結(jié)構(gòu)保持的雙邊濾波極化SAR圖像降噪

楊學(xué)志葉 銘吳克偉郎文輝鄭 鑫李國強(qiáng)

①(合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院 合肥 230009)

②(光電控制技術(shù)重點(diǎn)實(shí)驗(yàn)室 洛陽 471009)

結(jié)構(gòu)保持的雙邊濾波極化SAR圖像降噪

楊學(xué)志*①②葉 銘①吳克偉①郎文輝①鄭 鑫②李國強(qiáng)②

①(合肥工業(yè)大學(xué)計(jì)算機(jī)與信息學(xué)院 合肥 230009)

②(光電控制技術(shù)重點(diǎn)實(shí)驗(yàn)室 洛陽 471009)

針對極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar, PolSAR)圖像相干斑抑制時(shí)結(jié)構(gòu)保持的難題，該文提出一種PolSAR圖像的雙邊濾波算法：結(jié)構(gòu)保持的雙邊濾波(SPBF)。該算法通過結(jié)合邊緣結(jié)構(gòu)特征和地物散射特性，增強(qiáng)對PolSAR圖像結(jié)構(gòu)信息的描述，減少濾波時(shí)圖像結(jié)構(gòu)信息的損失，實(shí)現(xiàn)濾波性能的提高。該算法首先使用邊緣檢測模板在極化總功率圖像(Span)上提取邊緣方向，實(shí)現(xiàn)自適應(yīng)選擇濾波方向窗；其次，采用Freeman-Durden分解獲取像素的散射機(jī)制，并根據(jù)極化數(shù)據(jù)的統(tǒng)計(jì)分布特性獲取地物散射的聚類標(biāo)記；最終在所選的方向窗中，以聚類標(biāo)記圖為掩膜，利用改進(jìn)的雙邊濾波算法對PolSAR數(shù)據(jù)進(jìn)行相干斑抑制。真實(shí)SAR數(shù)據(jù)的實(shí)驗(yàn)結(jié)果表明，該方法能夠有效抑制相干斑噪聲，同時(shí)提高了對圖像的邊緣、強(qiáng)點(diǎn)目標(biāo)和極化散射特性的保持能力。關(guān)鍵詞：極化SAR；相干斑；雙邊濾波；散射機(jī)制；結(jié)構(gòu)保持

1 引言

極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar, PolSAR)是一種全天時(shí)、全天候、高分辨率的多維成像系統(tǒng)。相干斑是SAR成像系統(tǒng)固有缺陷所產(chǎn)生的一種類噪聲現(xiàn)象，它的存在嚴(yán)重影響了PolSAR圖像的準(zhǔn)確解譯及后續(xù)分割、分類[1,2]等處理，因此對PolSAR圖像進(jìn)行相干斑抑制具有重要的意義[3,4]。

早期的PolSAR相干斑抑制方法，主要關(guān)注極化信息的保持而忽略了結(jié)構(gòu)信息的保持[5]。多視處理是一種常用的PolSAR相干斑抑制方法，它對協(xié)方差矩陣中的每個(gè)元素進(jìn)行獨(dú)立處理[6]，保持了圖像的極化信息，但在濾波窗口內(nèi)對所有像素不加區(qū)分地進(jìn)行平均，損失了圖像的細(xì)節(jié)信息和空間分辨率。極化白化濾波[7,8]利用不同極化通道間的差異性進(jìn)行濾波，具有一定的相干斑抑制效果，然而該方法引入了通道串?dāng)_，丟失了極化信息?；谠肼暢诵阅Ｐ图僭O(shè)實(shí)現(xiàn)的Lee濾波[9,10]很好地保持了極化信息，但SAR數(shù)據(jù)反映的真實(shí)場景很難滿足是同質(zhì)區(qū)域這一條件，因而使得回波形成的相干斑噪聲不是全發(fā)展的[11]，在某些區(qū)域會(huì)平滑圖像的邊緣等信息。

