[发明专利]基于非线性多项式滤波的SAR图像旁瓣抑制方法

说明书

本发明公开了一种基于非线性多项式滤波的SAR图像旁瓣抑制方法，解决了SVA算法不能很好抑制旁瓣效应的问题。实现步骤包括：输入待处理SAR图像；得到样本点复数数值；分别算出实部和虚部的权重函数；以权重函数与其上下限比较建立样本点的非线性多项式滤波输出数学模型；样本点逐个逐行后移，计算出所有点的输出值；回到初始样本点逐个逐列后移，计算出所有点的输出值；对处理后的数据进行成像，得到旁瓣抑制后的SAR图像。本发明扩宽了样本点影响范围，设置适当的权重系数，更好抑制了SAR图像的旁瓣效应，提高权重函数上限，减弱了SAR图像的噪声和非系统误差，减小权重函数下限，使得主瓣宽度减小，图像分辨率提高。

技术领域

本发明属于SAR图像处理技术领域，特别涉及SAR图像旁瓣抑制，具体是一种基于非线性多项式滤波的高分辨率SAR图像旁瓣抑制的方法，可应用于SAR图像处理中非线性旁瓣抑制领域。

技术背景

旁瓣是最大辐射波即主瓣旁边的小波束，在SAR图像中表现为一些发亮的十字交叉点。SAR图像中的弱散射点可能会被周围的发亮十字所遮蔽。若许多强散射点位于一个小场景中，他们也可能会相互影响而使整个图像模糊。因此，旁瓣抑制是提高SAR图像质量的关键步骤。

现有的旁瓣抑制方法主要分为以下两类：线性技术和非线性技术。线性技术指在频域SAR图像成像之前，使用汉明、汉宁或布莱克曼窗的线性权重来抑制旁瓣。但线性权重通常会使主瓣宽度变宽或图像分辨率变低。因此，对于抑制高分辨率图像中的旁瓣，线性技术是不够的。另一种非线性技术即空间变异变迹(SVA)算法，将不同的权重应用于图像域中的SAR图像的每个单独样本。每个权重函数由参考采样点和两个相邻采样点的值计算得到，并由三个样本的加权和得到输出，可获得较为满意的旁瓣抑制结果。后来提出的算法及其性能与SVA算法对比，SVA算法性能较为优秀，成为旁瓣抑制的基准。

空间变异变迹算法中的权重算法可以分为判决权重和一阶多项式权重。SAR图像由许多sinc函数组成。在场景中存在单个强目标或单个sinc函数时，判决权重可以完全抑制旁瓣，并且保留主瓣。在有多个强目标或多个sinc函数的场景中，常常通过一阶多项式函数的分解来抑制目标的旁瓣。基于余弦原理，频域中权重函数的上下限分别设置为0和1/2。

现有技术中，经过SVA算法处理后的SAR图像主瓣宽度会加宽从而造成分辨率下降，SVA算法也无法减弱SAR图像原本的噪声或非系统误差，并且在多sinc函数情况下并不能很好地抑制旁瓣，使得SAR图像中发光十字不能得到有效减少，导致SAR图像中被发光十字遮挡的区域仍然无法可见，图像质量没有得到有效地保障。

发明内容

本发明的目的在于针对上述已有技术的不足，提出了一种分辨率高，图像质量更好的基于非线性多项式滤波(NPF)的高分辨率SAR图像旁瓣抑制的方法。

本发明是一种基于非线性多项式滤波的高分辨率SAR图像旁瓣抑制的方法，其特征在于，包括有如下步骤：

(1)输入待处理的SAR图像：输入一幅有旁瓣效应的高分辨率SAR图像，得到该图的方位向点数为M、距离向点数为N；

(2)得到SAR图像样本点的数值：设g(m)是图像第一行M个点或第一列N个点中的第m个待处理的样本点的复数数值，并将其表示为g(m)＝I(m)+jQ(m)，其中I(m)和Q(m)分别是g(m)的实部和虚部，j为虚数单位；

(3)计算图像样本点实部的权重函数：设w(m)是实部的权重函数，根据样本点的实部I(m),由w(m)的计算公式得到权重函数w(m)；

(4)确定权重函数的上下限：χ_max为图像样本点权重函数w(m)的上限，χ_min为图像样本点权重函数w(m)的下限；