[发明专利]融入PCA的非局部均值的极化SAR数据相干斑抑制方法

摘要

本发明公开了一种基于融入PCA的非局部均值的极化SAR数据相干斑噪声抑制的方法，主要解决现有极化SAR滤波方法不能很好的滤除同质区域的相干斑噪声和不能有效保持边缘细节信息的问题。其实现过程为：(1)输入极化SAR数据的相干矩阵T；(2)对相干矩阵T进行亮目标保持；(3)使用PCA的方法求得span数据的特征向量；(4)对相干矩阵T的元素进行非局部均值滤波，滤波权值由span数据的特征向量计算所得；(5)通过Pauli向量方法将滤波后的相干矩阵T生成伪彩图。本发明与现有技术相比显著提高了极化SAR数据的相干斑噪声抑制的能力，能够有效的平滑同质区域和保持边缘细节信息，可用于极化SAR数据的预处理过程。

主权项

1.一种融入PCA的非局部均值的极化SAR数据的相干斑抑制方法，包括如下步骤：(1)将一组极化SAR数据表示为含有9个元素的3×3相干矩阵T，并使用T矩阵中的元素T11和T22对T矩阵进行亮目标检测和保留；(2)取T矩阵的元素T11、T22和T33获得span数据，其中span＝T11+T22+T33，使用主成分分析方法PCA求出span数据中最大的d个特征向量w₁～w_d，d取6；(3)对相干矩阵T各元素的非亮目标像素进行如下基于融入PCA的非局部均值滤波：3a)对T矩阵的任意元素取一个待滤波像素点x，以x为中心确定7×7的局部邻域Φ和21×21的搜索窗Ω，对待滤波像素点x的局部邻域Φ进行对数变换，将对数变换后的局部邻域拉伸成49×1的待滤波向量Lx；3b)在搜索窗内取一像素y，取y的7×7的局部邻域Ψ，对该局部邻域Ψ先进行对数变换，再将其拉伸成49×1的搜索窗向量Ly；3c)用span数据的d个最大的特征向量w₁～w_d与待滤波向量Lx进行内积，得到待滤波内积结果fx(m，1)，再用span数据的d个最大的特征向量w₁～w_d与搜索窗向量Ly进行内积得到搜索窗内积结果fy(m，1)，m为1～d的整数；3d)计算待滤波像素x与搜索窗内像素y的相似度d(x，y)：d(x,y)Σm=1d[fx(m,1)-fy(m,1)]2]]>3e)根据相似度d(x，y)计算搜索窗内像素y与待滤波像素x的滤波权值w(x，y)：w(x,y)=e(-d(x,y)h2)]]>其中h为一个滤波参数，这里h取5倍的噪声标准差；3f)逐个扫描搜索窗内的像素，重复执行步骤3b)-3e)，得到最终待滤波像素x的滤波结果z^(x)=1C(x)Σy∈Ωw(x,y)z(y)]]>其中C(x)为归一化函数，表示为z(y)为搜索窗Ω内像素y的值；3g)对T矩阵元素的逐个像素进行上述3a)-3f)的步骤，完成T矩阵所有元素的滤波；(4)用Pauli向量法将滤波后的相干矩阵T合成伪彩图。