PolSAR圖像的邊緣、紋理及點(diǎn)目標(biāo)等結(jié)構(gòu)信息是圖像內(nèi)容分析與理解的關(guān)鍵性因素，因此之后的相干斑抑制方法在保持極化信息的前提下，更加關(guān)注結(jié)構(gòu)信息的保持。改進(jìn)Lee(refined Lee)濾波[12]引入了邊緣結(jié)構(gòu)特征，減少了邊緣信息的損失?；谏⑸淠Ｐ?scattering-model-based)的濾波[13,14]方法利用像素的散射機(jī)制選擇同質(zhì)區(qū)域，較好地保持了強(qiáng)點(diǎn)目標(biāo)和像素的散射機(jī)制。這兩種方法雖然利用了圖像的邊緣結(jié)構(gòu)或者像素的散射機(jī)制，然而濾波時(shí)使用了基于噪聲模型實(shí)現(xiàn)的Lee濾波，因此在結(jié)構(gòu)信息的保持上仍然存在缺陷[15]。交叉迭代雙邊濾波(Cross BiLateral Filtering, CBLF)[16]和迭代雙邊濾波方法[17]這兩種新型的相干斑抑制算法在近兩年分別被提出，它們利用像素在空間域和極化域的相似性處理PolSAR數(shù)據(jù)，相比改進(jìn)的Lee和基于散射模型的濾波方法，能夠獲得較好的相干斑抑制效果和結(jié)構(gòu)信息的保持能力。但這兩種雙邊濾波方法都是在一個(gè)固定的矩形窗內(nèi)利用像素的差異性進(jìn)行濾波，對邊緣的描述和像素的散射機(jī)制的表示不足，導(dǎo)致對邊緣與點(diǎn)目標(biāo)等結(jié)構(gòu)的保持能力仍然較弱。

為了進(jìn)一步解決PolSAR圖像結(jié)構(gòu)信息保持的難題，提高對PolSAR圖像的邊緣及強(qiáng)點(diǎn)目標(biāo)的保持能力，本文提出一種結(jié)合邊緣結(jié)構(gòu)特征和地物散射特性的結(jié)構(gòu)保持的雙邊濾波算法(Structure Preserving Bilateral Filtering, SPBF)，修正了雙邊濾波描述PolSAR數(shù)據(jù)空間相似性和極化相似性的缺陷，提升了濾波性能。SPBF算法的主要優(yōu)勢為以下兩個(gè)方面：

(1)在極化總功率圖像(也稱Span圖像)上提取邊緣結(jié)構(gòu)特征，自適應(yīng)選擇方向窗，并加入地物散射特性，對邊緣的描述更加充分，因此相干斑抑制時(shí)能更好地保持邊緣信息。

(2)使用地物散射標(biāo)記圖在濾波窗內(nèi)選擇具有相同標(biāo)號(hào)的像素進(jìn)行濾波，強(qiáng)點(diǎn)目標(biāo)的保持效果更加突出。同時(shí)，由于加入了地物散射特性，濾波后極化散射特性的保持能力也得到了提高。

文章的結(jié)構(gòu)安排如下：第2節(jié)介紹PolSAR圖像的雙邊濾波降噪，第3節(jié)詳細(xì)介紹了結(jié)構(gòu)保持的雙邊濾波PolSAR圖像降噪，第4節(jié)給出實(shí)驗(yàn)結(jié)果與分析，最后對本文進(jìn)行了總結(jié)。

2 PolSAR圖像的雙邊濾波降噪

雙邊濾波(Bilateral Filtering, BF)是一種結(jié)合像素空間位置和像素灰度值相似性的一種空域?yàn)V波方法，在保持圖像邊緣的前提下，又有較好的噪聲抑制能力，因此在自然圖像和單極化SAR圖像濾波中得到了廣泛的應(yīng)用[18]。對于PolSAR數(shù)據(jù)，雙邊濾波考慮的是像素空間位置的相似性和極化域內(nèi)協(xié)方差矩陣的相似性[17]。令ws和wc分別表示空間域和極化域內(nèi)的權(quán)重值，則位置i處濾波后的協(xié)方差矩陣的表達(dá)式為

其中

d(Ci,Cj)是極化域內(nèi)兩個(gè)協(xié)方差矩陣間距離，描述了兩個(gè)協(xié)方差矩陣的相似性。在文獻(xiàn)[17]中d(Ci,Cj)采用3種不同的距離準(zhǔn)則來描述，該文在進(jìn)行實(shí)驗(yàn)時(shí)，僅使用其中的Kullback-Leibler (KL)距離來表示d(Ci,Cj)，即基于KL距離的雙邊濾波(KLBF)。CBLF中d(Ci,Cj)采用修正后的Wishart分布距離準(zhǔn)則來表示[2,16]。這兩種方法都能獲得比較好的濾波效果，但缺陷在于這兩種方法都是在固定的矩形窗中進(jìn)行濾波，主要根據(jù)濾波窗內(nèi)像素間的差異性對邊緣進(jìn)行描述，因此對邊緣的描述不夠充分，同時(shí)對于復(fù)雜的地表場景，不能選擇合適的同質(zhì)區(qū)域進(jìn)行濾波，所以對PolSAR圖像的邊緣和強(qiáng)點(diǎn)目標(biāo)等結(jié)構(gòu)信息的保持能力有待進(jìn)一步提高。

