sar影像斑点噪声的抑制方法.docVIP

二、SAR影像斑点噪声的抑制方法1、均值滤波均值滤波器是采用滤波窗口内所有像素灰度值的平均值来代替中心像素的值，均值滤波器具有很好的噪声平滑能力，噪声标准差按窗口内像元数的均方根降低。然而，均值滤波器进行平滑时对噪声和边缘信息不加区分，从而导致边缘信息临近区域分辨率下降，为了减少这一问题，通常采用3×3或5×5的小滤波窗口。也正是由于它滤波时对噪声和信号不加以区分的特点，对非噪声像素即信号也进行了平滑，从而不可避免地导致了影像的整体模糊和分辨率下降。2、中值滤波? ? 中值滤波器是采用滤波窗口内所有像素的中值来代替中心像素的值，它能有效地孤立斑点噪声。然而，这种滤波器存在边缘模糊，消除细的线性特征以及目标形状扭曲等常见问题。经中值滤波滤波后的影像失真度较大，纹理等细节信息损失较严重。3、局部滤波? ? 局域滤波基于方位把活动窗口分为8块（北、南、东、西、西北、东北、西南及东南），对于每个区域，方差可由下式来计算：? ???该算法比较窗口中心点附近8个局域方差值，窗口中心点的值就被区域中具有最小方差区域像元的平均值所代替。方差平均值小的区域像元被认为受干涉的干扰小，这一点很像窗口中心点的像元，方差小的区域相对于周围的区域来说受干涉影响小。4、Lee滤波在缺乏信号x的精确模型的情况下，使用影像本身从3×3或其它的滤波窗口内的局域均值z和局域方差var(z)来估计信号的先验均值和方差。根据乘性噪声模型，信号x的先验均值和方差可以这样来估算：，? ?假设线性滤波器的形式为 ，这里 ， 。要注意的是必须确保var(x)为非负，如果为负则置var(x)为0，否则可能在影像上引入认为的噪声成分。这一滤波方法的直观解释是，在均匀区域var(x)=0，滤波后的像素值 （窗口内像素的平均值）；对于高反差区域（或边缘），var(x)较大， （像素本身的值）。该滤波器存在一个问题是边缘区域的噪声并没有被平滑。5、Sigma滤波Sigma滤波是基于高斯分布的Sigma概率，它通过对滤波窗口内落在中央像素的两个Sigma范围内的像素进行平均来滤除影像噪声。高斯分布的两个Sigma概率是0.955，即高斯分布随机样本的95.5%都落在其均值的两个标准偏差范围内。对于乘性噪声模型而言，两个Sigma范围是： .事先计算出所有灰度级（例如256个灰度级）的Sigma范围，并存储在数组中。对滤波窗口内的中央像素，从数组中提取出Sigma范围值，将窗口内像素与这些上下限进行比较，对落在上下限内的像素进行平均，并用平均值来替代中央像素的值。落在这两个Sigma范围之外的像素将被忽略。如果没有其它窗口像素落在两个Sigma范围内时，引入一个阈值KS，如果落在Sigma范围内的像素总数小于或等于KS时，就用中间像素的四个最近的相邻像素的平均值来替代。6、Frost滤波? ? Frost滤波器是特定大小窗口的像素值和指数脉冲响应m卷积的Wiener自适应滤波器：? ?其中K是滤波器参数， 代表中心像素的位置，|t|是距 的距离。这种响应是由目标反射率的自回归指数模型得到的。Frost滤波器采用的斑点噪声模型采用的形式如下： 。这里 是系统响应函数，“*”为卷积算子。尽管该算法适用于任何系统响应函数，但在通常的应用中，一般假定 为delta函数(例如假定 的功率谱密度在感兴趣的波段宽度上是不变的)。最小均方滤波器形式如下： 。这里t对应于空间域中像素之间的距离。选择脉冲函数m(t)，使下式最小： 。按照频率域中Wiener滤波器的推导，可以容易地找到上式的解： ，。衰减常数σ的大小取决于x，var(x)和a。在应用中，a取作一个常数，尽管它应当是与具体图像有关的。其他两个量则通过5×5窗口内像素的局域均值和方差来估计。7、Gamma MAP滤波对于多视SAR图像，通过假设影像概率密度函数pdf为Gamma分布，应用最大概率（MAP）滤除相干斑噪声，可得到Gamma MAP滤波器：其中，异质参数为 。图像的局域方差系数 。 和 分别表示滤波窗口内图像像素的标准差和均值，相干斑的局域方差系数 ， 时视数。值得注意的是，下式只适用于多视SAR图像，处理单视图像时会存在估计偏差，必须对下式作无偏修正。单视图像的无偏MAP估计为：8、基于小波分解的阈值滤波? ? 小波阈值主要有两种方法：一种是软阈值(Soft Thresholding)方法，就是将小于某一阈值的小波系数以0来代替，并将大于阈值的小波系数减去阈值作为新的小波系数的值；另一种是硬阈值(Haard Thresholding)方法，就是直接将小于阈值的小波系数用0代替，而大于阈值的值不做处理。软阈值去噪公式为：硬阈值去噪公式为：其中，软阈值的方法