技术领域
本发明涉及一种非局部均值定权方法,尤其适用于图像处理领域中使用的一种用于SAR干涉图滤波的非局部均值定权方法。
背景技术
滤波属于图像处理领域,是指将图像信号中特定波段频率滤除的操作,是抑制和防止噪声干扰的一种重要技术,在图像分类、多时相影像变化检测、图像超分辨率重建、目标识别等图像处理领域得到广泛的应用。图像滤波器按照移除和保留的信息不同可以分为高通滤波器、低通滤波器和带通滤波器。需要滤波的图像既可以是实数域图像也可以是复数域图像。
SAR干涉测量技术利用干涉相位信息精确测量地表目标的数字高程模型以及雷达视线向的微小形变。由于SAR传感器获取数据不受天气影响,因此能够实现全天时、全天候对地连续观测,这就使得SAR干涉测量技术在山体滑坡、沉降监测、地震形变等诸多领域有着广泛的应用。但受到时空去相干、热噪声去相干等影响,导致从实际影像得到的复数干涉图中存在大量相位噪声,在形变信息提取和数字高程模型生成之前需要通过滤波抑制复数干涉图中的噪声。
均值信息是干涉图滤波中常用的一种关键邻域信息。与传统的局部均值信息相比,非局部均值考虑了搜索窗口内不同像元的相似性,提取的均值信息更加合理。然而,SAR干涉图是复数影像,非局部均值方法是为实数域影像滤波而提出的,把非局部均值中权重确定方法由实数域简单的扩展到复数域没有考虑复数影像实部和虚部之间的关联性和差异性,在干涉图滤波中效果不好,进而影响了形变信息提取的可靠性和数字高程模型的生成精度。
发明内容
本发明的目的在于针对上述已有技术的问题,提供一种步骤简单、定权合理、滤波效果好的用于SAR干涉图滤波的非局部均值定权方法。
为实现上述目的,本发明的一种用于SAR干涉图滤波的非局部均值定权方法,其步骤如下:
a获取一幅列数为w、行数为h的复数干涉图I0=R0+J0×j,其中R0是复数干涉图I0的实部影像,J0是复数干涉图I0的虚部影像,j表示虚数单位;
b设置非局部均值信息提取的搜索窗口大小SN和匹配窗口大小M;
c计算非局部均值提取的噪声抑制参数hn;
d计算实部影像R0在搜索窗口SN内的中心像元和其它像元的相似性S
e计算虚部影像J0在搜索窗口SN内的中心像元和其它像元的相似性S
f基于实部影像R0和虚部影像J0的相似性,融合计算SAR复数干涉图I0在搜索窗口内的像元相似性并归一化,得到用于SAR干涉图滤波的非局部均值权重W。
所述步骤a中分离复数干涉图I0的实部影像R0和虚部影像J0的方法包括:
使用Python中模块numpy中的real函数获取分离复数干涉图的实部影像R0,使用imag函数分离复数干涉图的虚部影像J0;或者使用Matlab中的real函数获取分离复数干涉图的实部影像R0,使用imag函数分离复数干涉图的虚部影像J0。
所述步骤b中搜索窗口SN∈N
所述步骤c中噪声抑制参数hn利用公式:
所述步骤d中的中心像元在搜索窗口的中心,中心像元的位置表示为i,其它像元在搜索窗口内位置表示为x,S
所述步骤e中的中心像元在搜索窗口的中心,中心像元的位置表示为i,其它像元在搜索窗口内位置表示为x,S
所述步骤f中SAR干涉图的非局部权重W在搜索窗口内位置x处的权重值W(x)的计算公式为:
利用非局部均值归一化权重W能够生成复数干涉图I0基于新的滤波后干涉图I0′;滤波后干涉图I0′在位置x处像元的实部值R0′(x)和虚部值J0′(x)的公式分别为:
其中,R(i)是实部影像中大小为SN的搜索窗口内位置i处的像元值,J(i)是虚部影像中大小为SN的搜索窗口内位置i处的像元值。
