抑制SAR圖像相干斑的迭代方向濾波算法

朱 磊 水鵬朗 章為川

?

抑制SAR圖像相干斑的迭代方向濾波算法

朱 磊*①②水鵬朗②章為川①

①(西安工程大學電子信息學院 西安 710048)②(西安電子科技大學雷達信號處理國家重點實驗室 西安 710071)

為保護SAR圖像邊緣特征并有效提高對乘性相干斑噪聲的抑制性能，該文提出一種基于迭代方向濾波的抑制圖像相干斑新算法。該算法先借助高斯-伽馬平行窗估計出的比率邊緣強度映射(ESM)與方向信息，自適應地控制各向異性高斯核(AGK)，生成沿ESM方向分布的具有各向異性支撐區域的局域窗。然后將SAR圖像多種局部統計參量聯合作為衰減因子，形成與SAR圖像區域分布特性相適應的負指數衰減型加權系數，進而將負指數衰減型加權系數與局域窗帶方向的各向異性支撐區域結合形成局域加權的方向濾波。最后對SAR圖像迭代地進行方向濾波即可實現帶邊緣保護的相干斑抑制。實驗結果表明，與多種抑斑算法相比，該文算法在SAR圖像抑斑與邊緣保護方面均獲得了更好的性能。

合成孔徑雷達圖像；相干斑；迭代方向濾波(IDF)；邊緣強度映射(ESM)；各向異性高斯核(AGK)

1 引言

乘性相干斑噪聲是合成孔徑雷達(SAR)這類相干疊加成像系統的必然產物，其嚴重降低了SAR圖像的視覺質量，極大地影響了目標識別、特征提取等后續解譯處理的效果與性能。因此，抑制SAR圖像中的相干斑對于改進成像質量，提高后續解譯處理效果都具有十分重要的意義。目前，SAR圖像主要的抑斑算法可分為3類[1]：空域濾波、偏微分擴散濾波與變換域濾波。以經典的KUAN濾波[2]，FROST濾波[3]及其改進算法[1,4,5]為代表的空域濾波，借助滑動窗口估計出的圖像局部統計特性來完成濾波，具有較好的抑斑能力且算法簡單實時性好，但噪聲抑制和邊緣細節保護受窗尺度設置影響較大且常出現部分區域噪聲抑制不充分的問題。以各向異性擴散[6]及其改進算法[7,8]為代表的擴散濾波，利用圖像局部結構信息來控制擴散的方向與強度，從而在噪聲抑制與邊緣保護上效果較好，但容易引起圖像動態范圍減小以及由于擴散次數設置不佳而產生的圖像細節模糊或抑斑不充分現象。以小波變換[9,10]，Shearlet變換[11]及Contourlet變換[12,13]等為代表的變換域濾波，根據子帶變換系數的特征設計濾波策略，能有效抑制高頻噪聲，可較好地兼顧同質區抑斑和邊緣細節保護。但算法需進行空域與變換域的分解與重構，復雜度與計算量較大，同時容易造成偽吉布斯現象。

為此，本文以負指數衰減型加權濾波模型為基礎，提出了一種迭代方向濾波(IDF)新算法。相對于傳統空域濾波，IDF算法主要進行了以下改進：其一，利用方向，各向異性程度與等效尺度均不相同的自適應變尺度局域窗代替傳統各向同性的固定尺度局域窗。這種自適應變尺度域局域窗，需先借助高斯-伽馬平行窗估計比率邊緣強度映射(ESM)與方向信息，然后利用ESM與方向信息自適應地控制各向異性高斯核(AGK)沿ESM方向生成各向異性支撐區域。而各像素的各向異性支撐區域會隨其ESM估計值大小與方向的不同而呈現出較大的差異，具體來講：在同質區，局域窗會呈現出趨近于各向同性，且具有較大等效窗尺度的弱各向異性支撐區域，在邊緣附近，則會呈現出沿邊緣方向分布，且具有較小等效窗尺度的強各向異性支撐區域，從而形成既有利于抑制同質區相干斑，又有利于保護邊緣細節特征的各向異性局域窗。其二，利用多種局部統計參量替代傳統單一局部統計參量來形成聯合衰減因子，而由聯合衰減因子形成的負指數型加權系數，不僅與SAR圖像局域分布特性相適應，而且由于更多局域統計信息的融入，還為后續迭代濾波實現邊緣保護提供了更有效的聯合檢測統計量。其三，利用方向加權濾波代替傳統的無方向加權濾波。由負指數型加權系數與帶方向各向異性支撐區聯合產生的方向濾波，會在邊緣附近沿邊緣方向形成具有強各向異性的較小等效尺度局域窗，從而不僅可以抑制邊緣區域的相干斑，而且還能有效阻止邊緣細節被過度平滑。其四，利用迭代濾波替代傳統單次濾波，使得同質區相干斑得到充分抑制的同時，邊緣區域噪聲也將得到有效抑制。

