多极化SAR图像的降斑研究
sar使用技巧
sar使用技巧SAR (Synthetic Aperture Radar) 是一种利用卫星或航空平台上的雷达系统获取地表信息的遥感技术。
它通过发射雷达波束并接收反射回来的信号，可以产生一种高分辨率、高精度的图像，具有跨季节、全天候的优势。
以下是一些 SAR 使用技巧：1. 图像解译：SAR图像通常呈现出灰度图像，对初学者来说理解起来可能有一定难度。
在图像解译过程中，可以根据地物的形状、纹理和阴影等特征作为识别的主要依据。
2. 去除斑点噪声：SAR图像常常会受到斑点噪声的影响，使得图像质量下降。
为了改善图像的可视性和准确性，可以使用滤波技术来去除斑点噪声，如中值滤波器或Lee滤波器。
3. 图像配准：SAR图像获取的时间和空间信息可能会有一定差异，因此当需要将多幅SAR图像进行对比分析时，需要进行图像配准。
常用的方法包括基于特征点的配准（如SIFT、SURF算法）和基于控制点的配准。
4. 清晰度增强：SAR图像的清晰度较低，某些细节可能无法清晰地展现出来。
对于SAR图像的清晰度增强，可以尝试使用直方图均衡化、维纳滤波器或Retinex算法等方法。
5. 地物提取：SAR图像中的地物通常与光学图像中的地物有所不同，这是因为SAR对地物的敏感性不同。
进行地物提取时，可以结合其他数据或者采用合适的特征提取算法（如极化特征提取）来提高准确性。
6. 高程信息提取：SAR图像能够获取到地物的高程信息，这对于地形分析和地物研究非常重要。
高程信息通常通过干涉SAR或雷达高程信息解算方法来提取。
7. 辅助影像处理：SAR图像可以与其他遥感数据（如光学图像、DEM数据等）进行融合处理，以得到更全面、准确的地表信息。
融合方法包括像元层面融合、特征层面融合和决策层面融合。
8. 目标检测：SAR图像的特点使得其在目标检测方面具有一定的优势。
常用的目标检测方法包括阈值分割、基于形态学的方法和基于特征的方法。
9. 变化检测：利用多时相的SAR图像进行变化检测，可以有效监测土地利用/覆盖变化、水体演化和灾害监测等。
SAR图像处理方法与研究应用前景
SAR图像处理方法与研究应用前景SAR图像几何校正 (2)概述 (2)SAR图像的几何特征 (2)SAR 图像几何纠正方法 (3)SAR图像斑点噪声 (3)概述 (3)斑点模型 (4)去除斑点噪声算法比较 (5)相干斑抑制技术的性能评估 (7)SAR图像分类技术 (7)雷达图像分类概述 (7)SAR图像分类传统技术 (8)SAR图像分类新方法 (8)采用新信息、新特征 (8)应用新理论 (10)SAR图像分割 (12)图像分割说明 (12)图像分割方法 (12)SAR图像特征信息提取 (13)特征提取说明 (13)特征提取方法 (13)SAR图像中目标的识别 (14)目标识别说明 (14)目标识别方法 (14)SAR图像融合 (15)图像融合概述 (15)SAR图像融合方法 (15)SAR图像恢复 (17)图像恢复说明 (17)图像恢复方法 (17)SAR图像解译 (17)SAR图像处理存在的问题 (17)图像处理现存的问题 (17)微波遥感有待进一步研究的问题 (18)SAR图像处理新进展 (19)SAR图像研究的应用 (20)引用领域 (20)SAR图像处理研究与应用的前景 (21)SAR图像几何校正概述雷达图像是斜距投影，原始图像的几何失真大，做定量的几何分析比较困难，因此，为了更好地利用雷达图像，必须对此进行几何校正。
星载SAR图像通常分为地距产品和斜距产品。
地距产品是系统中加入延时补偿装置以实现改正斜距投影，而斜距产品则没有加以改正。
地距产品是系统加以延时而产生的，它没有考虑到地形的变换所引起的变形，知识对由于斜视产生的时间延迟加以改正。
从某种意义上讲，它破坏了系统成像的几何关系。
如果利用构想方程来纠正，纠正的精度较差；如果把它当作中心投影并按多中心投影的几何关系来加以纠正，精度会高一些，这时因为地距产品影像与地形的关系接近于中心投影的几何关系。
