[发明专利]SAR干涉图小波降噪处理方法及其处理装置

权利要求书

1.SAR干涉图小波降噪处理方法，其特征在于，包括：

步骤一、确定SAR干涉图中的信号点和噪声点，构建噪点识别矩阵，以便于仅对噪声点进行滤波降噪处理；

步骤二、提取出含有噪声的干涉图数据，分解为实部和虚部，利用Biorthogonal小波基对实部和虚部分别进行小波分解，并采用白化检验的方式使小波分解的层数达到最优；

步骤三、利用改进的小波阈值函数和Birge-Massart惩罚函数自适应获取的分层阈值对小波分解后得到的小波系数进行处理，即对实部和虚部分别进行滤波降噪；

步骤四、对滤波降噪后的实部和虚部进行小波重构，获取滤波降噪后的干涉图，并结合步骤一中SAR干涉图中的信号点，获取最终的降噪干涉图；

其中，所述步骤三中，改进的小波阈值函数为:

其满足：

其中，为施加阈值改进后的小波系数，t为阈值，sgn(·)为符号函数。

2.如权利要求1所述的SAR干涉图小波降噪处理方法，其特征在于，对实部和虚部分别进行小波分解时采用的二维Mallat快速分解公式为：

其中，d为小波系数，c为尺度系数，V、H和D分别为垂直方向、水平方向和对角线方向，j为尺度，h(N)为低通滤波器系数，g(N)为高通滤波器系数，m、n为二维信号的序列，k＝2m+N，l＝2n+N，m,n,k,l∈Z；

对滤波降噪后的实部和虚部进行小波重构，采用的二维Mallat重构公式为：

3.如权利要求1所述的SAR干涉图小波降噪处理方法，其特征在于，所述步骤一具体包括：

计算SAR干涉图中的每一个点的相邻像素点的相位梯度；

判断相位梯度累计值是否为零；

若不为零，则将该点设为噪声点，反之，将该点设为信号点；

设置噪声点的值为1，信号点的值为0，构造元素为0/1的噪点识别矩阵。

4.如权利要求3所述的SAR干涉图小波降噪处理方法，其特征在于，SAR干涉图中每一个点(x，y)的相邻像素点的相位梯度计算方式为：

Δ₁＝p_x,y-p_x+1,y

Δ₂＝p_x+1,y-p_x+1,y+1

Δ₃＝p_x+1,y+1-p_x,y+1

Δ₄＝p_x,y+1-p_x,y

其中，p为对应像素值，相位梯度累计值

5.如权利要求2所述的SAR干涉图小波降噪处理方法，其特征在于，所述采用白化检验的方式使小波分解的层数达到最优的具体过程为：

S1、预设分解层数f为1；

S2、获取小波分解后的小波系数d_f,j；

S3、计算自相关性系数ρ_f，计算方式为：

其中，{d_u，u＝1,2,3,…,P}是将小波系数以序列的方式表示，{ρ_f，f＝1,2,……,Q}是自相关系数序列；

S4、判断ρ_f是否小于等于

S5、若小于等于，则f＝f+1，继续执行S2、S3和S4；

S6、若不小于等于，则确定最优分解层数f_best＝f-1。

6.如权利要求1所述的SAR干涉图小波降噪处理方法，其特征在于，所述Birge-Massart惩罚函数的表达式为：

crit(r)＝-sum(w(v)²,v≤r)+2sigma²r(ALPHA+log(M/r))；

thr＝|w(r*)|，

其中，w(v)为按照绝对值递减的顺序存储的小波系数，ALPHA为稀疏参数，M是小波系数的个数，r*为Birge-Massart惩罚函数的极小值，thr为分层阈值。