一種機(jī)載SAR非周期性線狀噪聲去除方法*

肖艷芳，崔廷偉，鞏加龍

>(1.國家海洋局 第一海洋研究所，山東 青島 266061；2.中國海洋大學(xué) 信息科學(xué)與工程學(xué)院，山東 青島 266100)

?

一種機(jī)載SAR非周期性線狀噪聲去除方法*

肖艷芳1，崔廷偉1，鞏加龍2

>(1.國家海洋局 第一海洋研究所，山東 青島 266061；2.中國海洋大學(xué) 信息科學(xué)與工程學(xué)院，山東 青島 266100)

由于受雷達(dá)系統(tǒng)本身、飛行姿態(tài)、大氣擾動等多種因素的影響，機(jī)載SAR圖像中存在大量的非周期性線狀噪聲，限制了數(shù)據(jù)的后續(xù)應(yīng)用。針對利用機(jī)載SAR圖像進(jìn)行海上綠潮探測的應(yīng)用目的，本文在對機(jī)載SAR圖像中非周期性線狀噪聲進(jìn)行統(tǒng)計特征分析的基礎(chǔ)上，提出了一種機(jī)載SAR圖像非周期性線性噪聲去除方法，并與均值濾波、高斯低通濾波、增強(qiáng)Lee濾波、增強(qiáng)Frost濾波、Gamma濾波、小波分析濾波、傅里葉變化濾波等多種常用濾波算法進(jìn)行了對比，驗證了該方法的有效性。結(jié)果表明，與常用濾波算法相比，我們算法的噪聲去除率最高，且邊緣特征清晰；圖像經(jīng)濾波后，噪聲區(qū)灰度值與海水相近，與綠潮的對比顯著增大，提高了綠潮和海水的區(qū)分能力。

機(jī)載SAR；非周期性線狀噪聲；綠潮；噪聲去除

合成孔徑雷達(dá)(SAR)是一種可全天候、全天時觀測的主動式微波傳感器，廣泛應(yīng)用于環(huán)境監(jiān)測、測繪、海洋觀測等多個領(lǐng)域。與星載SAR相比，機(jī)載SAR具有高分辨率、高精度、靈活作業(yè)等優(yōu)勢，已經(jīng)受到越來越多的關(guān)注[1-4]。但是，受大氣擾動、飛行姿態(tài)、數(shù)據(jù)處理和雷達(dá)系統(tǒng)本身的影響，機(jī)載SAR圖像上會出現(xiàn)大量的斑點(diǎn)噪聲、以及周期性或非周期性線狀噪聲，極大限制了數(shù)據(jù)的后續(xù)應(yīng)用。因此，有效地抑制機(jī)載SAR圖像中的噪聲，是對SAR圖像進(jìn)行解譯和應(yīng)用所需要解決的首要關(guān)鍵問題。

對SAR數(shù)據(jù)噪聲抑制的研究主要集中在斑點(diǎn)噪聲去除方面[5-7]，研究者提出了多種去除SAR圖像斑點(diǎn)噪聲的方法，如Lee濾波[8]、Kuan濾波[9]、Frost濾波[10]、增強(qiáng)Lee濾波[11]、中值濾波[12]、幾何濾波[12]等，這些方法對SAR圖像斑點(diǎn)噪聲的去除均具有較為理想的效果。借鑒光學(xué)影像條帶噪聲的去除方法，SAR圖像中周期性的線狀噪聲也能夠得到很好的抑制[13-14]。但對于非周期性線狀噪聲，由于其長短、寬度和間隔不一，傳統(tǒng)的濾波方法無法對該類噪聲進(jìn)行有效去除。目前，有關(guān)SAR圖像非周期性線狀噪聲去除的研究較少。

本文針對利用機(jī)載SAR對海上綠潮進(jìn)行探測這一應(yīng)用目的，在對圖像中非周期性線狀噪聲進(jìn)行統(tǒng)計特征分析的基礎(chǔ)上，提出一種機(jī)載SAR非周期性線性噪聲去除方法，并通過與多種常用濾波算法進(jìn)行對比，驗證了該方法的有效性。

1 非周期性線狀噪聲去除算法

對于海上漂浮綠潮的機(jī)載SAR圖像(圖1)，由于海水的后向散射系數(shù)較小，所以，在風(fēng)浪較小的情況下，海水在圖像上呈現(xiàn)紋理特征單一、均勻的黑色；海面漂浮綠潮由于本身的表面粗糙度大，再加上二次散射