3 結(jié)構(gòu)保持的雙邊濾波PolSAR圖像降噪

PolSAR圖像的結(jié)構(gòu)主要指邊緣和強(qiáng)點(diǎn)目標(biāo)等，濾波后圖像結(jié)構(gòu)信息保持的好壞會(huì)影響后續(xù)對PolSAR圖像的分割、分類及檢測等處理的準(zhǔn)確性，因此PolSAR圖像濾波時(shí)結(jié)構(gòu)信息的保持是一個(gè)關(guān)鍵問題。文獻(xiàn)[16,17]中使用雙邊濾波處理PolSAR數(shù)據(jù)，得到了較好的濾波效果，但對邊緣與點(diǎn)目標(biāo)等結(jié)構(gòu)信息的保持效果一般，有待進(jìn)一步提升。

圖像邊緣通常由梯度表示，呈現(xiàn)出不同的方向性；噪聲的存在，必然會(huì)導(dǎo)致邊緣的誤判，并使得邊緣方向存在不確定性。地物散射特性描述了地物類別屬性的像素集合及類別間在極化散射特性上的差異性，這種相同性和差異性能反映不同的地表結(jié)構(gòu)類型。將邊緣結(jié)構(gòu)特征和地物散射特性相結(jié)合，能夠彌補(bǔ)雙邊濾波處理PolSAR圖像時(shí)對結(jié)構(gòu)信息描述的不足，從而解決KLBF和CBLF結(jié)構(gòu)保持能力弱的問題。

圖1是SPBF算法濾波的過程圖，由圖可示，本文算法主要分為兩個(gè)部分：一是在Span圖上對邊緣結(jié)構(gòu)特征進(jìn)行描述，選取自適應(yīng)方向窗；二是對原始PolSAR數(shù)據(jù)進(jìn)行極化分解并聚類，獲得地物散射標(biāo)記圖。接下來利用自適應(yīng)方向窗和地物散射標(biāo)記圖計(jì)算空間域和極化域內(nèi)的權(quán)重。本節(jié)余下部分將從這兩個(gè)方面出發(fā)，詳細(xì)介紹SPBF算法實(shí)現(xiàn)的具體過程。

3.1 邊緣結(jié)構(gòu)特征的描述

邊緣是PolSAR圖像的重要結(jié)構(gòu)，是理解PolSAR圖像內(nèi)容的重要因素，因此需要在相干斑抑制時(shí)保護(hù)圖像邊緣信息。SPBF將結(jié)構(gòu)特征融入降噪過程，圖1中的上半部分詳細(xì)描述了邊緣結(jié)構(gòu)特征的提取，并最終選擇自適應(yīng)方向窗(文獻(xiàn)[12]中稱作edge-aligned窗)的過程，具體步驟為：

步驟1 在Span圖上選取一個(gè)7×7的矩形窗口(提取邊緣結(jié)構(gòu)特征時(shí)選取的窗口與濾波時(shí)選取窗口一致)，將其分成9個(gè)3×3的重疊子窗，并計(jì)算每個(gè)子窗的均值，構(gòu)成一個(gè)新的3×3的均值窗[12]；

步驟2 將新形成的3×3窗與4個(gè)不同方向的邊緣檢測模板卷積，選取最大值以確定其中的邊緣方向；

步驟3 邊緣方向確定后，在3×3窗中，分別計(jì)算中心點(diǎn)與兩側(cè)對稱位置點(diǎn)的像素均值差的絕對值，選取與絕對值大的方向相同的方向窗作為濾波窗，從而得到自適應(yīng)方向窗ti(w)。

圖1 SPBF算法濾波過程

因此在空間域上，使用獲得的自適應(yīng)方向窗計(jì)算權(quán)重，達(dá)到增強(qiáng)邊緣的效果。則修正后的式(2)在空間域上的自適應(yīng)權(quán)重wsoa(i,j)為

