保持边缘细节的SAR图像斑点噪声抑制方法

史雪静，王志勇，黄国满，王普乐

(1.山东科技大学 测绘科学与工程学院，山东 青岛 266590；2.中国测绘科学研究院，北京 100830)

1 引 言

合成孔径雷达(Synthetic Aperture Radar，简称SAR)作为一种高分辨率的主动微波遥感成像雷达，具有全天时、全天候、多视角、多俯角、穿透能力强等特点[1-2]。然而，因为SAR的相干成像使图像受到不同程度的黑白点相间的斑点噪声的污染，影响了图像的进一步判读和解译。因此，抑制斑点噪声对SAR图像处理至关重要。

至今，斑点噪声抑制的方法已很成熟。经典的斑点噪声抑制方法有均值滤波、中值滤波、Lee滤波、Frost滤波、Kuan滤波、Gamma MAP滤波等[3-4]。利用这些方法都能够在很大程度上削弱斑点噪声，但是在非均匀区域会造成图像纹理信息的损失，阻碍了SAR图像地准确解译。本文主要对这几种经典的滤波方法进行研究和实验，并对其进行改进，以使斑点噪声能有效地滤除，同时也使图像信息的损失降低，使图像能被很好地利用。

2 斑点噪声抑制方法

SAR成像系统基于相干成像原理，致使SAR图像中会出现斑点噪声。完全发育的斑点噪声的乘性模型定义为[5]：

I(x,y)=R(x,y)×F(x,y)

(1)

常用的斑点噪声抑制方法有Lee滤波[6]、Kuan滤波[7]、Frost滤波[8]、Gamma Map滤波[9]等。

3 保持边缘细节的SAR斑点噪声抑制方法

在SAR图像去噪中，抑制噪声与保持图像细节信息两者总是不可兼得的，有的滤波方法甚至会造成图像的过度平滑，使地物特征模糊。为了使SAR图像在滤波的同时又能兼顾图像边缘和细节信息，本文结合基于阈值的极值中值滤波算法[10]和Lee、Kuan、Frost、Gamma MAP滤波算法，提出了改进算法，利用参数Y对图像进行区域划分，可以对SAR图像局部处理，减少滤波时图像信息的损失。

在一幅图像中，除了孤立的点，其相邻点之间会有很强的相关性，每一点与其周围点的灰度值都会非常接近，即使在图像的边缘部分也有同样的特性。如果图像中某一点的灰度值与其邻域点的值相差较大，那就意味着该点与其邻域的相关性很小，它很可能是噪声点[11]。基于上述的缘由，图像在通过一系列的参数判断后可以被划分为边缘细节区、平坦区、噪声点3种区域，然后分别对3个区域进行差异化处理。对于图像边缘细节区进行保留来保持图像的细节信息；而对于噪声点和平坦区，可以用前面所提到的几种滤波方法对其进行不同的滤波处理。区域划分的标准可以按以下步骤来进行：对SAR图像选择适合的滑动窗口大小，设Xij为滑动窗口内的某个像元，它的灰度值为f(i,j)。首先将滑动窗口内的像元按大小顺序排列，然后找出滤波窗口内的像元最大值max(Xij)和最小值min(Xij)；若该像元的灰度值与窗口内的像元最大值或最小值相等，则计算像元Xij与其8邻域的每个点的灰度值之差，并取其绝对值，记为x：

x=|f(i,j)-φ(i,j)|

(2)

其中，φ(i,j)为f(i,j)的邻域像元灰度值。

这里引入阈值T来判断X，如果像元Xij的灰度值与其邻域的每个点的灰度值的差(取正)小于或等于T，则记为1；如果其差值的绝对值大于阈值T，则记为0。

(3)

阈值T的取值与图像噪声的污染程度以及图像的对比度有关，这里采用自适应的方法对其进行定义，设K[Xij]为滑动窗口内不等于最大值或最小值的像元集合，即：

(4)

其中，f(i,j)表示滑动窗口内的像元，i与j的取值范围与所选取的滤波窗口大小有关，此实验采用3×3的滤波窗口，因此i与j的取值范围是[0，2]。K为滤波窗口中像元的个数。

(5)

