SAR图像去噪方法研究论文

河南理工大学本科毕业论文I摘 要合成孔径雷达(SAR)图像的相干斑噪声严重降低了图像的可解译度，影响了后续目标检测、分类和识别等应用。SAR 图像的相干斑噪声是成像过程中出现的原理性缺陷。在过去的二十年里，国内外的诸多学者提出了大量抑制图像相干斑噪声的方法。其中大多数方法是利用一个定义好的滤波器窗口来估计相干斑图像局部噪声方差，然后在局部分别作滤波处理。结果表明这些方法在均匀的区域内能够大大削减相干斑噪声，而在非均匀区域内图像变得模糊或过于平滑而失去细节信息，降低了图像的空间分辨率，图像的解译性因此变差。理想的降噪方法是能在很好地保留边缘和细节信息的前提下抑制相干斑噪声。 本论文的研究内容：（1）首先介绍了 SAR 图像及其噪声的国内外研究动态，然后简述了 SAR 图像噪声的形成机理。（2）重点对 SAR 图像斑点噪声的抑制算法进行了研究，对经典斑点噪声抑制算法(卷积滤波中的中值滤波；还有基于统计估计理论的 Lee 滤波算法及其增强算法、Kuan 滤波算法、 Frost 滤波算法、小波滤波算法、均值滤波算法等 )进行了原理说明。（3）结合实例，将各种算法的处理结果进行了分析和比较，对其效果和优缺点进行了评价。关键词：合成孔径雷达；噪声抑制；效果评价河南理工大学本科毕业论文IIABSTRACTThe presence of speckle noise in the synthetic aperture radar (SAR)images。severely restricts the appl ication of the coherent imagesSpeckle noise is generated by the coherent processing of radar signalsDuring the past two decades，many speckle reduction techniques have been developed for removing ospeckleAn ideal algorithm should smooth the speckle without blurred edges and fine detailBut most algorithms cannot satisfy these two demands very wellThis paper the research content:(1) First introduced the SAR and the noise of the image research dynamic, then briefly introduced the formation mechanism of the SAR image noise.(2) Focus on studying the algorithm of image noise suppression of SAR spots, introduced the principle of the classic spots noise suppression algorithm ( the convolution filter median filtering, and based on the statistical estimation theory of filter algorithm and its enhancement algorithm Lee Kuan, filter algorithm, Frost filter algorithm, wavelet filter algorithm, average filtering algorithm, etc).