式中ti(w)表示對像素i濾波時(shí)選取的方向窗，w=1, 2,…,8，見圖1中自適應(yīng)方向窗的選擇，例如w=2，則表示濾波時(shí)選取第2個(gè)方向窗進(jìn)行濾波。

對于邊緣結(jié)構(gòu)特征的提取以及選擇自適應(yīng)方向窗，歸根到底是使用梯度描述圖像的邊緣及其方向，但是這一處理必然會(huì)受到噪聲的干擾，影響邊緣結(jié)構(gòu)特征的提取以及濾波方向窗選擇的準(zhǔn)確性，為此在第3.2節(jié)引入地物散射特性來彌補(bǔ)這個(gè)缺陷。

3.2 地物散射特性的提取

地物散射特性用來描述具有相同地物類別屬性的像素集合及類別間在極化散射特性上的差異性。這種類內(nèi)的相同性和類間的差異性，能夠表示出不同的地表結(jié)構(gòu)類型，從而可以描述PolSAR圖像的邊緣結(jié)構(gòu)信息。PolSAR圖像不可避免地受到相干斑的影響，必然使得邊緣結(jié)構(gòu)特征提取以及地物散射特性提取的效果減弱。為此，在SPBF算法中，將邊緣結(jié)構(gòu)特征和地物散射特性結(jié)合，彌補(bǔ)了噪聲干擾導(dǎo)致單一特征提取方式效果減弱的缺點(diǎn)，提高PolSAR圖像邊緣結(jié)構(gòu)信息提取的準(zhǔn)確性。此外，地物散射特性的引入，還能保證濾波時(shí)能夠更準(zhǔn)確地選擇合適的同質(zhì)區(qū)域?yàn)V波，并且更好地保持了像素的散射機(jī)制。

地物散射特性的提取主要包括兩個(gè)方面：(1)利用Freeman-Durden分解[19]將像素分解成面散射、偶次散射和體散射3個(gè)散射類；(2)采用復(fù)Wishart分類器對分解后的散射類進(jìn)行無監(jiān)督聚類[20]，并最終生成聚類后的標(biāo)記圖g(見圖1中的地物散射標(biāo)記圖)。Lee等人[13]指出將每個(gè)散射類最終分成5類的可行性，而文中使用的實(shí)驗(yàn)數(shù)據(jù)與文獻(xiàn)[13]中的相同，濾波時(shí)，最終分類數(shù)在7×7窗口中能夠提供足夠的像素個(gè)數(shù)，因此實(shí)驗(yàn)中采用了文獻(xiàn)[13]中將散射類總共分成15類的結(jié)論。

在相干斑抑制時(shí)，使用地物散射標(biāo)記圖g作為極化域內(nèi)濾波掩膜選擇同質(zhì)區(qū)域，同時(shí)為了更好地提高圖像結(jié)構(gòu)信息描述和同質(zhì)區(qū)域選擇的準(zhǔn)確性，將自適應(yīng)方向窗ti(w)引入極化域，因此式(3)修正后的權(quán)重值為

其中n表示視數(shù)，q為極化通道數(shù)。

3.3 迭代PolSAR圖像雙邊濾波算法

前兩節(jié)分別介紹了使用邊緣結(jié)構(gòu)特征和地物散射特性描述結(jié)構(gòu)信息時(shí)存在的問題，指出二者在濾波時(shí)能夠相互彌補(bǔ)對方的不足，提高雙方對結(jié)構(gòu)信息描述以及同質(zhì)區(qū)域選擇的準(zhǔn)確性，所以本文將二者結(jié)合起來，提出了SPBF算法。然而對PolSAR圖像進(jìn)行單次濾波并不能達(dá)到好的效果，因而利用迭代濾波策略提升濾波性能，則SPBF濾波公式表示為

wsoa(i,j)和wcoa(i,j)是在濾波窗口Ni內(nèi)，通過式(5)和式(6)計(jì)算得到的第t次迭代后的濾波權(quán)重值。表示第t次的迭代后所得到的協(xié)方差矩陣，是第t+1次迭代后的濾波結(jié)果。

通過圖1以及上文分析，實(shí)現(xiàn)SPBF算法的步驟可以描述為：

步驟 1 原始PolSAR數(shù)據(jù)上提取邊緣結(jié)構(gòu)特征和地物散射特性，得到自適應(yīng)方向窗ti(w)和地物散射標(biāo)記圖像g，使用ti(w)和g計(jì)算權(quán)值，利用式(8)進(jìn)行一次迭代濾波；

