[发明专利]基于同质点计算的SAR图像去斑方法

说明书

技术领域

本发明属于图像处理技术领域，具体地说是一种基于同质点计算的SAR图像去斑方法。该方法可用于SAR图像去斑中。

背景技术

近几十年来，SAR图像在军事和民用方面得到了广泛的应用。但是SAR的成像机制不同于光学成像，它特殊的相干成像机制导致图像有斑点噪声，使得具有均匀散射系数的目标的雷达图像并不具有均匀的灰度而出现许多斑点，图像信噪比下降，为目标识别和特征提取造成困难，因此平滑噪声并抑制噪声预处理是一个不可缺少的过程。SAR相干斑抑制技术的研究一直是SAR图像本身固有的一种确定性的干涉现象，是由成像散射体散射回波的相干作用造成的。

研究相干斑抑制技术的一个重要方向是，在求得需要的辐射分辨率的同时如何保持必要的空间分辨力。因为二者都是SAR图像分析和应用的重要因素，所有着重考虑在滤除斑点噪声的同时，保持图像的细节信息。当前对相干斑的抑制技术大体分为成像前的多视平滑预处理技术和成像后的滤波技术两类。早期的SAR图像处理中，大多采用成像前的多视处理技术，但随着SAR图像应用的不断拓展，对其空间分辨率的要求不断提高，多视处理技术已不能满足要求。成像后的滤波技术又可分为空域滤波技术和频域滤波技术。

空域统计类去斑方法一般先假定噪声的乘性模型，然后基于像素邻域窗口的局部统计特性进行滤波，典型算法如Lee滤波，Kuan滤波，Frost滤波等。但是，这些方法都是通过固定窗口来对图像进行操作，而且没有考虑像元周围的局部结构信息。虽然统计类滤波对SAR图像的局部统计特性具有自适应性，但局部统计的计算都是基于均匀区域这一前提。对于纹理信息丰富或灰度分布有明显跳变的边缘区域而言，局部统计的计算有很大的偏差。因此统计类滤波算法对区域一致性较好的图像有着较好的去斑效果，而对边缘和细节特征的保持则不够理想。图像结构信息如边缘、线性体、点等目标会在一定程度上被模糊或滤除。

频域滤波算法在SAR图像去斑上表现了较好的性能。这些方法首先通过对数运算将斑点噪声的乘性模型转变为加性模型，然后直接利用自然图像去噪算法。基于小波、Contourlet等变换的SAR图像去斑算法由于其多尺度、多分辨等优点获得了广泛的应用。但是变换域去斑算法本质上仍然是基于固定窗口的滤波，图像结构信息如边缘、线等会产生吉布斯现象。

发明内容

本发明的目的在于克服已有技术的不足，即针对SAR图像降斑中边缘和平滑区域无法兼顾的问题，提出了一种基于同质点计算的空域SAR图像去斑方法，提高了图像去斑效果。

为实现上述目的，本发明步骤如下：

(1)对输入的SAR图像的像素按点、线、边缘和面进行分类，并根据线和边缘检测的方向模板确定线和边缘处像素点的方向；

(2)对每个像素点，根据其类型在搜索窗口内搜索其同质点，用集合I表示；

(3)计算同质点的权值；

(4)对SAR图像中每个像素点的同质点集合进行加权平均，得到去斑图像。

步骤(1)所述的“对输入的SAR图像的像素按点进行分类”，按如下步骤进行：

2a)根据点目标的检测模板，计算以像素点x_i，j为中心的11*11的窗口内16个方向模板中每个方向上的像素点的均值μ_i，i＝1，...16和窗口中心3*3邻域的灰度均值μ₀，令r=μ0/maxμii;]]>

2b)设门限值T_r，若r＞T_r，且该像素点灰度值大于窗口内其它像素点灰度值，则判断该像素点为点目标，T_r通常取经验值为1.3。

步骤(1)所述的“对输入的SAR图像的像素按线和边缘进行分类”，按如下步骤进行：