(3) Combined with an example, all with the result of the algorithm is analyzed and compared, evaluated their effects, advantages and disadvantages.Keywords: SAR; Noise inhibition; Effect evaluation河南理工大学本科毕业论文III河南理工大学本科毕业论文IV目 录1 绪论 .11.1 SAR 图像噪声抑制研究背景及其意义 .11.2 SAR 图像纹斑噪声抑制的研究现状 .21.3 本论文的研究内容 .62 SAR 图像常用去噪方法介绍 .82.1 SAR 图像噪声产生机理 .82.2 传统的 SAR 图像去噪方法 .92.2.1 均值滤波 .92.2.2 中值滤波 .102.3 基于自适应滤波的 SAR 图像去噪方法 .102.3.1 Lee 滤波 .112.3.2 增强 Lee 滤波 .112.3.3 Kuan 滤波 .112.3.4 Frost 滤波 .112.3.5 增强 Frost 滤波器 .122.3.6 Sigma 滤波 .122.3.7 Gamma MAP 滤波 .132.3.8 Bit Erros 滤波 .132.4 其它的 SAR 图像去噪方法 .142.4.1 连续小波变换滤波 .142.4.2 离散小波变换滤波 .153 去噪实现与评价 .163.1 各种去噪方法的实现 .163.1.1SAR 图像数据介绍 .163.1.2 图像的滤波结果 .173.2 图像滤波效果评价 .233.2.1 相干斑噪声滤波算法的评价标准 .233.2.2 不同去噪方法的对比分析 .254 结论展望 .284.1 论文研究内容总结 .284.2 研究展望 .28致谢 .30河南理工大学本科毕业论文V参考文献 .31河南理工大学本科毕业论文11 绪论1.1 SAR 图像噪声抑制研究背景及其意义合成孔径雷达(Synthetic Aperture Radar，简称 SAR)是微波遥感的代表。由于合成孔径雷达工作在微波波段，而大气分子对电磁波的吸收基本上处于可见光红外波段(波长： 0.4pm14pm)，所以 SAR 不易受大气的影响，具有全天候的特性。再者，SAR 是主动遥感器，不依靠太阳辐射，可以昼夜工作，即具有全天时的特性。SAR 在地球科学遥感领域具有独特的对地观测优势，有着非常广泛的应用领域。从地形测量到大范围的陆地、海洋信息采集、全球范围的环境监测，从城市土地开发、绿地植被沙漠化的检测到江河湖海水位、浑浊状态测定，地质结构提取等等，特别在热带雨林气候地区及常年多云雾多雨的地区，而在这些地区具有全天时全天候成像能力的合成孔径雷达遥感技术往往具有独到的优势。SAR 图像在海洋冰探测、海洋环境监测、森林类型分类、地质矿产研究、农作物生长监测等方面都获得了广泛应用 。1-3由于 SAR 发射相干电磁波，因此各理想点目标回波是相互干涉的。相干电磁波照射实际目标时，其散射回来的总回波并不完全由地物目标的散射系数决定，而是围绕这些散射系数值有很大的随机起伏，这种起伏在图像上的反应就是相干斑噪声，也就是说，这种起伏将会使具有均匀散射系数目标的 SAR 图像并不具有均匀灰度，而会出现许多斑点。斑点噪声的存在使图像的信噪比下降，明显降低了图像的辐射分辨率，隐藏图像的精细结构。随着科学技术的飞速发展，要求 SAR 提供更高分辨率和更清晰的 SAR 图像。由于相干斑严重影响了 SAR 图像的质量，不利于 SAR 图像的解译和各种应用，所以抑制相干斑噪声成为了 SAR 图像处理中的一个重要部分，并且相干斑噪声抑制的好坏将直接影响到对雷达图像定量分析和应用的精度，同时也影响了进一步的图像分割、边缘检测等图像处理效果。随着大量 SAR 图像数据的获得，如何有效地抑制相干斑噪声成为 SAR 图像应用研究的难点和热点。