步驟2 在上一次迭代濾波結(jié)果的基礎(chǔ)上，計(jì)算新的Span圖，并在新的Span圖像上提取邊緣結(jié)構(gòu)特征，獲得新的自適應(yīng)方向窗ti,new(w)。再利用ti,new(w)和g重新計(jì)算權(quán)值，之后代入式(8)進(jìn)行下一次迭代濾波。

在步驟2中，仍然使用原始數(shù)據(jù)中獲得的地物散射標(biāo)記圖g，主要是因?yàn)椋合袼氐纳⑸錂C(jī)制是PolSAR數(shù)據(jù)重要的特性，迭代濾波必然會(huì)破壞像素的散射機(jī)制，從而會(huì)影響后續(xù)PolSAR圖像分割與分類的準(zhǔn)確性。為更好地保持像素的散射機(jī)制，并不從每次迭代后的極化數(shù)據(jù)中提取極化散射特性，而是仍使用原始數(shù)據(jù)中提取的極化散射特性。

4 實(shí)驗(yàn)結(jié)果與分析

為了說明SPBF濾波方法的有效性，該文主要從算法的結(jié)構(gòu)保持能力和極化散射特性保持能力兩個(gè)方面進(jìn)行分析，以AIRSAR獲取的San Fransico Bay的PolSAR數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)，并與改進(jìn)的Lee, KLBF和CBLF濾波結(jié)果進(jìn)行比較。實(shí)驗(yàn)使用的測試數(shù)據(jù)是4視的，空間分辨率為10 m×10 m，圖像尺寸為300×300。濾波窗口大小均是7×7。由于空間域參數(shù)sσ的作用進(jìn)行了很多研究[17]，濾波時(shí)將它設(shè)置為固定值2，對于迭代次數(shù) t 和cσ的值是實(shí)驗(yàn)時(shí)根據(jù)濾波性能最終確定的，在KLBF, CBLF和SPBF算法中cσ分別設(shè)置為2, 1, 1，迭代次數(shù)t均為3次。

4.1 結(jié)構(gòu)保持能力

在PolSAR圖像中，邊緣和強(qiáng)點(diǎn)目標(biāo)是圖像的重要結(jié)構(gòu)信息，為客觀地評(píng)價(jià)相干斑抑制后PolSAR圖像的結(jié)構(gòu)保持能力，本文采用邊緣保持指數(shù)和強(qiáng)點(diǎn)目標(biāo)的保持兩個(gè)方面來對其進(jìn)行評(píng)價(jià)：

圖2列出了濾波后的Pauli分解圖，從圖中可以看出，4種濾波方法都能對相干斑進(jìn)行有效抑制。圖2(b)改進(jìn)的Lee濾波出現(xiàn)了模糊邊緣現(xiàn)象，在海洋區(qū)域的平滑效果也不是很好。KLBF濾波結(jié)果(圖2(c))同樣也出現(xiàn)過度平滑現(xiàn)象，圖像的邊緣模糊。圖2(d)是CBLF濾波結(jié)果，在海洋區(qū)域?yàn)V波程度不足，在森林區(qū)域出現(xiàn)了塊效應(yīng)和邊緣模糊的現(xiàn)象。采用SPBF方法處理后的圖像(圖2(e))邊緣信息和散射特性保持性能最好，同時(shí)也獲得了較好的相干斑抑制效果。為客觀的驗(yàn)證SPBF的邊緣保持能力，使用邊緣保持指數(shù)對濾波后圖像進(jìn)行評(píng)價(jià)。

邊緣保持指數(shù)(Edge Preserving Index, EPI)代表濾波前后圖像邊緣發(fā)生變化的強(qiáng)度[22]，能夠衡量圖像邊緣的保持能力，其定義為

表1中海洋、城市和森林區(qū)域的EPI值是利用圖2(a)中的區(qū)域1, 2和3計(jì)算所得。在圖2中，可以看出改進(jìn)的Lee, CBLF和KLBF濾波后的圖像邊緣比SPBF稍顯模糊，表1中濾波后的圖像和在不同區(qū)域?yàn)V波圖像的EPI值也證明了這3種方法的邊緣保持能力比SPBF差。原因是SPBF充分利用邊緣結(jié)構(gòu)特征和地物散射特性描述圖像邊緣信息，同時(shí)將地物散射標(biāo)記圖作為濾波掩膜以選擇合適的同質(zhì)濾波區(qū)域，因而在結(jié)構(gòu)豐富的區(qū)域，SPBF在抑制相干斑的同時(shí)能更好的保持圖像邊緣，所獲得的EPI值最高。

