一種基於偽pid的自然梯度的極化sar圖像相干斑去噪方法
2023-09-20 12:51:00 1
一種基於偽pid的自然梯度的極化sar圖像相干斑去噪方法
【專利摘要】本發明屬於合成孔徑雷達圖像相干斑去噪處理領域，具體涉及一種基於偽PID的自然梯度的極化SAR圖像相干斑去噪方法。本發明包括：把同一時刻採集的一組n幅極化SAR圖轉換成一維矢量圖像；對一維圖像信號進行預處理；預處理之後的圖像信號通過使用偽PID自然梯度算法進行迭代解算得到分離矩陣，與白化後的信號相乘得到各個圖像一維信號輸出；圖像重構：找出等效視數最大的一維信號，等效視數最大的是降噪後的SAR圖，將等效視數最大的一維信號轉換成二維圖像，按照二維轉一維相逆的方法轉換成一個N×M像素點的灰度圖像。本發明應用了一種偽PID的方法來調節自然梯度算法的分離步長，能使得處理結果圖像比傳統方法清晰，更快速。
【專利說明】—種基於偽PID的自然梯度的極化SAR圖像相干斑去噪方法
【技術領域】
[0001]本發明屬於合成孔徑雷達(Synthetic Aperture Radar, SAR)圖像相干斑去噪處理領域，具體涉及一種基於偽PID的自然梯度的極化SAR圖像相干斑去噪方法。
【背景技術】
[0002]合成孔徑雷達(Synthetic Aperture Radar,SAR)是一種多參數、多通道的微波成像雷達系統，可以同時獲得地面場景在不同極化組合下的雷達圖像，提供了單極化SAR無法比擬的更多的信息量。在海洋學、冰河學以及陸地研究中有著廣泛的應用。其能夠獲得高質量圖像並具有全天候工作能力，在過去幾十年裡，很多國家都發展了星載和機載SAR技術。SAR克服了傳統雷達的缺陷，能夠獲得高解析度圖像，這十分有利於目標的偵查和識別。SAR還突破了傳統相干雷達的限制，不會受多雲氣候和夜間天氣的影響，尤其是類似熱帶地區的多變化天氣國家的地理圖像獲取能力很突出。目前，很多衛星裝備都裝載了 SAR系統，尤其是在軍事領域的應用更廣泛，在軍事偵察時，SAR利用其高分辨和高穿透能力，被應用於發現和識別軍事目標，因為金屬材料對電磁波由很強的後向散射效應。由於SAR圖像中的相干斑噪聲現象很大程度上地降低了圖像的可讀性，以致圖像解譯和信息提取變得很困難。由於SAR能夠對同一地物信息給出一組極化組合圖像這一特點，獨立分量分析(ICA)在SAR圖像信號處理領域的應用前景很突出，在處理SAR圖像相干斑時有很大的優勢。本發明把ICA應用在在遙感領域中的SAR圖像處理方面，在極化SAR圖像增強以及相干斑去噪方面取得了很好的實現結果。
[0003]為了抑制SAR圖像的相干斑，早期採用的多視處理技術是在SAR的成像過程中，在方位向降低處理器帶寬，將方位向信號的頻譜分割成若干段，進行分別成像，形成SAR多視子圖像，然後進行非相干疊加；另外可以在方位處理時，保持原來的解析度，雷達成像後以犧牲SAR圖像的空間解析度為代價，通過降低SAR圖像解析度的方法進行非相干疊加。隨著SAR圖像的應用範圍不斷擴展，提高了對地面解析度的要求，多視處理已經不能滿足要求，這樣成像後的相干斑降噪就成為SAR圖像濾波技術研究的主流方向。在假定噪聲模型基礎上，經典濾波算法有Lee濾波、Frost濾波、MAP濾波等，這些算法的特點是能夠自適應地平滑地濾掉均勻區域內的斑點噪聲，同時能夠比較好地保留圖像細節紋理和目標特徵。
[0004]ICA的著眼點是從多個混合數據出發，利用觀測數據間的高階統計特性，實現源信號與噪聲的分離。應用ICA處理實際數據之前，需要實驗數據滿足ICA的基本數學模型以及一定的約束條件。若將ICA應用到處理極化SAR圖像相干斑噪聲抑制中，那麼極化SAR圖像的多幅極化組合圖像可以轉化為ICA算法的輸入觀測向量，生成的輸出向量經過重構處理後，根據極化SAR相干斑性能評估標準來確定其中的一幅圖像為去除斑點後的圖像。