SAR 图像中的斑点噪声往往和信号交织在一起，为获得高质量的 SAR 图像，对SAR 图像去噪的要求是首先必须对相干斑噪声进行有效的抑制，同时还应该保持 SAR图像的分辨率以及尽可能的保留图像的边缘纹理和点目标等细节特征。不过这两方面好的效果难以兼得，图像平滑过程总是要付出一定的细节模糊代价，而且如果抑制相干斑时平滑不当，会导致图像本身的细节如边界轮廓、线条等变得模糊不清，从而使图像降质。因此 SAR 图像的相干斑抑制算法一般是在相干斑去除(辐射分辨率)与细节保留( 空间分辨率) 之间做的折衷，如何综合这两个方面较好效果是 SAR 图像相干斑去噪研究的主要内容。消除 SAR 斑点噪声对 SAR 图象的有效应用有着十分重要的意义，一直是 SAR 成像河南理工大学本科毕业论文2技术的重要研究课题之一。因此，对 SAR 图像斑点噪声的研究意义重大。 1.2 SAR 图像纹斑噪声抑制的研究现状纹斑以及类似现象的研究最早可以追溯到 19 世纪的物理和工程类的研究工作。一个理想的纹斑噪声抑制滤波器应该是这样的：在图像的均匀区域应尽可能地抑制纹斑噪声，同时，还能很好地保持图像的细节特性(空间分辨率，比如边缘，线，强点目标等结构特征) ，或者说不破坏图像的分辨率；另外还要避免虚假目标的出现 。然而实5际的滤波器总是无法达到理想的效果，降低纹斑和保持图像的分辨率是所有纹斑滤波算法中的主要矛盾，如何达到这两方面的平衡也是衡量一个算法性能优劣的关键。由于纹斑噪声的乘积特性，直接采用一些经典的噪声滤波器如维纳滤波器，卡尔曼滤波器等，其纹斑滤波效果性能是无法令人满意。对 SAR 图像相干斑噪声滤波技术，国内外的研究已经非常广泛而深入。在早期的SAR 成像处理中，大多采用多视处理技术，在距离或方位维上分割成三个独立部分，每一部分用来产生较低分辨率的单视图像，然后把三个单视图像对应的像素非相干地迭加后平均，就得到多视 SAR 图像。多视处理另外一个有利的情况是，对强度进行平均处理不仅保留携带的信息，而且处理后的结果容易进行统计分析 。此过程可平滑46，掉相干斑点噪声，但是却以牺牲空间分辨率为代价。例如对三视 SAR 图像来讲，可以获取 倍的噪声抑制，同时却要使空间分辨率降低三倍。虽然该过程是在成像处理中L完成，从而可以获得成像数据处理率的下降，但随着 SAR 图像应用的不断扩展，对其空间分辨率的要求不断提高，多视处理技术已经不能满足高分辨率的要求。因此，成像后的滤波技术成为 SAR 图像相干斑噪声抑制技术发展的主流。绝大多数的纹斑抑制算法是在成像处理之后进行的。早期的方法是基于傅立叶变换，将图像转换到频域进行滤波处理 。进一步的工作则将 Kalman 滤波和 Bayesian7-9估计算法扩展二维的图像域 ，提出了相应的递归算法(reeursive algorithm)。在这两10-2种情况下，都需要建立信号的统计模型 。事实上，不可能由单一的统计模型来描述13自然地物( 雷达反向散射) 的随机特性。虽然不可能提出一个简单的统计模型来刻化全局图像的统计特性，幸运的是可以估计图像的局部统计参数，以此为基础，提出了基于局域统计参数的自适应滤波器。这一类型的滤波器在近 20 几年发展比较成熟，应用也较为广泛，基本上又可以分成两种类型：一是以图像的局域统计特性(均值和方差等)为依据的自适应滤波算法；二是以图像的统计分布(概率密度函数：pdf)为依据的自适应滤波算法。上世纪八十年代以来，出现了许多基于 Bayes 估计准则的空间域统计滤波技术，其中空间自适应滤波器得到了较大程度上的发展，也产生了多种经典的滤波器：基于最小均方误差准则(MMSE)的有 Lee 滤波器 、Frost 滤波器 以及 Kuan 滤波器 、141516基于 MAP 准则的有 Gaussia MAP 滤波器 以及 Gamma MAP 滤波器 。