但是它没有从根本上解决由于斜视对地形变化所产生的影像变化，所有纠正精度不很理想。
极化SAR图像特征提取与分类方法研究
极化SAR图像特征提取与分类方法研究极化SAR图像特征提取与分类方法研究近年来，随着合成孔径雷达（Synthetic Aperture Radar，SAR）技术的发展，极化SAR图像成为了遥感领域研究的热点之一。
由于极化SAR可以提供多个极化方向的回波强度、相位以及幅度信息，因此在目标探测、识别和分类等应用中具有广泛的潜力。
极化SAR图像特征提取是极化SAR目标分类的重要一环。
在不同天气条件、地形以及目标尺度的影响下，极化SAR图像的回波信号表现出多样化的特征。
为了充分挖掘这些特征信息，研究者们提出了多种方法。
首先，极化散射矩阵是极化SAR图像特征提取的基础。
极化散射矩阵描述了入射电磁波在目标上反射后的极化状态变化，包含了丰富的目标信息。
基于极化散射矩阵，可以提取一些基本的特征参数，如峰值散射强度、极化幅度信息等，以及一些高级特征参数，如极化比、极化度、散射矩阵形状特征等。
其次，极化分解是一种常用的特征提取方法。
极化分解可以将复杂极化SAR图像分解成若干个极化分量，每个极化分量代表了不同的散射机制。
通过对各个极化分量进行分析，可以提取出目标的细节信息和散射特征。
常用的极化分解方法包括：Pauli分解、Freeman-Durden分解、Cloude-Pottier分解等。
第三，小波变换是一种有效的特征提取方法。
由于极化SAR图像中的信息存在尺度多样性和方向多样性，传统的特征提取方法往往无法有效处理。
小波变换具有尺度可变性和方向可变性的特点，对于极化SAR图像的特征提取具有很大优势。
利用小波变换可以将极化SAR图像分解成不同尺度和方向的细节信息，进而提取出目标的边缘、纹理等特征。
最后，分类算法是将特征提取结果应用到实际问题中的重要一步。
常见的分类算法包括：最小距离分类器、支持向量机、人工神经网络等。
这些算法可以根据特征提取结果对目标进行分类判别，并具有一定的泛化能力。
综上所述，极化SAR图像特征提取与分类方法的研究具有重要的理论和实际意义。
SAR图像特点及其处理技术研究综述
SAR图像特点及其处理技术研究综述摘要：随着SAR成像系统的快速发展，SAR图像已经成为遥感领域主要的分析数据源。
SAR图像和传统光学图像相比有着独特的特点，主要包括其具有相干斑噪声、图像内容丰富且包含地物面积大、图像数据量大等。
针对这些特点，分析总结了SAR图像在应用前的处理技术，主要为SAR图像配准技术，对该技术进行了总结分析，并对未来SAR图像的处理提出了展望。
关键词：合成孔径雷达；SAR图像；图像配准引言：SAR是合成孔径雷达的简称，是一种具有距离高分辨能力和方位高分辨能力的成像雷达，可以获取地球的空间信息，具有全天候、全天时的特点。
随着SAR技术的快速发展，SAR图像的获取成本降低，获取也更加方便快捷，它的成像方式弥补了红外成像、可见光成像的缺陷，在民用和军事领域也发挥着越来越大的作用。
随着SAR成像技术的不断成熟，对SAR图像的解译与应用的研究显得更加迫切，SAR图像配准是不同的SAR图像之间融合的基础，也是SAR图像变化检测，提取兴趣目标的基础，具有重要的研究意义和广泛的应用前景。
一、SAR图像特点SAR图像是一种斜距投影的相干成像，因此在几何特性上与可见光图像有着很大的差异。
与传统的光学图像相比，由于成像照射角度、照射时长以及实际地物的变化等原因，导致SAR对相同场景的探测图像所对应的纹理和灰度不一致，SAR的成像系统不可避免的存在相干斑噪声对图像的精细结构、可分辨率和可理解性的破坏。
SAR图像可以用均值、方差、最大值、最小值和相关系数等统计特征来简单描述其特征。
方差主要体现了SAR图像中内容的活动性，最大值和最小值描述了SAR图像的动态范围。
SAR图像服从特定的统计特征，单视SAR幅度图像服从瑞利分布,多视图像服从2N个自由度的Γ分布。