利用式(5)来对参数Y进行统计，Y值的大小决定着图像区域的划分。Y的取值范围是[0，8]，如果图像中任意一点满足1≤Y≤4，即在这点的8邻域中有1到4个点的灰度值和这点相等或非常接近，则该点被认为是图像的边缘点或细节点，对其进行保留，不做处理；当任意一点满足Y=0，即在这点的8邻域没有与这点相等或者是非常接近的点，该点被认为是噪声点，对其做滤波处理；当Y>4时，即在这点的8邻域有4个以上的点的灰度值和这点相等或非常接近，则认为是平滑区域，对其做滤波处理。其流程图如图1所示。

图1 保持边缘细节的滤波方法流程图

4 SAR滤波实验及定量化评价

本文采用一幅Radarsat图像进行了对比实验来验证改进后滤波算法的有效性，比较各种算法的不同效果。首先用Lee滤波、Frost滤波、Kuan滤波、Gamma MAP滤波这几种经典的算法和改进后的算法分别对此图像做滤波处理，然后以图像均值、标准差、等效视数、边缘保持指数[12-13]来对滤波后的图像进行定量化评价，对比各评价指标指数，进而分析出较优的滤波算法。此处给出3×3的滑动窗口的斑点噪声抑制性能比较(表1)。

表1 斑点噪声抑制性能比较

改进后的这几种滤波方法均值都偏离原始图像的均值不大，改进的Gamma MAP滤波的均值变化最小，较其原始的方法有很大的提高，其次是改进的Frost滤波。这两种改进算法的均值比其原始方法的均值都更接近原始图像；改进后的滤波方法在边缘保持方面也有极大的优势，改进的Frost滤波的效果尤为明显。图2所示的是Frost和Gamma MAP滤波结果图以及其改进的滤波结果图(局部图)。

图2 SAR图像滤波结果

5 结束语

本文重点研究了SAR图像斑点噪声滤除过程中常用的几种滤波方法，为了能够在滤波的过程中同时兼顾图像的边缘与细节，提出了保持边缘细节的SAR斑点噪声抑制方法，并采用真实的雷达数据进行了滤波实验及滤波效果的定量化评价。通过滤波实验证明，在斑点噪声滤除方面，各种滤波方法均在一定程度上抑制了斑点噪声；在图像边缘和细节信息保持方面，Frost滤波使图像过度地平滑，而改进的Frost滤波具有很好的边缘保持能力。

参考文献：

[1] KUMAR M A，BERNARD M.Automatic target recognition using multi-polar bistatic synthetic aperture radar images[J].IEEE Transactions on Aerospace and Electronic Systems，2010，46(4)：1906-1920.

[2] 周建民，何秀凤.星载 SAR 图像的斑点噪声抑制与滤波研究[J].河海大学学报，2006，34(2)：189-192.

[3] GUPTA K K，GUPTA R.Feature preserving speckle filtering of the SAR images by wavelet transform[J].Indian Society of Remote Sensing，2008，36(1)：51-60.

[4] 骆明君.合成孔径雷达图像斑点噪声抑制与滤波[J].信息与电子工程，2009，7(1)：9-12.

[5] 王志勇，张继贤，黄国满.高分辨率SAR影像斑点噪声滤除方法的研究[J].测绘科学，2004，29(6)：41-44.

[6] LEE J S.Speckle analysis and smoothing of synthetic aperture radar images[J].Computer Graphics and Image Processing，1981，17(1)：24-32.

[7] 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 Pattern Analysis and Machine Intelligence，1985，(2)：165-177.

[8] 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.

[9] 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.

[10] 付青青，李勇华.基于阈值的极值中值新型滤波方法[J].长江大学学报，2006，3(1)：48-50.

[11] 邢藏菊，王守觉，邓浩江，等.一种基于极值中值的新型滤波算法[J].中国图象图形学报，2001，6(6)：533-536.

[12] 李胜才.SAR图像斑点噪声抑制方法比较分析[J].北京测绘，2011，(3)：17-19.

[13] 范江涛，袁翔宇，汤博，等.基于统计理论的SAR图像斑点噪声滤波算法分析[J].电子科技，2013，26(1)：24-26.