[发明专利]SAR干涉图小波降噪处理方法及其处理装置

说明书

本发明提供了一种SAR干涉图小波降噪处理方法，包括：确定SAR干涉图中的信号点和噪声点，构建噪点识别矩阵，仅对噪声点进行滤波降噪处理；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；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系数进行降噪处理；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SAR干涉图中的信号点，获取最终的降噪干涉图。本发明还提供了一种SAR干涉图小波降噪处理装置。该发明既能够有效降噪，又能够保持边缘细节信息。

技术领域

本发明涉及图像处理领域。更具体地说，本发明涉及一种SAR干涉图小波降噪处理方法及其处理装置。

背景技术

由于散射体与传感器之间距离不同，影响回波信号的相干性，使SAR(SyntheticAperture Radar，合成孔径雷达)成像产生相干斑噪声，这在一定程度上降低了SAR影像的质量，可导致SAR影像获取的地物特征存在失真现象。因此，对SAR影像进行滤波降噪，可提升SAR影像的判读能力，获取更加真实可靠的相位信息。

目前，SAR降噪技术主要有两类：一类是成像前的多视处理技术，一类是成像后的滤波处理技术。成像前的多视处理技术一般使用多视平均的方法，其原理是对返回信号的方位向或距离向降低处理器的带宽，再将信号频谱分割成若干部分，分别成像后进行强度简单叠加得到最终影像。该类方法达到了抑制噪声的目的，但在一定程度上影响了SAR影像的空间分辨率，且对相干斑噪声的滤除不是很完美。成像后的滤波处理技术又可分为两种：(1)空间域滤波方法，主要包括均值、中值和统计类滤波方法。该类方法基于影像像素间空间上的相关性对SAR影像的噪声进行去除，以达到降噪目的，应用较为广泛，但常会导致影像异质区域边缘模糊、纹理损失；(2)频率域滤波方法，主要包含离散小波变换和二维离散傅立叶变换下的低通、高通和高频滤波等方法。该类方法是将影像从空间域通过离散变换转换到频率域，在频率域进行降噪处理，再通过逆变换转回到空间域，从而实现降噪的目的。

小波变换属于典型的成像后滤波处理技术，其可以将时域和频域相结合来处理信号，克服了以往降噪方法的局限性，是目前成像后滤波处理研究的热点。小波变换最初的思想形成于20世纪初，法国的Morlet在1974年首次提出了小波变换的方法。1989年，Mallat将多尺度分析的思想引入到小波变换中，给出了构造正交小波基的一般方法和与FFT相对应的快速小波算法(Mallat算法)，并将分散在各应用领域中的小波成果统一在同一个理论框架下。1995年，斯坦福大学的Donoho团队提出了小波域阈值滤波算法，取得了大量理论及应用成果，为降噪研究奠定了坚实基础。在小波域阈值滤波中，阈值的选取尤为重要，会直接影响到最终的滤波结果。目前，确定阈值的方法有模极大值法、平移不变量法、硬阈值法、软阈值法和半软阈值法等。模极大值法降噪后信噪比较高，但算法复杂，难于在实际处理中广泛应用；平移不变量法可以处理不连续点，但计算速度较慢；硬阈值法效果较好，但存在伪Gibbs现象，导致视觉失真；软阈值法滤波结果相对平滑，但会造成边缘模糊等失真现象；半软阈值法提高了信噪比，降噪效果得到了明显的提升，但需要确定两个阈值，增加了不可靠性。相关研究表明，阈值过大会造成有用信息的丢失，阈值过小会造成噪声去除不彻底。