同时因为受到乘性相干斑噪声的干扰，使得SAR图像中相邻像素的相关性降低,因此相比一般的光学图像，其特点十分显著。
二、SAR图像配准技术因为SAR图像与传统光学影像有较大的差异，所以传统的配准方法并不适合于SAR影像配准。
SAR图像相干斑抑制和分割方法研究
SAR图像相干斑抑止和分割方法探究一、引言合成孔径雷达（synthetic aperture radar，简称SAR）是利用微波作用在地面、大气、海洋等目标上，通过接收返回的电磁回波进行成像的一种主要的遥感技术。
然而，由于SAR 成像过程中的系统误差和复杂环境影响，SAR图像在成像中普遍存在相干斑现象，限制了图像的质量和应用。
相干斑是由于地物散射体在图像像素单元内的相位都是不同的，当SAR像元尺寸大于散射体的尺寸时，就会产生相位平均的效应，导致图像上出现亮暗混杂的斑状或斑块状的现象，给图像解译和目标识别带来很大的困难。
因此，抑止和分割相干斑是改善SAR图像质量、提高图像分析与解译效果的关键问题。
二、相干斑抑止方法探究1. 经典滤波方法常用的滤波方法有均值滤波、中值滤波、自适应滤波等。
均值滤波方法通过计算滑动窗口内像素的均值来平滑图像，有效地抑止了相干斑。
中值滤波方法利用图像像素的中值代替原始像素值，对于斑点噪声的抑止效果显著。
自适应滤波方法结合了均值和中值滤波的优点，依据局部像素灰度值和空间位置干系来对像素进行加权处理，从而更好地消除相干斑。
2. 多标准变换方法多标准变换方法通过对图像进行多标准分解，分别对不同标准的细节进行处理，从而抑止相干斑。
小波变换是一种常用的多标准变换方法，可以将图像分解为低频和高频重量，并对高频重量进行处理来抑止相干斑。
小波变换不仅能够抑止相干斑，还能够提取图像细节信息，提高图像的辨识度。
3. 基于局部统计特性的方法基于局部统计特性的方法包括Lee滤波、Frost滤波等。
Lee滤波方法通过预估图像的局部统计特性，对图像进行去相关处理，从而抑止相干斑。
Frost滤波方法则是利用地物散射体的空间相干性特征，在图像的空域和频域上同时对相位噪声进行预估和滤波，从而实现相干斑的抑止。
三、相干斑分割方法探究1. 基于阈值分割方法基于阈值分割方法是将SAR图像的灰度值与预设的阈值进行比较来实现分割的方法。
SAR相干斑抑制与图像压缩方法研究的开题报告
SAR相干斑抑制与图像压缩方法研究的开题报告1.研究背景合成孔径雷达（Synthetic Aperture Radar，SAR）是一种基于微波辐射的成像技术。
相比于其他成像技术，SAR成像不受天气、昼夜、云层等因素的干扰，同时具有高分辨率、广域覆盖、适应性强等优点，因此在军事情报、卫星遥感、灾害监测等领域具有重要应用。
然而，SAR 成像中会出现相干斑（Speckle），这是由于SAR接收到的信号在散射体上反射之后，由于移位、变形、干涉等因素而引起的相位差错，使反射信号相干叠加，导致图像的质量下降。
相干斑的存在会影响SAR成像的质量和精度，因此研究相干斑抑制方法对于提高SAR成像的质量和精度具有重要的意义。
2.研究目的和意义本研究旨在探究SAR相干斑抑制与图像压缩方法，具体目的和意义包括：（1）研究SAR相干斑产生的原因和影响，提出相应的抑制方法。
（2）探究不同的SAR相干斑抑制方法，进行比较和分析，选出较为优秀的方法。
（3）研究基于小波变换的图像压缩方法，在保持图像质量的前提下实现图像的压缩。
（4）将SAR相干斑抑制方法和图像压缩方法进行结合，提出一种新的SAR图像压缩方法。
本研究的意义在于提高SAR图像质量和精度，为SAR应用领域提供更加可靠的数据，促进军事情报、卫星遥感、灾害监测等领域的发展。
3.研究内容和方法（1）SAR相干斑的产生原因和影响分析SAR相干斑的产生原因，包括目标散射特性、地物覆盖、天气因素以及图像处理等因素。
研究SAR相干斑的影响，包括图像清晰度、细节信息损失、影响目标特征提取等因素。
