InSAR图像的梯度自适应滤波方法

齐艳妮，刘 亭，王光宁

（西北矿冶研究院，甘肃白银730900）

InSAR图像的梯度自适应滤波方法

齐艳妮*，刘 亭，王光宁

（西北矿冶研究院，甘肃白银730900）

干涉合成孔径雷达三维成像技术是最近十几年来非常活跃的研究领域，其一般理论日益成熟，应用前景颇为看好。在研究InSAR干涉纹图噪声来源、特性和相位的统计特性的基础上，研究了InSAR干涉纹图梯度自适应滤波的原理、方法、步骤，在此基础上，提出并实现了根据梯度变化寻找条纹，对条纹统一赋值这种梯度自适应滤波的改进方法。实验结果表明所提出的干涉纹图噪声抑制方法比较有效地抑制了干涉图中的相位噪声，保留了干涉图中的边缘细节信息，达到了比较好的滤波效果。

合成孔径雷达；干涉；相位；滤波；噪声抑制

合成孔径雷达（synthetic aperture rader,SAR）是一种主动式微波传感器，它具有全天候、全天时获取数据，并能穿透云雾、烟尘和大面积获取地表信息的特点，因而成为了对地观测领域不可或缺的传感器。雷达干涉测量（synthetic aperture rader interferometry,IN⁃SAR）技术则综合了合成孔径雷达（SAR）成像原理和干涉测量技术，利用传感器的系统参数、姿态参数和轨道之间的几何关系来精确测量地表某一点的三维空间位置及其微小变化，它是近十几年来非常活跃的研究领域，其一般理论日益成熟，应用前景颇为看好，尤其是在地形测绘、城市目标显示和城市形态分析、海洋表面状态监测、极地冰况监测、农业和资源调查、地表变形检测等方面得到了广泛的应用。

INSAR技术是根据两幅SAR复影像的干涉相位差来获取地面目标的三维信息，但是干涉纹图中的噪声是影响系统测量精度的重要因素之一，所以为了获得准确的干涉相位差数据，使得相位解缠可以顺利进行，为以后的数据处理做好准备工作，就必须对各种噪声进行有效的抑制。

本文在研究了INSAR技术的一系列相关理论的基础上，查阅了相关文献资料，致力于找出一种基于自适应滤波的滤波方法，希望它能达到较好的滤波效果。

1 合成孔径雷达干涉图滤波实验及结果分析

由于接收机的热噪声、时间去相关、基线去相关等的影响，干涉SAR图像不可避免的存在大量噪声。噪声使干涉SAR图像的相关性降低，相位的不确定性增大，残留点的数目变大，给相位解缠带来了较大的难度。因此，分析噪声的来源与特性，根据噪声模型降低噪声是获得高精度的DEM的重要途径。

为了降低干涉SAR图像的噪声，使得数据处理顺利进行，许多的学者在这方面做出了不懈的努力，并取得了巨大的成果，许多的滤波方法在滤除噪声的同时也较好地保持了图像的边缘等细节信息。本文在分析了几种常用滤波方法的基础上，选择了实现基于梯度的自适应滤波方法，并且在此基础上对基于梯度的自适应滤波算法进行了改进，以期达到更好的滤波效果。

1.1 改进的基于梯度的自适应滤波方法

在自适应平滑滤波方法中，尺度函数k确定了在平滑过程中可以保留下的边缘幅度。如果信号梯度大于k，则认为该点处于边缘上，边缘点在滤波窗口对应的权系数减小，使得边缘得以保留；反之，若信号梯度小于k，对应非边缘的点，其权系数就变大，在非边缘区域梯度低于k，窗口内各权系数接近，较大程度上参与平滑，将信号的不平坦平滑掉，从而达到去除噪声的效果。

根据这一原理，在原有的基于梯度的自适应滤波方法的基础上进行了改进，主要思想是根据尺度函数k来判断信号梯度的大小，找出突变点，将相邻的突变点连接起来，构成条纹，对条纹统一赋值，进行中值滤波，其他的非突变点则依旧采用改进的基于梯度的自适应滤波方法进行滤波。