圖1 海上漂浮綠潮機(jī)載SAR圖像Fig.1 Airborne SAR image of floating green tide

和體散射的貢獻(xiàn)，使得回波信號增強(qiáng)，在圖像上表現(xiàn)為顏色較亮的斑塊；圖像中方向相同、長短不一、寬度不同的高亮條帶則是非周期性的線狀噪聲。由于噪聲與海面漂浮綠潮的灰度值相近，會對綠潮信息提取結(jié)果造成較大誤差，因此需對圖像上的非周期性線狀噪聲進(jìn)行消除。

分析了10×10像元窗口內(nèi)海水、噪聲和綠潮在不同方向上灰度值的統(tǒng)計特征，結(jié)果如表1所示。非周期線性噪聲在SAR圖像上表現(xiàn)為在一定長度上連續(xù)的高亮條帶，與低亮度海水和高亮度綠潮信息相比，非周期性線狀噪聲具有顯著的灰度統(tǒng)計特征，即在一定大小的窗口內(nèi)，與其他方向相比，沿噪聲方向上的灰度值具有較小的標(biāo)準(zhǔn)差和較高的平均值。

表1 海水、噪聲和綠潮在10×10像元窗口內(nèi)不同方向上灰度值的平均值與標(biāo)準(zhǔn)差Table 1 Mean and standard deviation of the sea water, noise and green tide in different directions of 10×10 windows

基于這一特征，可判斷出圖像中的噪聲像元，利用窗口內(nèi)非噪聲像元的灰度平均值對噪聲像元進(jìn)行填充，即可實現(xiàn)機(jī)載SAR圖像中非周期性線狀噪聲的消除。因此，本文所提出的機(jī)載SAR圖像非周期性線狀噪聲去除算法主要包括2個步驟：1)依據(jù)噪聲的灰度統(tǒng)計特征，逐像元判斷其是否為噪聲像元；2)對噪聲像元進(jìn)行灰度值重構(gòu)。

1)噪聲像元確定。圖2為機(jī)載SAR圖像上的移動窗口示意圖，位于中心位置的黑色像元為需要判斷的像元，以該像元為起點(diǎn)，計算窗口內(nèi)上、下、左、右、左上、右上、左下、右下八個方向(圖中紅色實線箭頭所示)，以及噪聲方向(圖中藍(lán)色虛線箭頭所示)上各像元灰度值的平均值和標(biāo)準(zhǔn)差為

(1)

(2)

式中，Mj為方向j上的像元灰度值平均值；Sj為方向j上的像元灰度值標(biāo)準(zhǔn)差；xj(i)為方向j上第i個像元的灰度值；n為方向j上的像元數(shù)。假設(shè)待判斷的像元為噪聲像元，噪聲方向上的像元灰度值標(biāo)準(zhǔn)差小于其他方向，而均值則會大于其他方向。判斷條件設(shè)置為

MT=mean(Mj)+std(Mj)，

(3)

ST=mean(Sj)-std(Sj)。

(4)

圖2 機(jī)載SAR非周期性線狀噪聲示意圖Fig.2 Schematic diagram of the non-periodic linear noise of airborne SAR image

若SnoiseMT，像元為噪聲像元，其中，Snoise為噪聲方向上的像元灰度值標(biāo)準(zhǔn)差，Mnoise為噪聲方向上的像元灰度值均值。移動窗口以3×3像元大小開始，逐漸增大，直至達(dá)到最佳噪聲濾除效果為止。

2)噪聲像元灰度值重構(gòu)。噪聲像元確定后，需要利用與背景信息盡可能接近的值對噪聲像元的灰度值進(jìn)行重構(gòu)。本文中我們剔除窗口內(nèi)與噪聲方向上像元灰度值相近的像元，利用剩余像元的灰度平均值對噪聲像元進(jìn)行重構(gòu)。對于窗口內(nèi)的某個像元，若滿足(x為像元灰度值)：x>mean(Mj)-std(Mj)，則將該像元剔除。最后利用較小窗口(3×3或5×5)對圖像進(jìn)行平滑處理。

2 實驗結(jié)果和算法對比分析

利用2015-06-28黃海近岸海域的機(jī)載X波段SAR影像開展實驗，該影像空間分辨率為3 m，見圖3。

圖3 機(jī)載綠潮SAR影像Fig.3 Airborne SAR image of floating green tide

為方便與多種濾波算法進(jìn)行對比，從影像中裁切了512×512像元大小的區(qū)域作為實驗數(shù)據(jù)，該區(qū)域內(nèi)包含海水和綠潮兩種主要地物類型。分別采用均值濾波、高斯低通濾波、增強(qiáng)Lee濾波、增強(qiáng)Frost濾波、Gamma濾波、小波分析濾波[15-16]、傅里葉變化濾波[17]和本文提出的濾波算法對實驗數(shù)據(jù)進(jìn)行濾波處理，去除圖像中的非周期性線性噪聲，結(jié)果如圖4所示。

