[发明专利]一种基于两参数加权的多时相SAR影像滤波算法

权利要求书

1.一种基于两参数加权的多时相SAR影像滤波算法，其特征在于，所述方法包括：

该多时相滤波算法要求对同一地区用SAR卫星进行多次独立成像；

基准影像的获取。选取SAR卫星在同一地区不同时刻拍摄的N景SAR影像，对N景SAR影像进行预处理后，选取合适的图像作为基准影像；

SAR影像配准。将N-1景SAR影像与基准影像进行配准处理，得到N景在同一坐标下的SAR影像；

将N景SAR影像分为16小块后一一对应，评价每个小图像块的等效视数和平均梯度两参数指标，构建权重图；

权重归一化，生成重建影像；

对重建影像进行非局部高斯加权中值滤波算法滤波，完成两参数加权的多时相SAR影像滤波。

2.根据权利要求1所述的一种基于两参数加权的多时相SAR影像滤波算法，其特征在于，所述配准包括以下步骤：

将所述参考影像与N-1景多时相影像进行匹配，得到同名点；

根据同名点，对N-1景多时相SAR影像进行仿射变换，得到N景配准后的多时相SAR影像；

基于参考影像，对仿射变换后的N景多时相SAR影像逐一取与参考影像重合的公共区域，得到N-1景影像，即重采；

将重采完的N景多时相SAR影像像元一一对应后取均值，得到均值影像。

3.根据权利要求1所述的一种基于两参数加权的多时相SAR影像滤波算法，其特征在于，所述两参数包括以下步骤：

平均梯度(AVG)就是一幅图像的梯度图上所有点的均值。它反映了图像中的微小细节反差和纹理变化特征，同时也能反映出图像的清晰度。一般来说平均梯度越大，图像层次也就越丰富，变化就越多，图像也就越清晰。所以我们可以把平均梯度当做影像模糊程度的评价标准，其数学表达式为：

其中，表示水平方向的梯度、垂直方向的梯度。M、N表示图像大小。

等效视数是衡量一副SAR图像斑点噪声相对强度的一种指标，等效视数越大，表明图像斑点越弱。其数学表达式为：

其中，μ表示影像局部区域的灰度均值，σ表示影像局部区域的标准差。

4.根据权利要求1所述的一种基于两参数加权的多时相SAR影像滤波算法，其特征在于，所述构建权重图包括以下步骤：

对N张影像处于同一位置的小图像块进行质量评价，其计算表达式为：

W_mm＝AVG*ENL；

其中，AVG代表每个小图像的平均梯度值，ENL代表每个小图像的等效视数，W_mn(m＝1,2,3……,n＝1,2,3……)代表每个小图像的客观评价值。

5.根据权利要求1所述的一种基于两参数加权的多时相SAR影像滤波算法，其特征在于，所述生成重建影像包括以下步骤：

首先，对各个小图像块进行权重归一化，其计算表达式为：

其中，ε为任一无穷小的常数，f(n)代表重建影像的第n个图像块，block11为第一张SAR影像的第1个小图像块，block21为第二张SAR影像的第1个小图像块，以此类推遍历完所有影像的所有图像块，完成SAR影像重建。

6.根据权利要求1所述的一种基于两参数加权的多时相SAR影像滤波算法，其特征在于，所述非局部高斯加权中值滤波算法滤波包括以下步骤：

表示以像元坐标x为中心的方形邻域的像元灰度值，表示以像元坐标y为中心的方形邻域像元灰度值，其表达式为：

其中，边长为f的方形邻域作为中心框与相似框，选取边长为t(ft)的方形邻域作为搜索框。

G_a代表高斯核函数。相似框内的每个像元均具有特定的权系数，权重w(x,y)取决于的边长为f的方形邻域局部结构相似度。本算法采用高斯加权欧氏距离代表相似性，邻域间高斯加权欧氏距离D(x，y)表示为：

a为平滑参数，决定了权值的大小，决定了影像的滤波程度。

用高斯核函数与灰度值进行卷积的同时考虑了邻域内每点与中心点的距离和灰度值对于局部相似性的影响，权重根据下式计算：

0≤w(x，y)≤1且满足∑_jw(x，y)＝1。Z(x)是归一化因子，h是控制函数衰减的常数。如果平滑参数太大，会导致影像中输入的每一个像素值接近所以该滤波器可以作为一个平均滤波器使用，而且滤波后影像的线条纹理特征不会被模糊掉。

遍历整幅影像，x处像元滤波后的值可通过如下方程式得到：

其中，含噪图像为u(x)，去噪后的图像为