2 經典的FROST濾波與KUAN濾波

雖然同為MMSE濾波器，但兩類濾波卻在抑斑效果上存在顯著差異，圖1展示了兩類濾波的抑斑效果差異：(1)在同質區，FROST濾波與KUAN濾波都具有較好的抑斑性能，但KUAN濾波抑斑圖像有大量隨機點噪聲殘留；(2)在邊緣區域，FROST濾波抑斑更充分，但容易造成邊緣細節損失且強對比度區域附近會出現區域收縮現象，而KUAN濾波則能有效阻止邊緣平滑與強對比度區域附近出現區域收縮，但會由于噪聲平滑不足而形成明顯的邊緣噪聲帶；(3)對于FROST濾波，當取較小值時，相干斑抑制性能較好而邊緣保持性能較差，反之則相反；(4)對于KUAN濾波，當窗尺度較大時，同質區相干斑抑制性能較好而邊緣噪聲帶較寬，反之則相反。兩類濾波在抑斑效果上的顯著差異是由不同的濾波模型與加權系數估計方法共同決定的，FROST濾波采用負指數加權模型，且衰減因子只受觀測值的變差系數控制，而KUAN濾波則采用線性加權模型，且權重系數受觀測值與相干斑的變差系數共同作用。

3 邊緣強度映射(ESM)與各向異性高斯核(AGK)

3.1 邊緣強度映射ESM

圖1 不同參數下FROST濾波與KUAN濾波的抑斑效果對比

3.2 各向異性高斯核(AGK)

具有方向的AGK可表示為

4 迭代方向濾波(IDF)算法

4.1 估計帶方向的AGK支撐區域

其中

4.2 估計多參量聯合作用的加權系數

圖3 SAR圖像不同區域像素的AGK支撐區域對比

SAR圖像位置處像素的觀測值()在窗下的變差系數可表示為

其中

4.3 形成加權方向濾波

將由式(7)形成的帶方向AGK支撐區域與式(8)估計的多個局域參量聯合作用的加權系數結合，就形成了負指數衰減型的加權方向濾波，如式(10)所示：

4.4 IDF算法中主要參數設置討論

IDF算法主要涉及如下幾個參數：加權濾波矩形窗的尺度，用于ESM估計的高斯-伽馬平行窗的尺度，用于局域統計量估計的矩形窗的尺度以及迭代次數。

4.5 IDF算法復雜度分析

另外，為了獲得較好的相干斑抑制效果，變換域濾波往往需要進行多層子帶分解與重構，并且需要存儲各層子帶的全部系數，特別是抑斑效果較好的非下采樣型變換域濾波，由于其各層子帶系數的尺度均與原始SAR圖像尺度一致，故其時間與空間復雜度都明顯高于IDF算法。各向異性擴散濾波在一次迭代中的時間與空間復雜度與FROST等傳統空域濾波相近，但為獲取較好的抑斑效果，往往需要進行上百次迭代濾波，而IDF算法一般僅需2~5次迭代，因此，各向異性擴散濾波的時間復雜度也大于IDF算法。綜上，IDF算法在時間復雜度上雖不及FROST等傳統空域濾波算法，但卻明顯優于各向異性擴散濾波算法與變換域濾波算法，這一點從第5節表1，表2中各算法計算時間指標的對比實驗得到驗證。

