2)：对步骤三分步骤(1)得到的与给定的阈值TNLM作比较，如果则将图像块Jn所对应的中心像素点jn存入像素点i的相似像素点集合S0中，同时计算出像素点jn对于像素点i的权重其中阈值TNLM的定义为：K是一个可调参数，k为图像块内像素点个数，L是极化SAR数据的视数；所述的步骤四，包括如下步骤：(1)：像素点i的散射特性向量标记为veci＝[psi,pdi,pvi]，搜索窗Ω内的每个像素点j1,j2,...,jN的散射向量标记为其中1≤n≤N，计算出向量veci的模值为vecjn的模值为像素点i和像素点jn，1≤n≤N之间的散射相似性度量为其中1≤n≤N，t表示转置，||veci||和分别表示散射特征向量veci和的二范数，min指求取最小值的函数；(2)：将步骤四步骤(1)得到的两个像素点间的散射相似性RHSP与阈值THHSP比较，如果RHSP≥THHSP，则像素点jn对于像素点i的最终权重Wn＝wn，其中阈值TNLM的定义为：K是一个可调参数，k为图像块内像素点个数，L是极化SAR数据的视数，否则将像素点jn从像素点i的相似像素点集合S0中剔除，即Wn＝0，得到像素点i的最终的相似像素点集合S，其中阈值THHSP定义为：其中Pi是向量veci的模值；λ是一个可调参数，可调范围为0.75～0.95；(3)：利用最终权值Wn计算像素点jn对像素点i的滤波结果1≤n≤N，其中是归一化参数。