圖2 基于Pauli分解的RGB圖

表1 不同方法濾波后圖像及海面、森林和城市區(qū)域的EPI值

在PolSAR圖像中，強(qiáng)點(diǎn)目標(biāo)并不是由相干斑噪聲引起，而是圖像的重要結(jié)構(gòu)信息，因而濾波時(shí)需要保持強(qiáng)點(diǎn)目標(biāo)。為了驗(yàn)證SPBF對強(qiáng)點(diǎn)目標(biāo)的保持效果，圖3畫出了圖2(a)中黑色區(qū)域在HH和VV通道的強(qiáng)度。從圖3可以看出SPBF與原始數(shù)據(jù)的相似性最大，這是因?yàn)樵跒V波過程中，SPBF以地物散射標(biāo)記圖為掩膜，只與中心像素點(diǎn)具有相同聚類標(biāo)號(hào)的元素參與濾波，因此強(qiáng)點(diǎn)目標(biāo)的保持效果最好。改進(jìn)的Lee濾波是根據(jù)乘性噪聲模型進(jìn)行濾波，雖然加入方向窗，但濾波時(shí)仍將強(qiáng)點(diǎn)目標(biāo)當(dāng)作噪聲而進(jìn)行平滑，所以強(qiáng)點(diǎn)目標(biāo)保持不好。KLBF和CBLF在濾波時(shí)，濾波窗口中所有元素均參與濾波，導(dǎo)致濾波程度變大，從而使得濾波后圖像中的強(qiáng)點(diǎn)散射目標(biāo)減少。因此，可以得出一個(gè)結(jié)論：SPBF在具有較好的相干斑抑制能力的同時(shí)，邊緣保持能力和強(qiáng)點(diǎn)目標(biāo)保持能力在幾種濾波算法中是最好的，即SPBF算法的結(jié)構(gòu)保持能力最好。

4.2 散射特性保持能力

對于PolSAR圖像，不僅需要保持圖像的結(jié)構(gòu)信息，還要保持PolSAR數(shù)據(jù)的極化散射特性，以便后續(xù)的極化分割等處理。極化熵H和平均Alpha()角是表征地物目標(biāo)極化散射特性的兩個(gè)重要參量，可以描述PolSAR數(shù)據(jù)的散射特性[20]。

圖4顯示了原始數(shù)據(jù)和濾波后極化數(shù)據(jù)的熵值圖。圖4(a)中原始數(shù)據(jù)的熵值很低，原因是沒有進(jìn)行濾波。經(jīng)過濾波后，熵值增加，熵值圖的分辨率降低，且濾波程度越大，熵值圖越亮，圖像的空間分辨率損失也越大。而空間分辨率損失，從另一個(gè)方面也證明了結(jié)構(gòu)信息的損失。圖4(d)中顯示的CBLF在森林和城市區(qū)域熵值圖很亮，說明該方法濾波程度大，空間分辨率損失大，因此在該區(qū)域的EPI最小。由于SPBF使用地物標(biāo)記圖作為濾波掩膜來選擇合適的同質(zhì)區(qū)域，能夠很好的保持像素的散射機(jī)制，因而圖4(e)顯示的SPBF結(jié)果圖比其他方法的結(jié)果圖具有更低的熵值。

圖3 |HH|和|VV|偶次散射強(qiáng)點(diǎn)目標(biāo)的強(qiáng)度圖

通過以上結(jié)構(gòu)保持能力和極化散射特性保持能力兩個(gè)方面分析，可以得出：SPBF算法在相干斑抑制時(shí)，在極化信息保持的前提下，相比改進(jìn)的Lee, KLBF和CBLF 3種算法，更好地保持了圖像的結(jié)構(gòu)信息和極化散射特性，因此，SPBF算法在相干斑抑制時(shí)總體性能優(yōu)于其他濾波方法。

5 結(jié)束語

本文提出了一種新的SPBF相干斑抑制算法。首先在Span圖上提取邊緣結(jié)構(gòu)特征，其次根據(jù)像素的散射機(jī)制獲取地物散射標(biāo)記圖，最后將二者結(jié)合，利用改進(jìn)的雙邊濾波對PolSAR圖像進(jìn)行相干斑抑