圖4 機(jī)載SAR圖像非周期性線性噪聲濾波結(jié)果Fig.4 Filtering results of the non-periodic linear noise of airborne SAR image

圖像濾波的目的是在盡量保持圖像細(xì)節(jié)和邊緣信息的前提下抑制圖像噪聲，增強(qiáng)圖像的對比度，提高對圖像中不同地物的識別能力。為了定量評估上述多種濾波算法在機(jī)載SAR圖像非周期性線性噪聲去除上的適用性，本文首先計算了各種濾波算法的噪聲去除率NR[14]，公式為

NR=N0/Nk，

(5)

式中，N0表示原始圖像中條紋噪聲對應(yīng)的灰度平均值；Nk為降噪后相應(yīng)的灰度平均值；NR反映了噪聲去除程度的強(qiáng)弱，NR越大表示去除噪聲的能力越強(qiáng)。表1為上述各濾波算法的噪聲去除率結(jié)果。

表1 各濾波算法的噪聲去除率NRTable 1 Noise removal rate of various filtering algorithms

由圖4和表1可以看出，對于機(jī)載SAR圖像中的非周期性線性噪聲，常用的濾波算法基本上均是失效的，均值濾波、增強(qiáng)Lee濾波、增強(qiáng)Frost濾波和Gamma濾波的噪聲去除率相對較高，但圖像變得模糊，邊緣保持能力較差；高斯低通濾波和小波分析濾波的噪聲去除率約為1，表明這兩種方法對該類型噪聲幾乎沒有去除能力；利用本文算法去噪后的圖像，對比度顯著增強(qiáng)，邊緣特征清晰，較高的噪聲去除率也表明該算法在去除非周期性線性噪聲的有效性。

通過對濾波前和濾波后海水、綠潮和噪聲的圖像灰度值進(jìn)行統(tǒng)計分析，評估了上述多種濾波方法對不同地物識別能力的提升水平，結(jié)果如圖5所示。

圖5 各濾波算法地物識別能力對比Fig.5 Comparison of feature recognition capability of various filtering algorithms

圖中標(biāo)記點(diǎn)所在位置分別為綠潮、噪聲和海水圖像灰度值的均值，虛線所示為綠潮、噪聲和海水的1.5倍標(biāo)準(zhǔn)差線。由圖可見，在原始SAR圖像中，綠潮和噪聲的圖像灰度值相近，利用灰度值提取綠潮信息勢必會將噪聲也作為綠潮提取出來，給綠潮信息提取引入了較大誤差。我們的目的是通過有效的濾波算法，在盡量保持綠潮和海水原始信息的基礎(chǔ)上，增加噪聲區(qū)與綠潮區(qū)圖像灰度值的差異。機(jī)載SAR圖像經(jīng)過上述濾波方法處理后，圖像上綠潮、海水的均值和標(biāo)準(zhǔn)差與原始圖像基本保持一致，說明上述濾波算法均未對圖像中的非噪聲信息造成明顯的影響。而對于噪聲區(qū)域，高斯低通濾波和小波分析濾波后的灰度值均值和標(biāo)準(zhǔn)差與原始圖像相近，說明兩種濾波算法對該類噪聲是無效的；均值濾波、增強(qiáng)Lee濾波、增強(qiáng)Frost濾波、Gamma濾波和傅里葉變換濾波后，噪聲區(qū)的均值和標(biāo)準(zhǔn)差均有所降低，但綠潮與噪聲的圖像灰度值范圍仍然存在較大的重疊，兩者難以區(qū)分；利用本文算法濾波后，噪聲區(qū)的均值和標(biāo)準(zhǔn)差均顯著下降，噪聲灰度值與海水相近，與綠潮的差異明顯增大，能夠?qū)G潮和海水進(jìn)行有效地區(qū)分，表明該算法可有效地抑制會引起綠潮探測誤差的非周期線性噪聲。

為了進(jìn)一步驗證該算法的有效性，于2015-07-25獲取的機(jī)載SAR影像中裁切了512×512像元大小的區(qū)域，利用本文提出的算法對影像中的噪聲進(jìn)行了剔除，并在此基礎(chǔ)上利用閾值法(像元值>130)提取了綠潮信息，結(jié)果如圖6所示?？梢钥闯觯加跋裰邪罅康姆侵芷谛跃€性噪聲，由于其像元值與綠潮(圖中的白色不規(guī)則斑塊)接近，直接利用原始影像提取的綠潮信息中含有大量由噪聲引起的非綠潮信息(圖6b)。利用該算法對原始影像進(jìn)行濾波后，非周期性線性噪聲得到了明顯抑制，提取的綠潮信息中非綠潮信息大大較低，綠潮的探測精度得到顯著改善。

