微波遥感原理及应用影像教学实验.pdf

《微波遥感原理及应用影像教学实验.pdf》由会员分享，可在线阅读，更多相关《微波遥感原理及应用影像教学实验.pdf（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、-微波遥感原理与应用影像教学实验微波遥感原理与应用影像教学实验 2 2指导教师：报告人：*：班级：1.1.利用利用 BESTBEST 获取后向反射系数获取后向反射系数BEST：根本 Envisat SAR 工具箱The Basic Envisat SAR Toolbo*是一组可执行软件工具，旨在便于使用 ESA SAR 数据。1.11.1头文件分析头文件分析 Header AnalysisHeader Analysis1.21.2提取全分辨率图像提取全分辨率图像 Full Resolution E*tractionFull Resolution E*traction1.31.3数据转换振幅数据

2、转换为功率数据数据转换振幅数据转换为功率数据 Amplitude to powerAmplitude to power1.41.4提取后向散射系数提取后向散射系数 calibration/backscattering image generationcalibration/backscattering image generation1.51.5几何校正几何校正 geo correctiongeo correction1.61.6输出图像输出图像 e*port backscattering image to Geotife*port backscattering image to Geotif

3、2.2.斑点噪声滤波斑点噪声滤波2.12.1斑点噪声产生的机理斑点噪声产生的机理SAR 成像系统是基于相干原理的，而这一理论根底存在着原理性缺陷，这个缺陷表现为：在雷达回波信号中，相邻像素点的灰度值会由于相干性而产生一些随机的变化，并且这种随机变化是围绕着*一均值而进展的，这样就在图像中产生了斑点噪声。而斑点噪声的产生是由于 SAR 成像所基于的相干原理所造成的缺陷，因此是不可防止的。从产生机理上讲，SAR 图像中的斑点噪声是由于雷达目标回波信号的衰落现象所引起的。而信号的衰落过程是这样产生的：同时被照射的有多个散射体，当雷达目标和雷达站之间具有相对运动时，这多个散射体与雷达之间具有不同的路程

4、长和不同的径向速度，这使得雷达接收机接收到的信号产生一定的随机起伏，从而使 SAR 对目标散射系数的测量产生很大的偏差。最终表现在图像上，就产生了不可防止的斑点噪声现象。因此，斑点噪声的不可防止性决定了要想得到高质量的SAR 图像，如何有效地抑制斑点噪声是关键所在。2.22.2斑点噪声的乘性模型斑点噪声的乘性模型在 SAR 图像中，斑点噪声是由于信号的衰落引起的，而且通过对SAR 图像的观察，人.z.-们发现该图像具有这样的特点：在均匀区域，被斑点污染得越厉害的区域，在图像上表现得越亮，因此，人们设想斑点噪声的模型为乘性的。后来通过对 SAR 图像的统计，对斑点完全发育的 SAR 图像建立了乘

5、性噪声模型这个模型成为人们研究SAR 的根底。完全发育的斑点噪声的概念是由 Goodman 提出的，斑点噪声只有在每个分辨单元，必须同时满足以下的三个条件才是完全发育的斑点噪声，而这个三个条件依次为：1有大量的散射体，且相位和幅度都统计独立的；2不同散射体的幅度服从同一的统计分布；3它们的相位是上的均匀分布。斑点完全发育的区域，表现在图像上，为均匀区域或者是弱纹理区域。在满足完全发育的条件下斑点噪声的乘性模型为：。其中，(*,y)分辨单元中心像素空间方向和距离方向的坐标；I(*,y)是观察到的图像强度被斑点污染；R(*,y)是随机的雷达回波未被噪声污染；F(*,y)是衰落过程所引起的斑点噪声过

6、程。并且，随机过程R，F 是相互独立的。2.32.3SARSAR 影像斑点噪声的抑制方法及结果影像斑点噪声的抑制方法及结果2.3.12.3.1SigmaSigma 滤波滤波Sigma 滤波是基于高斯分布的Sigma 概率，它通过对滤波窗口落在中央像素的两个Sigma围的像素进展平均来滤除影像噪声。高斯分布的两个 Sigma 概率是 0.955，即高斯分布随机样本的 95.5%都落在其均值的两个标准偏差围。事先计算出所有灰度级例如256 个灰度级的Sigma 围，并存储在数组中。对滤波窗口的中央像素，从数组中提取出Sigma 围值，将窗口像素与这些上下限进展比拟，对落在上下限的像素进展平均，并用

7、平均值来替代中央像素的值。落在这两个 Sigma 围之外的像素将被忽略。如果没有其它窗口像素落在两个 Sigma 围时，引入一个阈值 KS，如果落在 Sigma 围的像素总数小于或等于 KS 时，就用中间像素的四个最近的相邻像素的平均值来替代。2.3.22.3.2LeeLee 滤波滤波在缺乏信号*的准确模型的情况下，使用影像本身从 33 或其它的滤波窗口的局域均值z 和局域方差 var(z)来估计信号的先验均值和方差。根据乘性噪声模型，信号*的先验均值和方差可以这样来估算：假设线性滤波器的形式为，这里，。要注意的是必须确保 var(*)为非负，如果为负则置var(*)为 0，否则可能在影像上引