圖5 海洋、城市和森林區(qū)域處的H/α分布圖

制。總體而言，將邊緣結(jié)構(gòu)特征和地物散射特性相結(jié)合，能夠在相干斑抑制時(shí)更好地保持圖像的結(jié)構(gòu)信息和極化散射特性，SPBF算法的優(yōu)勢主要表現(xiàn)在以下兩個(gè)方面：(1)利用邊緣檢測模板在Span圖上提取PolSAR圖像的邊緣信息，同時(shí)結(jié)合像素的散射機(jī)制，對圖像的邊緣信息描述更加充分，因此相干斑抑制時(shí)能更好地保持邊緣信息。(2)利用像素的散射機(jī)制對地表類型進(jìn)行聚類，在濾波窗內(nèi)選擇具有相同類型的像素進(jìn)行濾波，提高了對強(qiáng)點(diǎn)目標(biāo)和極化散射特性的保持能力。然而，相干斑噪聲的存在必然會(huì)影響邊緣結(jié)構(gòu)提取的準(zhǔn)確性和地表類型標(biāo)記的精度，最終會(huì)影響濾波算法的性能。因此如何減小噪聲對邊緣結(jié)構(gòu)和散射特性提取的影響是下一步需要考慮的問題。

[1] Kersten P R, Lee J S, and Ainsworth T L. Unsupervised classification of polarimetric synthetic aperture radar images using fuzzy clustering and EM clustering[J]. IEEE Transactions on Geoscience and Remote Sensing, 2005, 43(3): 519-527.

[2] Alonso-González A, López-Martínez C, and Salembier P. Filtering and segmentation of polarimetric SAR data based on binary partition trees[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(2): 593-605.

[3] Lee J S, Ainsworth T L, and Wang Y T. On polarimetric SAR speckle filtering[C]. IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, 2012: 111-114.

[4] 周曉光, 匡綱要, 萬建偉. 多極化SAR圖像斑點(diǎn)抑制綜述[J].中國圖象圖形學(xué)報(bào), 2008, 13(3): 377-385. Zhou Xiao-guang, Kuang Gang-yao, and Wan Jian-wei. A review of polarimetric SAR speckle reduction[J]. Journal of Image and Graphics, 2008, 13(3): 377-385.

[5] 楊學(xué)志, 左美霞, 郎文輝, 等. 采用散射特征相似性的極化SAR圖像相干斑抑制[J]. 遙感學(xué)報(bào), 2012, 16(1): 110-114. Yang Xue-zhi, Zuo Mei-xia, Lang Wen-hui, et al.. Speckle reduction for multi-polarimetric SAR image with the similarity of the scattering[J]. Journal of Remote Sensing, 2012, 16(1): 110-114.

[6] Torres L, Sant’Anna S J S, Freitas C da C, et al.. Speckle reduction in polarimetric SAR imagery with stochastic distances and nonlocal means[J]. Pattern Recognition, 2014, 47(1): 141-157.

[7] Liu G Q, Huang S J, Torre A, et al.. The multilook polarimetric whitening filter (MPWF) for intensity speckle reduction in polarimetric SAR images[J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(3): 1016-1020.

[8] 皮亦鳴, 鄒琪, 黃順吉. 極化SAR相干斑抑制-極化白化濾波器[J]. 電子與信息學(xué)報(bào), 2002, 24(5): 597-603. Pi Yi-ming, Zou Qi, and Huang Shun-ji. Speckle reduction of polarimetric SAR-polarimetric whitening filter[J]. Journal of Electronics & Information Technology, 2002, 24(5): 597-603.

[9] Lee J S and Pottier E. Polarimetric Radar Imaging: from Basics to Applications[M]. Boca Raton: CRC Press, 2009:157-160.

[10] Lee J S, Wen J H, Ainsworth T L, et al.. Improved sigma filter for speckle filtering of SAR imagery[J]. IEEE Geoscience and Remote Sensing Magazine, 2009, 47(1): 202-213.

[11] Argenti F, Lapini A, Alparone L, et al.. A tutorial on speckle reduction in synthetic aperture radar images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 1(3): 6-35.

[12] Lee J S, Grunes M R, and Grandi G D. Polarimetric SAR speckle filtering and its implication for classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(5): 2363-2373.

[13] Lee J S, Grunes M R, Schuler D L, et al.. Scatteringmodel-based speckle filtering of polarimetric SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2006, 44(1): 176-187.