（2）SAR相干斑抑制方法探究不同的SAR相干斑抑制方法，包括滤波方法、小波变换方法、相关性方法等，对比分析不同方法的优缺点。
在此基础上，提出一种改进的SAR相干斑抑制方法。
（3）基于小波变换的图像压缩方法研究基于小波变换的图像压缩方法，探究原理、优缺点和实现方法，实现图像压缩，并进行压缩率和失真度的分析。
SAR图像相干斑抑制与分割方法研究
SAR图像相干斑抑制与分割方法研究摘要：作为一种微波遥感技术，合成孔径雷达(synthetic aperture radar, SAR)具有分辨率高、穿透性强、全天时和全天候工作的独特优势，已被广泛用于军事、农业等领域。
SAR系统的相干成像原理，导致SAR图像中散布着大量具有乘性特性的相干斑噪声。
相干斑噪声的不均匀性和复杂性，严重阻碍了SAR图像后期的自动解译，例如影响了目标分割的准确度，为后续目标识别和追踪等应用增加了难度。
因此，开展SAR图像相干斑抑制与分割方法研究具有重要意义。
本文重点研究了SAR图像相干斑抑制，同时也初步研究了SAR图像分割，具体的研究工作如下：通过分析和比较经典空域滤波的抑斑性能，提出一种基于改进Frost滤波的抑斑方法。
该方法采用经典Lee或Kuan滤波系数控制Frost的滤波强度，实现SAR图像在不同场景下进行不同参数的Frost加权滤波，避免了过滤波或欠滤波的问题。
与经典空域抑斑方法的对比实验表明，该方法在视觉效果与参数指标上具有明显优势。
通过改进经典非局部平均(non-local means, NLM)方法，提出一种基于变差系数(coefficient of variation, CV)的非局部平均抑斑方法。
该方法的相似性测量采用经对数变换和高斯平滑处理后图像的高斯加权欧式距离，自适应衰减因子采用原始SAR 图像变差系数的倒数，最后由相似性测量参量和自适应衰减因子构成的新权重，对原始SAR图像进行非局部加权滤波。
与近年来几种抑斑方法的对比实验表明，该方法在保持边缘的同时，提高了高灰度同质区域的抑斑性能。
将SAR图像的统计特性加入非局部平均滤波过程中，提出一种自适应调节滤波强度的非局部平均抑斑方法。
该方法基于Lee滤波或Kuan滤波的估计模型，根据SAR图像的局域统计信息进行与之相符合的非局部加权滤波。
其中，非局部加权滤波的权重由基于均值比(mean ratio, MR)的相似性测量参量和基于变差系数的自衰减因子构成。
SAR图像处理的若干关键技术
SAR图像处理的若干关键技术SAR图像处理的若干关键技术合成孔径雷达（Synthetic Aperture Radar，SAR）是一种利用合成孔径波束形成技术获得高分辨率航天或地面观测图像的雷达。
相比于光学遥感，SAR具有天气无关性、全天候观测能力以及对地表遥感的穿透能力等优势。
然而，由于SAR的脉冲压缩、多普勒频率模糊、地形效应等因素，使得SAR图像的处理变得复杂而具有挑战性。
本文将探讨SAR图像处理的若干关键技术。
1. SAR图像去斑点和去噪技术SAR图像中存在着斑点和噪声，这会影响图像的可视化和后续处理。
去斑点和去噪技术旨在提高SAR图像的质量。
常见的方法包括小波去斑、中值滤波、自适应滤波以及基于稀疏表示的降噪方法等。
这些技术可以有效减少斑点和噪音，提高图像质量。
2. SAR图像去焦模糊技术合成孔径雷达通过接收连续多个雷达回波并对它们进行累积处理，以获得高分辨率图像。
然而，这种累积处理可能会导致图像模糊。
因此，需要进行去焦模糊处理。
常见的方法包括波前解扩、逆滤波和最大熵方法等。
这些方法可以有效去除图像的焦模糊现象，提高图像的分辨率。
3. SAR图像多普勒参数估计技术由于合成孔径雷达平台的运动，SAR图像中存在多普勒频率模糊现象。
为了恢复真实的地物信息，需要准确估计多普勒参数。
常见的多普勒参数估计方法包括基于最大熵准则的参数估计、基于相位解缠的参数估计和基于谱分析的参数估计等。
这些方法可以精确估计多普勒参数，降低图像的多普勒模糊程度。