5 實驗結果

從表1，表2所示的抑斑參數對比來看：本文算法不僅在ENL與R兩項評價抑斑能力的指標上優于其它算法，而且在EKI與P兩項評價邊緣保護能力與輻射特性保持指標上也優于其它算法，雖然表征算法時間復雜度的指標高于FROST濾波與KUAN濾波，但卻優于SRAD濾波與NSCT濾波。從圖5所示抑斑圖像視覺比較可以發現：IDF算法獲得的抑斑圖像均勻區域更平滑，同時邊緣保持更完整清晰，沒有FROST抑斑圖像的邊緣細節損失與圖像區域收縮現象，沒有KUAN抑斑圖像明顯的孤立點噪聲與邊緣噪聲帶散布，沒有SRAD抑斑圖像的邊緣模糊現象，也不存在NSCT抑斑圖像的虛假條紋。從圖6所示的抑斑圖像的邊緣檢測結果比較可以發現：IDF算法抑斑圖像獲得的邊緣檢測結果與其它抑斑算法相比，檢測出的虛假邊緣少，也與真實邊緣最接近。綜上，從目視效果與參數指標比較來看，IDF算法對仿真SAR圖像與真實SAR圖像均取得了較好的效果，特別是相干斑抑制能力較為突出。

圖4 實驗輸入SAR圖像

表1各算法對圖4(a)的抑斑參數對比

算法VENLRERVVEKIT 1區2區 理想值－－10.0911－ FRSOT146511310.9710.1180.523 2.2 KUAN 505 5980.9780.0820.798 0.9 SRAD1030 8240.9810.1090.55768.8 NSCT 623 5921.0300.1040.779904.5 IDF611839830.9870.0970.93238.6

表2各算法對圖4(b)的抑斑參數對比

算法VENLRERVVEKIT 1區2區 理想值－－10.0911－ FRSOT792421.0140.1610.318 2.0 KUAN582520.9760.0470.787 0.7 SRAD501840.9800.0800.510 43.2 NSCT601081.0300.0610.771711.3 IDF933670.9870.0880.893 33.7

6 結束語

先借助高斯-伽馬平行窗估計比率ESM與方向信息，再由ESM與方向信息自適應地控制AGK生成既有利于抑制同質區相干斑，又有利于保護邊緣特征的帶方向各向異性支撐區域。利用多個局域參量聯合形成負指數衰減型濾波加權系數，使得加權系數不僅與SAR圖像局部統計特性相適應，而且還為在迭代濾波中防止邊緣過度平滑提供了更有效的聯合檢測統計量。將負指數型加權系數與帶方向AGK支撐區域結合形成方向濾波，從而不僅可以抑制邊緣區域上的噪聲，而且還能有效保護邊緣細節。利用迭代濾波替代傳統單次濾波，使得同質區更平滑，同時邊緣區域噪聲也將得到進一步抑制。

圖5 各算法對圖4各幅SAR圖像的抑斑圖像對比

圖6 各算法抑斑圖像的邊緣檢測結果對比

[1] 朱磊, 水鵬朗, 章為川. 利用區域劃分的合成孔徑雷達圖像相干斑抑制算法[J]. 西安交通大學學報, 2012, 46(10): 83-89.

Zhu Lei, Shui Peng-lang, and Zhang Wei-chuan. A despeckling algorithm for synthetic aperture radar images using region subdivision[J]., 2012, 46(10): 83-89.

[2] Kuan T. Adaptive restoration of image with speckle[J]., 1987, 35(3): 373-383.

[3] Frost V, Stiles J, Shanmugan K,.. A model for radar images and its application to adaptive digital filtering of multiplicative noise[J]., 1982, 4(2): 157-166.

