[发明专利]基于目标提取和SRAD算法的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，涉及SAR图像去斑，可应用于SAR图像目标识别和目标检测。

背景技术

合成孔径雷达SAR是一种高分辨率成像雷达，它具有全天候、多极化、多视角、多俯角数据获取能力及对一些地物的穿透能力，不仅广泛地被应用在军事上，在农业、气象、地形地貌、灾情监控等民用上也有大量的应用。但由于SAR发射的是相干波，这些相干波经过与地物的相干作用，特别是地物的后向散射作用，在目标回波信号产生了衰减，这种衰减表现在图像上就是斑点噪声。斑点噪声是乘性的、局部相关的，它的存在严重影响了SAR图像的质量，造成图像的判读解译和后续处理难度大，甚至导致获取的影像数据不能正确地反映地物特征。为了更好地应用SAR图像，对含有斑点噪声的SAR图像进行去除斑点的滤波处理显得尤为重要。

研究相干斑抑制技术的一个重要要求是，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率。因为二者都是SAR图像分析和应用的重要因素，所以需要在考虑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处理技术和成像后的滤波技术两类。在早期的SAR图像处理中，大体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。

空域滤波技术主要为统计类的去斑方法，一般先假定噪声的乘性模型，然后基于像素领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，而没有考虑像元周围的局部结构信息，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。频域滤波技术如小波方法则是通过对其系数进行阈值分析处理或者建立系数统计模型实现对SAR图像噪声的抑制，虽然能较好的保持边缘细节，但其平滑能力有限。

Perona和Malik等人于1990年提出了空域滤波的Perona-Malik，简称P-M模型，利用各向异性扩散方程计算各个方向上的扩散系数，在去除噪声的同时很好地保持了细节特征。但P-M模型是针对加性噪声建立的，对于抑制乘性的斑点噪声效果并不太好，甚至会出现噪声增强的现象。Yongjian Yu等人在分析P-M模型的基础上，于2002年提出了针对斑点噪声的各向异性扩散算法，即Speckle Reduction Anisotropic Diffusion，简称SRAD；SRAD算法具有较好的去噪效果，并由保持边缘的能力，但SRAD算法对SAR图像的区域划分过于简单，有可能损失一些细节，比如造成强边缘和孤立边缘的损失。

发明内容

本发明的目的在于针对上述已有问题的缺点，提出了一种基于目标提取和SRAD算法的SAR图像去斑方法，以充分滤除SAR图像同质区域的斑点噪声，同时比较完整的保留SAR图像的细节和边缘信息。

实现本发明目的的技术思路是先将SAR图像中的如点目标﹑线目标和纹理信息等的目标图像从输入的图像中提取出来，再对余下部分进行强度较大的去斑处理，最后再将原图像中提取出的目标图像加入去斑结果中，从而得到滤除斑点噪声﹑保留细节的SAR图像。其具体实现步骤包括如下：

(1)对输入的SAR图像A进行细节和边缘的目标图像提取，得到提取出的目标图像T；

(2)将提取出的目标图像T从输入的SAR图像A中移除，得到移除目标图像后的SAR图像B；

(3)计算移除目标图像后的SAR图像B的SRAD算法最佳迭代次数a：

3a)设置SRAD算法的迭代初始值s(0)，迭代步长step=100，实验次数t=20，计算每次实验的SRAD滤波迭代次数：s(i)=s(0)+i×step，i=1,2,…,t；

3b)分别使用迭代次数s(i)，i=1,2,…,t；对移除目标图像后的SAR图像B进行SRAD滤波,得到滤波处理结果图像组C(i),i=1,2,…,t；

3c)分别计算不同迭代次数的SRAD滤波结果图像组C(i)的等效视数数组H(i)和边缘保持程度数组I(i)：