[0005]在ICA中自然梯度算法又是最常用的一類方法，本發明基於自然梯度算法，提出了偽PID自然梯度方法。
【發明內容】
[0006]本發明的目的在於提出了一種是通過偽PID來調節步長使得ICA中的自然梯度算法具有快速去斑能力的有效消除SAR圖像相干斑的基於偽PID的自然梯度的極化SAR圖像相干斑去噪方法。
[0007]本發明的目的是這樣實現的:
[0008](I)把同一時刻採集的一組η幅極化SAR圖轉換成一維矢量圖像，第i幅圖像表示為Xi,每一幅圖像的大小為NXM像素點，每一幅圖像把後一行的第一個像素點緊跟著前一行的最後一個像素點，得到一個長度為NXM的一維行矢量Xi,將所有的行矢量組成一個輸
X'
人圖像矢量信號X=…卜
尺
[0009](2)對一維圖像信號進行預處理:
[0010]X中減去均值矢量E(X)，使X為均值為零的變量；每一路信號Xi的數學期望採用算術平均值代替，第i路信號去均值為:
I NxM
[0011]ΧΟΙ{? = Χ,(?-^Σχ:(?)
[0012]其中t是數據點數；
[0013]通過特徵值分解Xtli的協方差矩陣\, = E(X0iXJ) = QDQt，其中D為A1,,特徵值組成的對角矩陣，Q為對應特徵值的特徵向量組成的矩陣，得到白化矩陣T = D_1/2Qt，由變換Z =TX0i得白化信號，最後得到白化數據Z ；
[0014](3)預處理之後的圖像信號通過使用偽PID自然梯度算法進行迭代解算得到分離矩陣，與白化後的信號相乘得到各個圖像一維信號輸出；
[0015]偽PID自然梯度算法的實現包括:
[0016](3.1)隨機初始化第一個分離矩陣 W(I) W I Iw(I) I = 1,Y(1) = W(I)Z, k = I ；
[0017](3.2)初始化參數kp、k1、kd和η (I) = η (2) = α，計算分離度:
[0018]SD(k) = ||[/ -/(F) Yt^W (k)^F
[0019]當k>2 時，
[0020]
Δ"⑷=診 *(SD ⑷-SD(/(-1))+灸/*SD ⑷+M*(SD ⑷-2*SD(/<:-l)+SD(yt-2))n{k + \) = i](k) + Ai](k)
[0021]W(k+1) = W(k) + n (k) [1-f(Y)YT]ff(k)更新權值矢量 W(k+1)；
, 、W (k + \)
[0022](3.3)歸一化計算:(左+ 1)= !j『(左+ 1)丨丨;
[0023](3.4)如果 I |W(k+l)_W(k) I I 彡 ε ,則算法不收斂,計算 Y (k) =ff(k+l)Z,k = k+1,返回(3.2)，否則算法結束輸出W，並計算Y = WZ ;
[0024](4)圖像重構:因為Y的每一個行向量就是一個一維圖像信號，計算各重構圖像的等效視數ENL，第i幅圖等效視數為:
E2(K)
[0025]ENLi=~V4
1 Var(Yi)
[0026]找出等效視數最大的一維信號，等效視數最大的是降噪後的SAR圖，將等效視數最大的一維信號轉換成二維圖像，按照二維轉一維相逆的方法轉換成一個NXM像素點的灰度圖像。
[0027]本發明的有益效果在於:
[0028]在現有的技術中，大多是通過濾波的方法來解決圖像的相干斑幹擾，有時候在不知道圖像的具體信息的時候，傳統的Lee濾波、Frost濾波、MAP濾波等方法是不能解決此類問題的，用ICA的方法可以在需求圖像、未知幹擾情況下和圖像混合情況未知的情況下來分離出需求圖像，並把幹擾圖分離出來，並能進一步分析幹擾圖像，這是傳統方法不能比擬的。本發明應用了一種偽PID的方法來調節自然梯度算法的分離步長，能使得處理結果圖像比傳統方法清晰，更快速。
【專利附圖】
【附圖說明】
[0029]圖1是整個去噪過程流程圖；
[0030]圖2是偽PID自然梯度算法解算過程示意圖；
