[发明专利]一种结合极化分解向量统计分布的极化SAR图像滤波方法

权利要求书

1.一种结合极化分解向量统计分布的极化SAR图像滤波方法，其特征在于， 包括如下步骤：

步骤一：输入极化SAR数据的相干矩阵T；

步骤二：对相干矩阵T进行混合四分量分解，即HPD分解，每一个像素点分成 四种散射类型，即：表面散射ps，偶次散射pd，体散射pv和螺旋散射ph，每一个 像素点的散射特性用一个3×1向量表示，则像素点i的散射特性为： vec_i＝[ps_i,pd_i,pv_i+ph_i]；

步骤三：利用非局部技术，求得每一个像素点i和其邻域内其他像素点j的权值 w(i,j)；

步骤四：根据极化SAR数据的极化分解向量的分布特性，求得极化相似性的度 量公式及阈值，进而找到每一个像素点i在其邻域窗内的相似像素点，对权值进行修 改，得到最终的权值公式；

步骤五：利用最终的权值公式对每一个像素点进行估计，得到整个极化SAR图 像滤波后的相干矩阵

步骤六：利用Pauli分解方法将滤波后的相干矩阵合成伪彩图。

2.根据权利要求1所述的一种结合极化分解向量统计分布的极化SAR图像滤 波方法，其特征在于，所述步骤二包括如下步骤：

201：将相干矩阵T进行去定向处理，得到去定向后的相干矩阵T⁰，

T0=T110T120T130T210T220T230T310T320T330;]]>

202：根据相干矩阵T⁰可以得到HPD分解向量vec，

vec=[ps,pd,pv+ph]=[T110,T220,pv+ph];]]>

203：求解pv和ph，

当T330<T110+T220±2·Re(T120)]]>时：

pv=15/4(T330-|Im(T230)|)4·(T330-|Im(T230)|)|r|>2|r|≤2ph=2·|Im(T230)|]]>

其中，Re(·)和Im(·)分别表示复数的实部和虚部，r的定义为：

r=10×log(T110+T220-2·Re(T120)T110+T220+2·Re(T120))]]>

当T330≥T110+T220±2·Re(T120)]]>或者Pv＜0时：

pv=4·T330ph=0;]]>

204：结束目标分解算法，每个像素点i分解成一个3×1散射向量，标记为 vec_i＝[ps_i,pd_i,pv_i+ph_i]。