[发明专利]一种用于SAR干涉图滤波的非局部均值定权方法

权利要求书

1.一种用于SAR干涉图滤波的非局部均值定权方法，其特征在于步骤如下：

a获取一幅列数为w、行数为h的复数干涉图I0＝R0+J0×j，其中R0是复数干涉图I0的实部影像，J0是复数干涉图I0的虚部影像，j表示虚数单位；

b设置非局部均值信息提取的搜索窗口大小SN和匹配窗口大小M；

c计算非局部均值提取的噪声抑制参数hn；

d计算实部影像R0在搜索窗口SN内的中心像元和其它像元的相似性S_R；

e计算虚部影像J0在搜索窗口SN内的中心像元和其它像元的相似性S_J；

f基于实部影像R0和虚部影像J0的相似性，融合计算SAR复数干涉图I0在搜索窗口内的像元相似性并归一化，得到用于SAR干涉图滤波的非局部均值权重W。

2.根据权利要求1所述的一种用于SAR干涉图滤波的非局部均值定权方法，其特征在于所述步骤a中分离复数干涉图I0的实部影像R0和虚部影像J0的方法包括：

使用Python中模块numpy中的real函数获取分离复数干涉图的实部影像R0，使用imag函数分离复数干涉图的虚部影像J0；或者使用Matlab中的real函数获取分离复数干涉图的实部影像R0，使用imag函数分离复数干涉图的虚部影像J0。

3.根据权利要求1所述的一种用于SAR干涉图滤波的非局部均值定权方法，其特征在于：所述步骤b中搜索窗口SN∈N^*，匹配窗口M∈N^*，其中N^*表示正整数，通常SN和M为奇数且SNM。

4.根据权利要求1所述的一种用于SAR干涉图滤波的非局部均值定权方法，其特征在于：所述步骤c中噪声抑制参数hn利用公式：计算，式中σ是估计的图像噪声水平。

5.根据权利要求1所述的一种用于SAR干涉图滤波的非局部均值定权方法，其特征在于：所述步骤d中的中心像元在搜索窗口的中心，中心像元的位置表示为i，其它像元在搜索窗口内位置表示为x，S_R中表示位置i和x处像元相似性的S_R(i,x)计算公式为：其中V(i)表示实部影像R0的搜索窗口内中心像元位置i，窗口大小等于M的邻域内所有像元组成的向量，V(x)表示实部影像R0的搜索窗口内中心像元位置为x，窗口大小等于M的邻域内所有像元组成的向量，hn是噪声抑制参数，a＞0是高斯核的标准差，exp(·)表示以自然数e为底的指数计算符号。

6.根据权利要求1所述的一种用于SAR干涉图滤波的非局部均值定权方法，其特征在于：所述步骤e中的中心像元在搜索窗口的中心，中心像元的位置表示为i，其它像元在搜索窗口内位置表示为x，S_J中表示位置i和x处像元相似性的S_J(i,x)的计算公式为：其中V(i)表示虚部影像J0的搜索窗口内中心像元位置为i，窗口大小等于M的邻域内所有像元组成的向量，V(x)表示虚部影像J0的搜索窗口内中心像元位置为x，窗口大小等于M的邻域内所有像元组成的向量，hn是噪声抑制参数，a＞0是高斯核的标准差，exp(·)表示以自然数e为底的指数计算符号。

7.根据权利要求1所述的一种用于SAR干涉图滤波的非局部均值定权方法，其特征在于：所述步骤f中SAR干涉图的非局部权重W在搜索窗口内位置x处的权重值W(x)的计算公式为：其中S_R(i,x)是实部影像R0的搜索窗口内位置i和x处像元的相似性，其中S_J(i,x)是虚部影像J0的搜索窗口内位置i和x处像元的相似性，是归一化参数，Ω_x表示位置x处像元的搜索窗口内像元组成的邻域。

8.根据权利要求6所述的一种用于SAR干涉图滤波的非局部均值定权方法，其特征在于：利用非局部均值归一化权重W能够生成复数干涉图I0基于新的滤波后干涉图I0′；滤波后干涉图I0′在位置x处像元的实部值R0′(x)和虚部值J0′(x)的公式分别为：

其中，R(i)是实部影像中大小为SN的搜索窗口内位置i处的像元值，J(i)是虚部影像中大小为SN的搜索窗口内位置i处的像元值。