4. SAR图像纹理特征提取技术纹理特征对于地物分类和目标检测具有重要意义。
SAR图像的纹理特征提取是指提取图像中的空间变化特征，并通过这些特征进行分类和检测。
常用的纹理特征提取方法包括灰度共生矩阵（GLCM）、小波变换和局部二值模式（LBP）等。
这些方法可以提取出图像中的纹理特征，为后续的分类和检测提供有效的数据支持。
5. SAR图像目标检测技术SAR图像中的目标检测是指在图像中准确地找出感兴趣的地物目标。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
［2］ 提出的最优加权法， 是直接利用多极化 SAR Lee 等人 图像的强度或幅度实数值进行运算的， 不要求多极化 SAR 的
复数据 . 利用三种极化图像间的相关性， 在同质区域内， 选择 适合的加权运算得到保持了原有电磁特性的降斑后的 HH、 HV 和 VV 极化图像 . 假定斑点噪声可以表示为乘性噪声， 即： （ I， （ I， （ I， （3） Z l） =X l） V l） （ ， ） 是 图像上位于 （ ， ） 的像素点的强度或幅度值 Z I l SAR I l （ I， 是照射区域对雷达波的随机反射过 （有斑点的辐射） .X l） 程 （无斑点的辐射） ， （ I， 是斑点噪声， 服从均值为 1， 标准 V l） 偏差为O1 的分布 . X （ I， 和V （ I， 统计独立 . l） l） 文 ［4］ 中认为在同质区域中： （ z） （4） （ z） /E O1 = ! Var 其中O1 表示图像上斑点的强度值， 又称为变异系数 . 单视强 度图像中的同质区域有O1 = 1 . 对于多极化 SAR 图像而言， 方程式 （3） 可以写成 zi = xi1i ， i = 1， 2， 3 （5） 其中 i = 1， 2， 3 分别对应于 HH， HV， VV 三种极化 SAR 图像 . 多极化图像间对应斑点的相关系数P12 ， P13 ， P23 定义为： ［ （ 1i - 1） （ 1 - 1） ］ /O1O1 Pi = E i 图像等视数时， 1 的变异系数， O1i ， O1 是斑点 1i ， O1i =O1 . 多极化图像间对应像素点 Zi ， Z 之间的相关系数定义 为： （ zi ， z） = P ［ （ zi -" （ z -" ］ E zi） z） 2 2 " " ［ （ zi - z i ）］ ［ （z - z ） ］ E !E （7） （6）
Abstract： The avaiiabiiity of fuiiy poiarimetric SAR data makes it possibie to utiiize the co-poiarized and cross-poiarized images for speckie reduction. In this paper， many of the despeckiing processing methods is introduced in detaii. The part weighting aigoa series of experirithm is proposed. With minimum resoiution broadening and coupiing between poiarimetric and freguency channeis， mentai resuits about image speckie reduction demonstrate the effectiveness and iess computationai ioad. Key words： muitipoiarization SAR imagery； speckie reduction； the optimai weighting aigorithm； the part weighting aigorithm
!