其算法步骤可以表示为：

(1)计算梯度Gx(x,y)、Gy(x,y)、G45(x,y)和G135(x,y)；

(2)确定尺度函数k的大小。若相邻的信号梯度小于k，就计算滤波窗口权系数，然后对信号进行加权平均，应用改进的基于梯度的自适应平滑滤波方法滤除噪声；

(3)若相邻的信号梯度大于k，则表示该点处于边缘上。则对干涉图的实部和虚部分别进行中值滤波。

其算法的流程图如图1所示。

图1 再次改进的基于梯度的自适应滤波方法流程图

1.2 真实数据滤波实验结果及比较分析

为了客观地评价不同滤波器的滤波性能，选取一幅1963年3月18日和19日ERS—1/2卫星在香港的上空，获得的2幅地球资源的原始图像，卫星的垂直基线长为100m，SAR图像首先在方位向做5个像元的多视处理。两幅单视SAR复数图像经过配准后，得到20m× 20m的干涉图，然后在这幅干涉图上取出大小为700× 1000的一个矩形区域作为本次研究的对象(见图2)。

在真实干涉图像中选取一行第240行的相位值作为研究对象，其中既有干涉条纹比较密集的区域，也有干涉条纹比较疏松的区域，很有代表性(注：本小结中的所有剖面图均以第240行的相位值作为研究对象)。干涉图中所选定区域的剖面图如图3所示。

在图2和图3中，我们可以明显的看到干涉图的条纹不是很清晰，存在着很多的噪声，在这样的情况下会导致相位解缠的结果偏差很大甚至根本无法进行相位解缠。所以就很有滤波的必要性。

图2 干涉图中所选定区域的放大图

1.3 干涉图的改进的基于梯度的自适应滤波结果

从滤波后的干涉图4和剖面图5中，我们可以明显的看到图像已经变得比较清晰，原来存在着很多噪声的部分，已经减少了很多。这说明改进的基于梯度的自适应滤波方法的滤波效果是比较明显的。

1.4 干涉图滤波方法的比较和评价

评价方法方法包括定性和定量方法2种，所谓定性方法指的是定性方法指的是观察滤波以后干涉图的条纹清晰程度以及噪音分布情况等；定量方法则指的是通过定义一些客观标准来对图像质量进行公式化的评估。

本文采用残留点、相位梯度的和值(SPD)和边缘保持指数(EPI)这3种方法来作为干涉图滤波方法的评价指标。运用这3种干涉图质量的评价方法可以得出表1所示的结果。

从表1中可以看出：

(1)与原始图像相比，各种滤波算法结果图像的残留点都有所降低，表明各算法都对原始干涉图像起到了去噪的作用。一般来说，在一幅干涉相位图中，残留点的数目越少，分布越分散，则越利于干涉相位展开处理；

(2)与原始图像相比，各种滤波算法结果图像的相位梯度的和值(SPD)也都有所降低，表明各算法都对原始干涉图像起到了去噪和平滑的作用。一般来说，SPD的值越小，则干涉图的滤波效果就越好，所以相比之下，如果单以SPD为评价标准，则SPD值越小的滤波方法越优；

(3)与原始图像相比，各种滤波算法结果图像的边缘保持指数(EPI)也都有所降低，表明各算法都对原始干涉图像起到了去噪和平滑的作用。一般来说，EPI的值越大，则表明滤波器的边缘保持能力越强，所以相比之下，如果单以EPI为评价指标，则给予梯度的自适应滤波方法明显优于其他的2种滤波方法。

图3 干涉图中所选定区域的剖面图

表1 真实干涉图噪音抑制各项评价指标

2 结语

图4 再次改进的基于梯度的自适应滤波法滤波后的图像

图5 再次改进的基于梯度的自适应滤波法滤波后的剖面图

从所做的实验结果中可以看出，不同的滤波方法具有不同的滤波效果。从残留点和相位梯度的和值(SPD)这2个图像质量的评定指标可以看出，改进的基于梯度的自适应滤波方法和再次改进的基于梯度的自适应滤波方法的滤波效果要比基于梯度的自适应滤波方法要好，图像的噪音明显被消除；由边缘保持指数(EPI)这一图像质量评价指标则看出，再次改进的基于梯度的自适应滤波方法的边缘保持能力没有其他2种滤波方法好。

[1]Abduwasit Ghulam,Reda Amer,Robert Ripperdan.Improved Filtering Parameter Determination for the Goldstein Radar In⁃terferogram Filter.

[2]廖明生，林晖.雷达干涉测量——原理与信号处理基础[M].测绘出版社，2008.

[3]冈萨雷斯.数字图像处理[M].电子工业出版社.

[4]黄世奇，刘代志.SAR图像斑点噪声抑制方法与应用研究[J].测绘学报，2006.

P228

B

1004-5716(2016)12-0129-04

2016-02-04

2016-02-05

齐艳妮（1988-），女（汉族），宁夏固原人，助理工程师，现从事地质测量、工程测量等方面的工作。