圖6 本文算法驗證結(jié)果Fig.6 Validation results of the proposed algorithm

3 結(jié) 論

受大氣擾動、飛行姿態(tài)、數(shù)據(jù)處理或雷達(dá)系統(tǒng)本身的影響，機(jī)載SAR圖像上除了會出現(xiàn)大量斑點(diǎn)噪聲外，還存在非周期性的線狀噪聲。由于非周期性線狀噪聲的長短、寬度和間隔不一，傳統(tǒng)的濾波方法通常無法對其進(jìn)行有效抑制。本文在對圖像中非周期性線狀噪聲進(jìn)行統(tǒng)計特征分析的基礎(chǔ)上，提出一種機(jī)載SAR非周期性線性噪聲去除方法，并通過與多種常用濾波算法進(jìn)行對比驗證了該方法的有效性，結(jié)果表明，與常用濾波算法相比，本文算法的噪聲去除率最高，且邊緣特征清晰；圖像經(jīng)濾波后，噪聲區(qū)與綠潮的對比顯著增大，提高了機(jī)載SAR綠潮探測能力。

致謝:中國海監(jiān)北海航空支隊為本研究提供了機(jī)載SAR數(shù)據(jù)支持。

[1] JIANG X H, ZHANG H D, DONG L, et al. Application of airborne SAR in sea ice air monitoring[J].Ocean Development and Management, 2014(5)：44-47. 蔣旭惠，張漢德，董梁，等.機(jī)載SAR在海冰航空監(jiān)測中的應(yīng)用研究[J].海洋開發(fā)與管理，2014(5)：44-47.

[2] LIU W J, KONG Y, ZHAO X B, et al.Ocean wave retrieval from C band airborne SAR imagery based on cross spectra method[J].Journal of PLA University of Science and Technology (Natural Science Edition), 2014,15(4):380-385. 劉文俊,孔毅,趙現(xiàn)斌,等. 基于交叉譜法的C波段機(jī)載SAR海浪反演[J].解放軍理工大學(xué)學(xué)報(自然科學(xué)版), 2014,15(4)：380-385.

[3] ZHAO X B, YAN W, KONG Y, et al. Theoretical research and experimental verification for ocean surface wind vector retrieval from airborne C-band fully polarimetric SAR[J].Acta Physica Sinica,2013, 62(13):1-12. 趙現(xiàn)斌,嚴(yán)衛(wèi),孔毅,等. 機(jī)載C波段全極化SAR 海面風(fēng)矢量反演理論研究及實驗驗證[J].物理學(xué)報, 2013, 62(13): 1-12.

[4] FU C Y, YUAN X T, XU K,et al. A way to abtain DEM based on the high-resolution air-borne SAR[J].Bulletin of Surveying and Mapping, 2012(4):50-51. 付春永,原喜屯,許珂,等. 一種基于高分辨率機(jī)載SAR的DEM制作方法[J].測繪通報, 2012(4):50-51.

[5] HUANG S Q, LIU D Z. Research on method and application of speckle noise reduction of SAR image[J].Acta Geodaetica et Cartographica Sinica, 2006, 35(3): 245-250. 黃世奇，劉代志. SAR圖像半點(diǎn)噪聲抑制方法與應(yīng)用研究[J].測繪學(xué)報，2006，35(3)：245-250.

[6] HAN C M, GUO H D, WANG C L, et al. An enhanced SAR image speckle filter[J].Journal of Remote Sensing, 2004, 8(2):121-127. 韓春明，郭華東，王長林，等. 一種改進(jìn)的SAR圖像斑點(diǎn)噪聲濾波方法[J].遙感學(xué)報，2004，8(2)：121-127.

[7] GUO J M, HUANG C J, YU X D, et al. An improved BEMD method for SAR image noise suppression[J].Geomatics and Information Science of Wuhan University, 2013, 38(12):1445-1450.郭際明，黃長軍，喻小東，等. 一種改進(jìn)的二維經(jīng)驗?zāi)B(tài)分解SAR圖像噪聲抑制方法[J].武漢大學(xué)學(xué)報(信息科學(xué)版)，2013，38(12)：1445-1450.