[0031 ] 圖3是香港地區C波段的C-HH極化圖像；
[0032]圖4是香港地區C波段的C-HV極化圖像；
[0033]圖5是香港地區C波段的C-VV極化圖像；
[0034]圖6是Frost濾波器處理結果圖；
[0035]圖7是Iee濾波器處理結果圖；
[0036]圖8是kuan濾波器處理結果圖；
[0037]圖9是本發明方法一基於偽PID的自然梯度方法處理的濾波結果圖。
【具體實施方式】
[0038]下面結合附圖對本發明做進一步描述。
[0039]一種基於偽PID的自然梯度的極化SAR圖像相干斑去噪方法。包括:
[0040](I)把通過極化SAR採集的SAR沒一幅圖像轉換成一維信號；
[0041](2)對上述一維圖像信號進行預處理，包括:去均值的中心化和去相關的白化兩個步驟。把一維圖像處理成具有零均值的單位方差信號；
[0042](3)預處理之後的圖像信號通過使用偽PID自然梯度算法進行迭代解算得到分離矩陣，使其與白化後的信號相乘得到各個圖像一維信號輸出；
[0043](4)圖像重構，通過計算每一個一維信號等效視數，最大等效視數圖像就是降噪後的極化SAR信號，然後將這個一維信號轉換成二維灰度圖像信號。
[0044]偽PID自然梯度算法是步長的偽PID解算的自然梯度算法，步長解算過程是基於分離度的，每一次迭代瞬時分離度計算公式為奶(/ = ||[/-/(101^叫|:，根據每一次迭代得到的W算出Y，得到分離度SD，如果分離度為零，則不需繼續迭代，說明信號分離完成；如果信號沒有分離完成，首先計算出分離度，根據當前和前兩個時刻的分離度來解算當前的步長的變化量Λ n (k)，運用PID調節的思想得到步長調節方法:
[0045]Δ n (k) = kp* (SD (k) -SD (k_l)) +ki*SD (k) +kd* (SD (k) _2*SD (k_l) +SD (k_2))
[0046]其中kp、k1、kd為偽PID參數，由拍攝圖像的實際的天氣或噪聲的強弱狀況來確定，上述調節方法稱作偽PID調節方法。通過上式可以計算出每一次迭代的步長的變換量，然後改變步長，得到最終步長調節公式n(k+i) = n(k) + A n(k)0這樣調節步長的好處，可以根據分離要求及時的改變步長。從分離度的定義可以看出
5?(&) = |[/-/(1^屍]『【=||￥￡4，梯度的二範數就是分離度，根據上一節改進的自適應步長的自然梯度算法分析可知，分離度的變化反映了信號的分離快慢。用偽PID來解算Δη有多重意義:
[0047]I)可以避免直接用分離度來表示步長產生的步長變換劇烈的影響；
[0048]2)kp*(SD(k)-SD(k-l))反映了分離度的變化程度，kp*(SD(k)-SD(k_l))越大說明分離度變化很劇烈，如果分離度減小，則分離步長n也隨之減小，kp調節分離度變化強弱；
[0049]3)ki*SD(k)直接放映了分離的劇烈程度，有利於步長調節的快速性，ki調節快速性；
[0050]4)kd*(SD(k)-2*SD(k-l)+SD(k_2))反映了步長將來的變化趨勢，kd調節變化趨勢的快慢。
[0051]這些調節方法都是符合實際調節規律的
[0052]通過上述分析，該步長調節規律具有快速性，各部分的物理意義明確，受到幹擾影響較小，可以穩定的調節步長，使得分離性能跟隨分離的不同階段需求。
[0053]本發明涉及一種極化SAR圖像相干斑去噪的方法。
[0054](I)把得到的一組灰度SAR圖像一一轉換成一維行矢量信號。
[0055](2)對轉化後的這些一維矢量信號進行預處理，包括:中心化使得信號的均值為零；去相關使得信號的方差為1，且各個信號間不相關，最後得到零均值方差為I的信號。
[0056](3)對預處理過後的信號採用偽PID的自然體算法進行迭代解算分離矩陣，當分離矩陣達到收斂的時候，輸出分離矩陣，用當前分離矩陣乘以白化後的信號就得到了一組一維行矢量。