有益效果:本发明基于非局部均值提取理论,通过分析和利用复数干涉图实部影像和虚部影像之间的相关性,基于实部影像非局部像元相似性和虚部影像非局部像元相似性融合计算复数干涉图非局部权重,可以更好的表征复数干涉图非局部邻域内像元的相似性,权重值确定更合理,有效提高了SAR影像干涉图滤波结果的可靠性。
附图说明
图1是本发明用于SAR干涉图滤波的非局部均值定权方法的流程图;
图2是本发明实施例中含有噪声的需要滤波处理的复数干涉图I0;
图3是本发明实施例中用于和本发明方法进行比较的基于传统定权方法的非局部均值对含有噪声的复数干涉图I0进行滤波得到的干涉图;
图4是本发明实施例中采用本发明定权方法的非局部均值对含有噪声的复数干涉图I0进行滤波得到的干涉图。
具体实施方式
以下结合附图及实施例对本发明作进一步的详细描述:
如图1所示,本发明提供一种用于SAR干涉图滤波的非局部均值定权方法,包括如下步骤:
a获取一幅列数为w、行数为h的复数干涉图I0=R0+J0×j,其中R0是复数干涉图I0的实部影像,J0是复数干涉图I0的虚部影像,j表示虚数单位;
分离复数干涉图I0的实部影像R0和虚部影像J0的方法包括:
使用Python中模块numpy中的real函数获取分离复数干涉图的实部影像R0,使用imag函数分离复数干涉图的虚部影像J0;或者使用Matlab中的real函数获取分离复数干涉图的实部影像R0,使用imag函数分离复数干涉图的虚部影像J0;
b设置非局部均值信息提取的搜索窗口大小SN和匹配窗口大小M;搜索窗口SN∈N
c计算非局部均值提取的噪声抑制参数hn;噪声抑制参数hn利用公式:
d计算实部影像R0在搜索窗口SN内的中心像元和其它像元的相似性S
所述中心像元在搜索窗口的中心,中心像元的位置表示为i,其它像元在搜索窗口内位置表示为x,S
e计算虚部影像J0在搜索窗口SN内的中心像元和其它像元的相似性S
所述中心像元在搜索窗口的中心,中心像元的位置表示为i,其它像元在搜索窗口内位置表示为x,S
f基于实部影像R0和虚部影像J0的相似性,融合计算SAR复数干涉图I0在搜索窗口内的像元相似性并归一化,得到用于SAR干涉图滤波的非局部均值权重W,如图3所示;
SAR干涉图的非局部权重W在搜索窗口内位置x处的权重值W(x)的计算公式为:
利用非局部均值归一化权重W能够生成复数干涉图I0基于新的滤波后干涉图I0′;滤波后干涉图I0′在位置x处像元的实部值R0′(x)和虚部值J0′(x)的公式分别为:
其中,R(i)是实部影像中大小为SN的搜索窗口内位置i处的像元值,J(i)是虚部影像中大小为SN的搜索窗口内位置i处的像元值,如图4所示。
实施例一、
步骤a:获取一幅如图2所示的列数w=512、行数h=512的复数干涉图I0=R0+J0×j,其中R0是复数干涉图I0的实部,J0是复数干涉图I0的虚部,j表示虚数单位,使用Python中模块numpy中的real函数获取分离复数干涉图的实部R0,使用imag函数分离复数干涉图的虚部;
步骤b:根据经验设置非局部均值信息提取的搜索窗口大小SN=21和匹配窗口大小M=7;
步骤c:经验估计复数干涉图I0的噪声水平σ=1,采用公式
步骤d:针对SAR复数干涉图I0的实部影像R0,计算搜索窗口的中心像元和其它像元的相似性S
步骤e:计算SAR复数干涉图I0的虚部影像J0在搜索窗口内的中心像元和其它像元的相似性S
步骤f:基于实部影像R0和虚部影像J0的相似性,融合计算SAR复数干涉图I0在搜索窗口内的像元相似性并归一化,得到用于SAR干涉图滤波的非局部均值权重W,采用公式
机译: 从相同区域获取的SAR图像获取的干涉图的滤波方法
机译: 从相同区域获取的SAR图像获取的干涉图的滤波方法
机译: 用于图像去噪的多分辨率非局部均值滤波方法