[8] LEE J S. Digital image enhancement and noise filtering by use of local statistics[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 1980,2(2): 165-168.

[9] KUAN D T, SAWCHUK A A, STRAND T C， et al. Adaptive noise smoothing filter for images with signal dependent noise[J].IEEE Transactions on Pat tern Analysis and Machine Intelligence, 1985, 7(2): 165-177.

[10] FROST V S, STILES J A, SHANMUGAN K S, et al. A model for radar images and its application to adaptive digital filtering of multiplicative noise[J].IEEE Transactions on Pattern Analysis and Machine Intelligence, 1982,4(2):157-166.

[11] LOPES A, TOUZI R, NEZRY E. Adaptive speckle filters and scene heterogeneity[J].IEEE Transactions on Geoscience and Remote Sensing, 1990, 28(6): 992-1000.

[12] CRIMMINS T R. Geometric filter for speckle reduction[J].Applied Optics, 1985, 24(10): 1438-1443.

[13] JIANG G M, NIU Z, YUAN W L, et al. A study on removing the stripe noises in MODIS 1B images[J].Remote Sensing Technology and Application, 2003, 18(6): 393-398.蔣耿明，牛錚，阮偉利，等. MODIS影像條帶噪聲去除方法研究[J].遙感技術(shù)與應(yīng)用, 2003,18(6): 393-398.

[14] KOU G J, WANG Z S, YAO P. Filtering methods for different characteristic stripe noise in SAR image[J].Journal of Remote Sensing, 2011, 15(1):1-12. 寇光杰，王貞松，姚萍. SAR圖像中不同特性條紋噪聲的濾除[J].遙感學(xué)報，2011，15(1)：1-12.

[15] HOU B, CHI Y B, ZHU C G, et al. Remote sensing image denoising in the vavelet domain[J].Journal of Remote Sensing,2003, 7(5): 379-385. 侯波, 遲耀斌, 朱重光, 等. 一種基于小波變換去除遙感圖像噪聲的方法[J].遙感學(xué)報，2003，7(5)：379-385.

[16] LAN G N, LI J, JI F. Underwater image backscatter noise reduction based on wavelets[J].Ocean Technology, 2010, 29(2): 43-47. 藍(lán)國寧，李建，籍芳. 基于小波的水下圖像后向散射噪聲去除[J].海洋技術(shù)，2010，29(2)：43-47.

[17] LI X L, LI F, ZHAO R, et al.Non-threshold windowed fourier filter algorithm[J].Acta Photonica Sinica, 2014, 43(9): 0912008-1-0912008-4. 李興龍，李峰，趙冉，等. 無閾值窗口傅里葉變換濾波方法[J].光子學(xué)報，2014，43(9):0912008-1-0912008-4.

Received: December 4, 2015

A Non-periodic Stripes Noises Removal Method for Airborne SAR Data

XIAO Yan-fang1, CUI Ting-wei1, GONG Jia-long2

(1.TheFirstInstituteofOceanography,SOA, Qingdao 266061, China; 2.CollegeofInformationScience&Engineering,OceanUniversityofChina, Qingdao 266100, China)

Due to the effect of various factors such as the radar system, flight altitude and atmospheric disturbance, a large number of non-periodic linear noises exist in the airborne SAR images, which greatly hinders the data application. In this paper, a non-periodic linear noises removal method for airborne SAR image is proposed by analyzing the statistical characteristics of non-periodic linear noises with the aim of green tide detection. The validity of the method is demonstrated by comparison with the commonly used filtering algorithms. The results show that the proposed algorithm has the highest noise removal rate and the edge features are clear. After the noises removal, the value of the noise is close to that of the sea water and the difference between the noises and the water increases significantly.

airborne SAR; non-periodic linear noise; green tide; noise removal

2015-12-04

國家自然科學(xué)基金項目——基于圍隔實驗的漂浮綠潮生物量遙感估算方法(41506203)和主被動光學(xué)遙感探測水下懸浮綠潮(41476159)；中韓國際合作項目——典型海洋災(zāi)害靜止軌道海洋衛(wèi)星凝視監(jiān)測關(guān)鍵技術(shù)研究(2014T03)；海洋公益性行業(yè)科研專項——機(jī)載多維探測系統(tǒng)在海監(jiān)執(zhí)法中的應(yīng)用示范(2013418025-2)

肖艷芳(1985-)，女，山東諸城人，助理研究員，博士，主要從事海洋光學(xué)遙感方面研究.E-mail：xiaoyanfang@fio.org.cn

TN958

A

1671-6647(2016)04-0571-07

10.3969/j.issn.1671-6647.2016.04.013