[0057](4)圖像重構:計算每一行矢量的等效視數，等效視數最大的行矢量就是降噪後的SAR圖一維信號。將等效視數最大的一維行矢量轉換成二維灰度圖像就是降噪後的極化SAR圖像。
[0058]本發明的方法在相干斑抑制和邊緣細節保存方面有很大的優勢，並且在降噪穩定性上具有很大優勢。
[0059]第I步，圖像信號的轉化。對一組(3幅為宜)待處理的二維SAR圖像都轉化為可處理的一維矢量，這樣可得到一組不同極化組合圖像轉化成的一組單維矢量，他們就可以組成一個數據矩陣，作為整個處理過程的具體輸入。
[0060]第2步，輸入信號預處理。預處理為一個白化過程，其分為兩個步驟:去均值和去相關，在白化的同時可以進行降維處理，預處理後的隨機變量為Z。
[0061]第3步，偽PID自然梯度算法的實現。首先，隨機初始化分離矩陣W，其模為I ;其次，利用偽PID自然梯度算法優化算法迭代求解分離矩陣W ;最後，通過公式Y = WZ估計獨立源分量。
[0062]第4步，圖像重構。將ICA處理後的矩陣Y的各行向量還原為同原始極化圖像同樣尺寸的二維灰度圖像，並計算各重構圖像的等效視數，選擇其中等效視數值最大的圖像作為降噪後的SAR圖像，剩下的幾幅圖像被認為是噪聲圖像。
[0063]本發明描述的方法是一種SAR圖像相干斑去噪的方法，把SAR圖像變換成一維信號，然後通過預處理使得信號為零均值方差為I的信號，然後通過偽PID變步長的自然梯度算法來分離預處理過後的信號，得到分離後的信號。本發明設計方案如圖1所示，步驟如下:
[0064]步驟1:把同一時刻採集的一組η幅極化SAR圖轉換成一維矢量圖像，第i幅圖像表示為為Xi。為了描述方便，社每一副圖像的大小為NXM像素點，每一副圖像把後一行的第一個像素點緊跟著前一行的最後一個像素點，這樣就得到一個長度為NXM的一維行矢
X'
量Xi,然後將所有的行矢量組成一個輸入圖像矢量信號I =...^。
Λ,
[0065]步驟2:預處理為一個白化過程，去均值即信號X去均值，也就是X中減去其均值矢量E(X)，使得X為均值為零的變量。在實際的計算中，每一路信號Xi的數學期望採用算術平均值代替，第i路信號去均值如下式:
I NxM
[0066]Χ^?^χχ?-^-^^χχ?(I)
[0067]其中t是數據點數。
[0068]去相關是通過特徵值分解Xtli的協方差矩陣^,，其中D為&。,特徵值組成的對角矩陣，Q為對應特徵值的特徵向量組成的矩陣，得到白化矩陣T = D_1/2Qt，由變換Z = TX0i得白化信號，最後得到白化數據Z。
[0069]步驟3 --偽PID自然梯度算法的實現，具體如下:
[0070]第I步，隨機初始化第一個分離矩陣W(I)有I |W(1) I I =1，Y⑴=W(1)Z，k =I;
[0071]第2步,初始化參數kp、k1、kd和η⑴=n(2) = α，這些參數都是根據極化SAR拍攝時候的天氣或者拍攝圖像噪聲多少設定的；然後計算分離度:
[0072]SD (Zf) = ||[/ - /(F) Yt ] W{k)^pin
[0073]當k>2時，計算
[0074]
|A/7(/c) = kp *(SD⑷-SD(/f -1))+/d * SD(k)+kd *(SD(/c)-2 * SD(k -1)+SD(/c - 2))⑴汾|/7(/? + ?)-/;(/ν) + Δ/;(^)
[0075]通過式W (k+1) = ff(k)+n (k) [1-f(Y) YT] W (k)更新權值矢量 W (k+1)；
, 、W(k + \)
[0076]第3步,歸一化計算:叫是+ 1) = I^7(H1)I;
[0077]第4 步,如果 I |W(k+l)_W(k) I I 彡 ε，則算法不收斂，計算 Y(k) = W(k+l)Z, k =k+1，返回第二步，否則算法結束輸出W，並計算Y = WZ。