Lee 提出了7 18一系列利用像素样本均值和方差的自适应滤波器，Lee 滤波器的提出产生了较深远的影河南理工大学本科毕业论文3响，在该滤波器提出以后，有不少人对其进行了修正或受该算法的启发而提出了一些新的滤波算法。Lee 等还提出了 sigma 滤波器，该滤波器是基于高斯分布的 sigma 概率，在滤除噪声时仅对滤波窗口内中心像素的两个 sigma 范围内的像素进行平均。smith提出了两种修正形式的 sigma 滤波器，能较好地保持边缘和线性特征。Frost 等提出19了一个空间自适应滤波器，像 Lee 局部统计参数滤波器一样，Frost 滤波器也是基于局域统计参数和乘性噪声模型的，它对边缘区域进行较少的平滑以保持边缘结构。之后，Lopes 提出了改进的 Lee 滤波器和 Frost 滤波器，把一个图像分为三类区域：第一类是均匀区域，其中的斑点噪声用低通滤波平滑掉；第二类是不均匀区域，除噪时应保留纹理信息：第三类是包含孤立点目标的区域，滤波器应尽可能的保留观察值。Kuan 滤波器是在 MMSE 准则上加了线性约束后得到的，是将加性噪声模型扩展到乘性噪声模型上的结果，在图像的局部均值和观测值之间作权衡，权重因子自适应于地表纹理信号的空间统计变化。Balardi 等提出的 Gamma MAP 滤波器，同时考虑了斑点噪声的特点和地物目标散射特性的统计规律，在平滑斑点噪声的同时能很好地保持图像纹理，在 Gamma MAP 滤波器基础上经修正得到的无偏 Gamma MAP 方法适用于单视图像，对其改进，还加入了 Touzi 的比值边缘和线条检测算子，以及点目标检测方法，改进后的滤波器对图像边缘、线条和点目标的保持能力有了明显提高。在这之后，空间自适应的滤波方法得到进一步发展，主要的改进在于用尺度和形状可变的局域窗代替原来固定尺度和形状的局域窗，增加了滤波处理对图像中的有用细节成分变成加性噪声以满足小波阈值皱缩方法的假设，但 指出这种方法的滤20文 献波效果并没有空间域滤波效果好。 和 分别将 MAP 准则和 MMSE 准则引21文 献 2文 献入到小波域中，取得了比小波阈值皱缩方法更好的滤波效果，标志着基于小波分析的SAR 图像滤波处理技术已经达到一个更高的水平。比较常见的有采用二值决策方法修正小波系数的小波域阈值法和根据概率分布来确定对小波系数进行不同程度的修正的小波域贝叶斯估计算法。更加精确复杂的贝叶斯估计方法使用高斯混合模型，并且考虑了小波系数的空间变化性和内在相关性，隐马尔可夫树模型或者马尔可夫随机场前验模型得到应用。从对边缘的保护程度上讲，这方面的一些滤波器有 wilhelm 等的保边缘最优斑点噪声滤波技术(EPOS 滤波器)，通过噪声方差的知识，区分均匀区域和含有边缘或单散射点的区域，提出了一种变大小滤波矩阵，找到每个像素点的最大均匀区域，在此区域作平均，则达到最优滤波并能保证边缘不变模糊：MHR 滤波器等等，它们的滤波效果都比以前的一些方法有所提高。最近，一些基于空间统计模型的滤波方法被提出，并显示了极其优异的滤波性能，例如采用 Gaussian MRF 模型的 EMBD 滤波器，这些方法通常都采用了比较复杂的统计模型，因此也大大增加了算法的计算量。上世纪九十年代以后，小波变换以及多分辨率分析方法也被引入到 SAR 图像滤波处理之中。最开始的研究是直接在 Donoho 等人提出的小波阈值皱缩方法基础之上的，通过一个对数变换将乘性的相干斑噪声。河南理工大学本科毕业论文4虽然 Lee 滤波、 Kuan 滤波和 Frost 滤波在去除纹斑的同时在一定程度上保持了图像的细节信息，但去除纹斑后的图像的对比度仍然降低了，也就是边缘被模糊了。因此，在这些原始经典算法的基础之上，又发展了许多相应改进和增强型的算法，比如Lopes 等人中根据局域方差系数来度量 SAR 图像局域均匀度，进而提出改进的 Lee 算法、Frost 算法和 Kuan 算法等。