[发明专利]一种用于城市区域合成孔径雷达图像的噪声抑制方法

说明书

技术领域

本发明涉及一种合成孔径雷达图像噪声抑制方法，特别地涉及一种用于城市区域合成孔径雷达图像的噪声抑制方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar，简称SAR)全天候、全天时工作的特点，使合成孔径雷达遥感在固体地球科学、生态科学、水文科学和海洋科学等领域正发挥着越来越重要的作用，特别是近年来随着城市化进程的加快，合成孔径雷达凭借其成像优势在遥感应用中占有越来越重要的地位。但SAR图像特有的相干斑特别是城市区域相干斑噪声一直困扰着SAR图像的处理和解译等。

在过去的几十年中提出了许多SAR图像斑点噪声抑制方法，大致可分为两类：成像前的多视处理技术和成像后的处理技术。但多视处理为了提高辐射分辨率，忽略了不同的信息，如雷达散射截面随观测角的变化或者空间变化的影响，且图像的分辨率都会降低。成像后的处理技术SAR图像斑点噪声抑制方法，以空间域滤波技术为基础的相干斑抑制算法为主流，基于最大后验概率(Maximum a posteriori，简称MAP)，噪声在一定程度上被抑制，图像边缘的信息很少丢失，且无伪边缘产生，但此方法不适合于不同性质SAR图像区域(均匀区、非均匀区和孤立点)。

近年来采用更精确的Alpha-Stable分布模型代替传统的分布模型模拟SAR图像分布，以最大后验估计准则，应用于SAR图像斑点噪声领域取得显著效果。

发明内容

为了克服现有技术中的不足，本发明提供一种用于城市区域合成孔径雷达图像的噪声抑制方法，采用拟合程度更高的Alpha-Stable分布模型代替传统的统计分布模型，在处理城区SAR图像时，与几种常用的SAR图像滤波算法相比，在相干斑抑制和细节信息保持等方面具有明显的优势。

为了达到上述发明目的，解决其技术问题所采用的技术方案如下：

一种用于城市区域合成孔径雷达图像的噪声抑制方法，包括以下步骤：

步骤S1：对SAR图像实部/虚部数据上滑动窗口内的样本数据估计Alpha-Stable分布参数，记录所有滑动窗口的参数α_i,j、γ_i,j，其中，参数α和γ的下标i、j表示滑动窗口的行、列数；

步骤S2：对SAR图像幅度数据进行对数变换，在对数变换后的图像上划分各对应于实部/虚部的滑动窗口，计算各对应滑动窗口内的Alpha-Stable分布表达式：

其中，随机变量X服从阿尔法稳定分布的概率密度函数，X为SAR图像实部/虚部幅度值的自然对数，u∈[0,∞)，参数α∈(0,2]，决定该分布脉冲特性的程度，参数γ为分散系数，J₀(x)为第一类0阶贝赛尔函数；

和噪声分布表达式：

其中，随机变量N服从Nakagami分布的概率密度函数，N为SAR图像幅度值对数变换后加性斑点噪声，L是SAR图像的视数，Γ(F)是一个均值为1、方差为的具有Γ分布的的概率密度函数，F为SAR图像幅度值的乘性噪声幅度；

步骤S3：根据贝叶斯公式推出

并由最大后验概率准则：

即在X动态范围内使P_X(X)*P_N(N)值最大的X_i作为滑动窗口中心象素的值；

步骤S4：将所有经最大后验估计后的滑动窗口中心象素值，作指数变换得到滤波后幅度影像。

进一步的，所述步骤S1进一步包括如下子步骤：

步骤S1.1：采用滑动窗口，在图像各局部选取样本，按R²＝σ²/u²计算每一局部样本的相对标准差，其中，R、σ、u分别为SAR图像幅度值局部样本的相对标准差、标准方差、均值，构成相对标准差的直方图，并假设图像的相对标准差服从χ²分布；

步骤S1.2：根据所得的图像相对标准差直方图，估计χ²分布的参数，计算在所有的自由度f下的相对标准差的值R(f)；

步骤S1.3：采用滤波窗口邻域划分进行窗口中围绕中心像素的最大均匀区的搜索，即计算每个邻域的相对标准差Ci，剔除Ci>R(f)的邻域，余下的部分就是窗口内最大的均匀区，如果没有一个邻域使Ci≤R(f)，则缩小窗口尺寸，重新进行邻域划分和最大均匀区的搜索；