8、入认为的噪声成分。这一滤波方法的直观解释是，在均匀区域var(*)=0，滤波后的像素值窗口像素的平均值；对于高反差区域或边缘，var(*)较大，像素本身的值。该滤波器存在一个问题是边缘区域的噪声并没有被平滑。2.3.32.3.3FrostFrost 滤波滤波Frost 滤波器是特定大小窗口的像素值和指数脉冲响应m 卷积的 Wiener 自适应滤波器：其中 K 是滤波器参数，代表中心像素的位置，|t|是距的距离。这种响应是由目标反射率的自回归指数模型得到的。Frost 滤波器采用的斑点噪声模型采用的形式如下：。这里是系统响应函数，“*为卷积算子。尽管该算法适用于任何系统响应函数，但在通常的应用中

9、，一般假定为delta 函数(例如假定的功率谱密度在感兴趣的波段宽度上是不变的)。最小均方滤波器形式如下：。这里t 对应于空间域中像素之间的距离。选择脉冲函数m(t)，.z.-使下式最小：。按照频率域中 Wiener 滤波器的推导，可以容易地找到上式的解：，。衰减常数的大小取决于*，var(*)和 a。在应用中，a 取作一个常数，尽管它应当是与具体图像有关的。其他两个量则通过55 窗口像素的局域均值和方差来估计。2.3.42.3.4Gamma MAPGamma MAP 滤波滤波对于多视 SAR 图像，通过假设影像概率密度函数 pdf 为 Gamma 分布，应用最大概率MAP滤除相干斑噪声，可得

10、到Gamma MAP 滤波器：其中，异质参数为。图像的局域方差系数。和分别表示滤波窗口图像像素的标准差和均值，相干斑的局域方差系数，时视数。值得注意的是，下式只适用于多视 SAR 图像，处理单视图像时会存在估计偏差，必须对下式作无偏修正。单视图像的无偏MAP 估计为：基于小波分解的阈值滤波小波阈值主要有两种方法：一种是软阈值(Soft Thresholding)方法，就是将小于*一阈值的小波系数以 0 来代替，并将大于阈值的小波系数减去阈值作为新的小波系数的值；另一种是硬阈值(Haard Thresholding)方法，就是直接将小于阈值的小波系数用0 代替，而大于阈值的值不做处理。软阈值去噪

11、公式为：硬阈值去噪公式为：其中，软阈值的方法适用于小尺度，这是因为噪声集中在小尺度上，采用软阈值可以使其收缩(变小)，减小其在重建的图像中所占的比例，这样就最大限度的减小了噪声的影响。反之，因为在大尺度由于噪声成分相对较少，所以大于阈值的小波系数可以保存不变，这样图像的特征就不会因为小波收缩而被削弱。硬阈值方法可以很好保存信号边缘等局部特征，但信号会出现整体失真现象；软阈值的处理相对要平滑一点，但可能会造成信号边缘模糊等局部失真现象。因此我觉得在应用的时候，可以将两者结合，取适宜的权值。1信号和噪声的交点作为阈值将近似局部经多层分解所得的近似局部视为无噪的信号局部，将细节局部所得的细节局部视为

12、噪声成分。具体步骤为：将影像进展小波分解，做出近似局部经多层分解所得的近似局部和细节局部所得的细节局部的统计曲线图，其交点所对应的横坐标视为阈值；然后进展软、硬阈值。以下图为一信号噪声统计曲线图，其中绿色为噪声信号，红色为无噪信号。2基于小波系数的 SOT 构造进展滤波如上图，影像通过小波变换后，按其频带从低到高形成一个树状构造，树根是最低频带的结点，它有 3 个子女，分别位于次低频子带的相应位置；其余子带(最高频子带除外)的结点都有 4 个子女，位于高一级子带的相应位置，这样图 1 中的 3 级小波分解就形成深度为4 的树。基于小波域中 SOT 构造的相干斑噪声抑制的算法步骤:选取参数，将原

13、始 SAR 影像进展 3 次分解，设置一样的阈值。对分解的所有小波系数，基于SOT 在处设置阈值。即：以的系数为根节点，对、和设置阈值一对一关系；以、和的系数为根节点，分别对、和设置阈值一对四关系；以、和的系数为根节点，分别对、和设置阈值一对四关系；进展阈值处理，即对 9 块系数分别进展阈值处理。.z.-进展逆小波变换。附录noisy=ImageDataImportD:wuhan_sub.tif;dwd=DiscreteWaveletTransformnoisy,CDFWavelet;thr=WaveletThresholddwd,SmoothGarrote;inv=InverseWaveletTransformthr;BinaryWriteD:wuhan_wave.dat,inv,Real32;.z.