实际上，基于局域统计的自适应滤波器面临的一个主要问题是估计滤波参数(例如局域窗口均值、方差或者方差系数)。滑动的窗口大小应该尽可能的大以便获得更多的采样数据以得到更可靠的统计参数，但同时窗口又应该尽可能的小，以满足平稳条件和达到更好地保持场景的边缘、线和点目标等图像结构特征的目的。很明显，这两个目标是矛盾的，不可能同时完成。为了能够有效地估计统计参数，又要尽可能地保证不破坏图像的细节，在许多文献中提出了一些自适应窗的滤波算法。自适应窗滤波算法的基本思想就是利用某一度量因子(比如方差系数)来衡量图像区域的均匀度，如果区域均匀度越高，那么采用越大的局域窗，反之选择更小的窗尺寸。另外一种类似的方法就是基于最大同质区域的 SAR 图像纹斑滤波方法(SSMHR)，SSMHR 是一种通过检测局域方差的大小来探测固定的 8 种形状同质区域的方法，这种方法采用了 8 种形状并且简化了边缘。SAR 图像的同质区域可能有各种各样的形状，因此，近似的同质区域和简化的边缘使得这个方法增强斜坡型边缘，模糊屋脊状边缘。以 SAR 图像统计分布为依据的滤波算法是以 Bayes 准则为基础来进行滤波估计，如果具备了 pdf(概率密度函数)的先验知识，那么最大后验概率(MAP)估计便是其最佳估计，其中尤以 Gamma MAP 滤波算法为其中代表，它假设一幅功率 SAR 图像其地面目标雷达散射特性和纹斑噪声都服从 Gamma 分布，那么其滤波器的输出是局域均值，图像视数和异质参数的函数。同样，为了提高 Gamma MAP 滤波器的性能，也把自适应窗口的思想引入到其中，提出了相应的改进算法。在纹斑滤波过程中，为了更好地保持图像的结构细节，提出了基于结构检测的统计自适应滤波算法，将边缘、线及强点检测等融入原有的滤波算法中。这个方法使用一个大的窗口，然后在检测窗口内的边缘、点目标和线等结构特征，之后将图像分为同质区域、边缘区域和点目标，最后根据不同的类型区域采用不同的纹斑滤波策略。对同质区域或有纹理的区域使用正方形滤波窗口，采用均值滤波策略；对边缘区域在子窗内滤波，采用自适应滤波；如果是孤立的点目标，则保持图像的原始值。在 1990 年，Perona 和 Malik 提出了著名的各向异性扩散模型，该模型为图像处理领域又提供了一个新的研究方向。针对以上那些常见空间滤波器，如Lee、Kuan、Gamma MAP 等的一些缺点，出现一类基于各向异性扩散方程的 SAR 图像斑噪声抑制的算法。这种方法在平滑过程中是沿着图像边缘的方向进行的，同时在垂直边缘的方向抑制滤波。YongjianYu 等在他们的 SRAD 算法中提到，基于最小均方误差的自适应滤波器 Lee 和 Frost 滤波器都可以表示为各向同性扩散的偏微分方程形式，河南理工大学本科毕业论文5而且修改后可以得到各向异性扩散方程，这就把偏微分方程和自适应滤波器联系起来，改善了滤波性能。此外还有一些纹斑抑制算法，比如数学形态学滤波方法，非线性秩滤波器以及基于几何分析的几何滤波法。把图像的平面坐标加上灰度值考虑为一种三维模型，用形态学方法去除噪声。近十几年来，随着小波(wavelet)在信号处理等领域内得到越来越多的重视，取得越来越大的成就，小波作为一种强大而有效的非平稳信号和图像处理工具 ，也被引入23到了 SAR 图像纹斑抑制的应用中，出现了越来越多的基于小波的纹斑抑制算法。基于小波的纹斑抑制算法，是将 SAR 图像通过小波变换，转换至小波域，由以往的在空间域对图像像素的处理转换为在小波域中对小波系数的处理，然后再通过小波逆变换，得到最终的滤波图像。Donoho 提出的基于小波变换的软阈值法，它通过取阈值的方法来压缩受干扰的小波变换系数，噪声在一定程度上被抑制，图像边缘的信息很少丢失，且无伪边缘产生 。Simard 等人分