[0078]步驟4:圖像重構:因為Y的每一個行向量就是一個一維圖像信號，計算各重構圖像的等效視數ENL，第i幅圖等效視數計算公式如下:
[0079]ENL1 =(4)
VaryYj)
[0080]找出等效視數最大的一維信號，等效視數最大的認為是降噪後的SAR圖，然後將該一維圖像信號轉換成二維圖像，按照二維轉一維相逆的方法轉換成一個NXM像素點的灰度圖像。
[0081]實驗
[0082]本發明實驗數據使用的圖像如圖3-5所示，其為太空梭在SIR-C雷達L波段香港地區的一組圖像，象素為250*250，我們選取其中相對均勻的區域，主要包含的地物目標為島嶼和海洋，可將其主要部分即海洋認為是均勻場景。
[0083]運用傳統的Frost、Lee和Kuan三個統計類濾波器去噪結果如圖6?8所示,直觀看上去有很好的去噪效果，和本發明提出方法處理後的結果圖9比較可以看出，傳統方法處理後的圖像紋理特徵反而變差，特別是在灰度分布跳變明顯的邊緣區域，圖像邊緣紋理信息保持不足，比較結果說明了本發明的方法在相干斑抑制和邊緣細節保存方面有很大的優勢。
【權利要求】
1.一種基於偽PID的自然梯度的極化SAR圖像相干斑去噪方法，其特徵在於: (1)把同一時刻採集的一組η幅極化SAR圖轉換成一維矢量圖像，第i幅圖像表示為Xi,每一幅圖像的大小為NXM像素點，每一幅圖像把後一行的第一個像素點緊跟著前一行的最後一個像素點，得到一個長度為NXM的一維行矢量Xi，將所有的行矢量組成一個輸入圖像矢量信號X=...;
Λ, (2)對一維圖像信號進行預處理: X中減去均值矢量E(X)，使X為均值為零的變量；每一路信號Xi的數學期望採用算術平均值代替，第i路信號去均值為:
I NxM 其中t是數據點數； 通過特徵值分解Xtli的協方差矩陣B= ，其中D為i?特徵值組成的對角矩陣，Q為對應特徵值的特徵向量組成的矩陣，得到白化矩陣T = D_1/2Qt，由變換Z = TX0i得白化信號，最後得到白化數據Z ; (3)預處理之後的圖像信號通過使用偽PID自然梯度算法進行迭代解算得到分離矩陣，與白化後的信號相乘得到各個圖像一維信號輸出； 偽PID自然梯度算法的實現包括: (3.1)隨機初始化第一個分離矩陣W(I)有I Iw(I) 11 = 1，Y(I) = W(l)Z，k = I ; (3.2)初始化參數kp、k1、kd和η⑴=n(2) = α，計算分離度:
SD(^r) = |[/-/(F)Fr]^(/f)|^ 當k > 2時，
|Δ/;(/?) -/f/;*(SD(/f)-SD(/c-1))+/(/*SD(/v )+/vy/*(SD(/v)-2*SD(/c-1)+SD(/c-2))
'[77(/( +1) -1](k) + Αη[/
w(k+i) =w(k) + n (k) [1-f(Y)YT]w(k)更新權值矢量 w(k+i)；
yy (/c + I) (3.3)歸-化計算坤+1)=p^4;
(3.4)如果 I |W(k+l)-W(k) I I 彡 ε，則算法不收斂，計算 Y(k) = W(k+1) Z, k = k+Ι,返回(3.2)，否則算法結束輸出W，並計算Y = WZ ; (4)圖像重構:因為Y的每一個行向量就是一個一維圖像信號，計算各重構圖像的等效視數ENL，第i幅圖等效視數為: CM = E ⑷
'Var(Yj) 找出等效視數最大的一維信號，等效視數最大的是降噪後的SAR圖，將等效視數最大的一維信號轉換成二維圖像，按照二維轉一維相逆的方法轉換成一個NXM像素點的灰度圖像。
【文檔編號】G01S13/90GK104133196SQ201410373183
【公開日】2014年11月5日 申請日期:2014年7月31日 優先權日:2014年7月31日
【發明者】呂淑平, 張 成, 楊麗微 申請人:哈爾濱工程大學