[14] Shan Z L, Wang C, Zhang H, et al.. Improved fourcomponent model-based target decomposition for polarimetric SAR data[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(1): 75-79.

[15] Ding Z G, Zeng T, Dong F, et al.. An improved PolSAR imgae speckle reduction algorithm based on structural judgment and hybrid four-component polarimetric decomposition[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(8): 4438-4449.

[16] Alonso-González A, López-Martínez C, and Salembier P. Variable local weight filtering for PolSAR data speckle noise reduction[C]. IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, 2012: 2133-2136.

[17] D’Hondt O, Guillaso S, and Hellwich O. Iterative bilateral filtering of polarimetric SAR data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2013, 6(3): 1628-1639.

[18] 李光廷, 禹衛(wèi)東. 基于自適應(yīng)Bilateral濾波的SAR圖像相干斑抑制[J]. 電子與信息學(xué)報(bào), 2012, 34(5): 1076-1081. Li Guang-ting and Yu Wei-dong. SAR image despeckling based on adaptive bilateral filter[J]. Journal of Electronics & Information Technology, 2012, 34(5): 1076-1081.

[19] Freeman A and Durden S L. A three-component scattering model for polarimetric SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(3): 963-973.

[20] Lee J S, Pottier E, and Ferro-Famil L. Unsupervised terrain classification preserving polarmetric scattering characteristics[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(4): 722-731.

[21] Chen J, Chen Y L, An W T, et al.. Nonlocal filtering for polarimetric SAR data: a pretest approach[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(5): 1744-1754.

[22] 王超, 張紅, 陳曦, 等. 全極化合成孔徑雷達(dá)圖像處理[M]. 北京: 科學(xué)出版社, 2008: 68-73. Wang Chao, Zhang Hong, Chen Xi, et al.. Image Processing of Full Polarimetric SAR[M]. Beijing: Science Press, 2008: 68-73.

楊學(xué)志： 男，1970年生，教授，博士生導(dǎo)師，研究方向?yàn)閳D像處理、模式識(shí)別及合成孔徑雷達(dá)圖像解譯.

葉 銘： 男，1989年生，碩士生，研究方向?yàn)闃O化合成孔徑雷達(dá)圖像處理.

吳克偉： 男，1984年生，博士后，研究方向?yàn)閳D像處理、模式識(shí)別及合成孔徑雷達(dá)圖像解譯.

郎文輝： 男，1965年生，副教授，碩士生導(dǎo)師，研究方向?yàn)閳D像處理、模式識(shí)別及合成孔徑雷達(dá)圖像解譯.

Speckle Reduction for PolSAR Image Based on Structure Preserving Bilateral Filtering

Yang Xue-zhi①②Ye Ming①Wu Ke-wei①Lang Wen-hui①Zheng Xin②Li Guo-qiang②

①(School of Computer and Information, Hefei University of Technology, Hefei 230009, China)
②(Science and Technology on Electro-optic Control Laboratory, Luoyang 471009, China)

A Structure Preserving Bilateral Filtering (SPBF) is proposed to address the problem of preserving structural information for reducing speckle in a PolSAR image. The edge structural characteristics and surface scattering features are adopted to measure structural information in PolSAR image, which can reduce loss of structure and improve filtering performance. To begin with, the edge direction is determined by edge templates, and then an adaptive direction window is selected in span image. Furthermore, each scattering mechanism of the pixel is obtained by Freeman-Durden decomposition. And then surface scattering map is obtained by statistical distribution characteristics of polarimetric data. Finally, the filtering mask, which combines the cluster map with adapted direction window, is introduced into an improved bilateral filtering. The experimental results of real SAR images show that the proposed method can efficiently reduce speckle, and further preserve image edge, the strong point target and polarimetric scattering characteristics.

Polarimetric SAR; Speckle; Bilateral filtering; Scattering mechanism; Structure preserving

TP751

A

1009-5896(2015)02-0268-08

10.11999/JEIT140199

2014-02-17 收到，2014-05-08改回

國家自然科學(xué)基金(61371154, 41076120, 61271381, 61102154)，光電控制技術(shù)重點(diǎn)實(shí)驗(yàn)室和航空科學(xué)基金聯(lián)合資助項(xiàng)目(201301P4007)和中央高校基本科研業(yè)務(wù)費(fèi)專項(xiàng)(2012HGCX0001)資助課題

*通信作者：楊學(xué)志 hfut.cv@gmail.com