概述
当 SAR 发射的相干电磁波照射目标时， SAR 图像上会产
一种改进的极化白化滤波器法， 直接用图像的强度值计算像 素点间的强度比， 而相关系数仍然需要用复数据计算得到 . 以 上方法都是将多极化图像合成一幅图像， 损失了极化信息， 极 化白化滤波器法还需要复数据， 限制了其应用的范围 .
［2］ 提出了另一种方法： 最优加权法 . 这种方法不 Lee 等人 是把得到的 HH， ， 三种极化图像合成为一幅图像， 而是 HV VV
!
多极化 "#$ 图像降斑算法的原理
多极化 SAR 数据可用复散射矩阵来表示： !=
[
Shh S1h
Sh1 S11
]
（1）
因而也可以定义一个复矢量 由于天线的互易性， 有 Sh1 = S1h ， 来表示多极化 SAR 数据：
因为在同质区域中有： ［ xi ］ ， 所以 x （ x1 11 + ax1 12 xi = E ^i = ） （ ） + 6x1 13 / 1 + a + 6 . 选择合适的加权值 a ， 6 使 最小 . 则有
Shh " = Sh1 S11
（2）
G =0 和 G =0 Ga G6 经代入推导可以得出结论：
（1 -P13） （1 -P23 +P13 -P12） a= （1 +P23 -P13 -P12） （1 -P23） （1 -P11 -P23） （1 +P23 -P13 -P12） （10） （11）
［1］ 像间的相关性， 提出了极化白化滤波器法， 就 Novak 和 Buri 是假设已知 HH， 利用单 HV， VV 图像间的强度比和相关系数，
这样既对 通过运算分别得到降斑后的 HH， HV， VV 极化图像， 每一种极化图像进行了降斑， 又能更好将极化信息用于后续 的目标识别 . 最优加权法是基于乘性噪声模型建立的， 其最大 的优点在于能直接利用多极化 SAR 图像的强度或幅度值， 而 不需要复极化散射矩阵 . 单视多极化 SAR 图像经过处理后， 其降斑的效果等同于用二到三视处理后的效果 . 但是这种方 法计算量较大， 适合于一些对实时性要求不高的精细图像分 析， 对于那些对快速性要求较高或是粗判读的场合， 这种方法 的时效性差 . 随着 SAR 技术的发展， 不断获得大量有效的多极化 SAR 数据， 要求提高 SAR 图像的解译和分类速度， 更快地获得更 多的信息， 因而对算法的时效性要求越来越高 . 本文在研究了 最优加权法原理的基础上， 对其进行了改进， 提出了分块加权 法 . 分块加权法不是对 SAR 图像上每一像素点进行加权， 而 是对 SAR 图像分区域加权 . 与最优加权法相比， 它显著降低 了运 算 量， 提 高 了 SAR 图 像 的 分 析 处 理 速 度， 而且并没有
生相干斑噪声， 引起图像质量的恶化， 使得 SAR 图像的自动 解译和自动分类工作产生困难 . 在早期的 SAR 成像处理中， 采用多视处理以减少斑点噪声， 即： 在方位向或距离向上将 并将这 N 个部分作为独立图像 SAR 系统带分割成 N 个部分， 分别合成， 利用这 N 个部分的非相干性， 将 N 个图像叠加取 平均值， 使得图象的斑点噪声降低了 N 倍， 但图像的分辨率 也相应地降低了 N 倍， 损失了图像中大量的纹理和边缘信 息， 使图像模糊 . 对于多极化 SAR 数据， 由于各种极化组合图像间的相关 性， 可用极化信息来取得降斑的效果 . 多极化 SAR 数据是由 雷达发射和接 收 的 水 平 极 化 和 垂 直 极 化 的 四 种 组 合 （ HH， 组成 . 在理想情况下， 这四种极化所成的图像上 HV， VH， VV） 的斑点是非相关的， 进行简单的平均就能使斑点噪声减少一 半 . 但实际情况是， 由于天线的互易性， 两种交叉极化 HV 和 而两种同极化 HH 和 VV 所成的图 VH 所成的图像是相同的， 像是相关的， 并且同一目标在同极化和交叉极化中的散射也 不相同， 使用简单叠加方法的降斑效果并不明显 . 利用极化图
第2期 2003 年 2 月
电 子 学 报 ACTA ELECTRONICA SINICA
Voi . 31 No. 2 Feb. 2003
多极化 SAR 图像的降斑研究
胡艳芬， 王宝发
（北京航空航天大学电子工程系 205 教研室， 北京 100083）
摘 要： 对于多极化 SAR 图像， 可以利用其同极化和交叉极化图像的相关性来进行降斑处理 . 本文对常用的几 种基于多极化 SAR 图像的降斑方法进行了分析， 重点研究了最优加权法 （ the optimai weighting aigorithm） ， 在其基础上改 进提出了分块加权法， 取得了明显的降斑效果， 并较大地减少了运算量 . 最后利用实测的 SAR 数据进行了验证 . 关键词： 多极化 SAR 图像；图像降斑；最优加权法；分块加权法 TN957 文献标识码： A 文章编号： 0372-2112（2003）02-0207-04 中图分类号：
［2］ 本文对 Lee 等人提出的最优加权法进行了改进 . 由于
实际目标可以看成是由许多理想点目标组成的 . 当相干电磁 波照射实际目标时， 其散射回波不完全由地物目标的散射系 数决定， 而是围绕这些散射系数有很大的随机起伏 . 这种起伏 在图像上的反映就是相干斑噪声， 因而， 相干斑噪声在很大程 度上是 SAR 图像的一种固有特性 . 考察实际的 SAR 图像可以 发现， 大部分无特征变化的区域都可视为同质区域 . 因此， 按 照最优加权法逐点选择以其为中心的窗口来计算强度比、 相 关系数和均值没有必要 . 选定一个窗口 （例如 7 > 7） ， 如果是 在同质区域， 式 （9） — （11） 也适用 . 以该窗口计算得到强度比、 相关系数和均值， 来对该窗口内每一点进行降斑处理， 降斑效 果会更好 . 如果该窗口内不是同质区域， 由于相干斑噪声是 利用式 （9） — （11） 对窗口内的每一 SAR 图像的一种固有特性， 点进行降斑处理， 也有较好的降斑效果 . 这样， 依次挪动一个 窗口的距离进行运算， 就能得到整幅降斑后对应的极化图像 . 由于这种方法将图像分割成窗口大小的许多块， 因而称为分 块加权法 . 其原理与许多基于轮廓线的分块处理方法是类似
视多极化的复数据进行运算来实现降斑 . 在文 ［1］ 中还提出了
收稿日期： 修回日期： 2001-08-02； 2002-12-16 基金项目： 国防科技重点实验基金 （ No. 00JS67 . 1 . 1 . HK0101）
2
电
子
学