[4] 李光廷, 禹衛東. 基于自適應Bilateral濾波的SAR圖像相干斑抑制[J]. 電子與信息學報, 2012, 34(5): 1076-1081.

Li Guang-ting and Yu Wei-dong. SAR image despeckling based on adaptive bilateral filter[J].&, 2012, 34(5): 1076-1081.

[5] 張毅, 張強, 王宇. 抑制SAR圖像相干斑的自適應紅黑窗濾波算法[J]. 系統工程與電子技術, 2012, 34(8): 1576-1580.

Zhang Yi, Zhang Qiang, and Wang Yu. Adaptive red-black window algorithm for SAR image speckle reduction[J]., 2012, 34(8): 1576-1580.

[6] Yu Y and Acton S. Speckle reducing anisotropic diffusion[J]., 2002, 11(11): 1260-1270.

[7] Yu Jin-hua, Wang Yuan-yuan, and Shen Yu-zhong. Noise reduction and edge detection via kernel anisotropic diffusion[J]., 2008, 29(10): 1496-1503.

[8] Liu Guo-jin, Zeng Xiao-ping, Tian Feng-chun,.. Speckle reduction by adaptive window anisotropic diffusion[J]., 2009, 89(11): 2233-2243.

[9] 朱磊, 水鵬朗, 武愛景. 一種SAR圖像相干斑噪聲抑制新算法[J]. 西安電子科技大學學報, 2012, 39(2): 80-86.

Zhu Lei, Shui Peng-lang, and Wu Ai-jing. New algorithm for reducing speckle noise in the SAR image[J]., 2012, 39(2): 80-86.

[10] Bhuiyanr M, Ahmad M, and Swamy M. Spatially adaptive wavelet-based method using the cauchy prior for denoising the SAR images[J]., 2007, 17(4): 500-507.

[11] 張小華, 陳佳偉, 孟紅云. 基于非下采樣Shearlet和方向權值鄰域窗的非局部均值SAR圖像相干斑抑制[J]. 紅外與毫米波學報, 2012, 31(2): 159-165.

Zhang Xiao-hua, Chen Jia-wei, and Meng Hong-yun. SAR image despeckling: based on non-local means with non-subsample Shearlet and directional windows[J]., 2012, 31(2): 159-165.

[12] 常霞, 焦李成, 劉芳, 等. 基于斑點方差估計的非下采樣Contourlet域SAR圖像去噪[J]. 電子學報, 2010, 38(6): 1-6.

Chang Xia, Jiao Li-cheng, Liu Fang,.. Sar image despeckling based on the estimation of speckle variance in nonsubsampled contourlet domain[J]., 2010, 38(6): 1-6.

[13] 賈建, 陳莉. 基于雙變量模型和非下采樣Contourlet變換的SAR圖像相干斑抑制[J]. 電子與信息學報, 2011, 33(5): 1088-1094.

Jia Jian and Chen Li. SAR image despeckling based on bivariate threshold function in NSCT domain[J].&, 2011, 33(5): 1088-1094.

[14] Jesper S, Henning S, Allan A,.. CFAR edge detection for polarimetric SAR images[J]., 2003, 41(1): 20-32.

[15] Shui Peng-lang and Chen Dong. Edge detector of SAR images using Gaussian-Gamma-shaped bi-windows[J]., 2012, 9(5): 846-850.

朱 磊： 男，1979年生，副教授，從事數字圖像處理、嵌入式系統等研究.

水鵬朗： 男，1967年生，教授，博士生導師，從事子波理論、圖像處理與目標檢測等研究.

章為川： 男，1981年生，講師，從事數字圖像處理研究.

SAR Image Despeckling Algorithm Based on Iterative Direction Filtering

Zhu Lei①②Shui Peng-lang②Zhang Wei-chuan①

①(,,’710048,)②(,,’710071,)

In order to preserve the SAR image edge characteristics and improve the suppression performance of multiplicative speckle noise in SAR image, a new despeckling algorithm based on iterative direction filtering is proposed. Firstly, the ratio Edge Strength Map (ESM) and direction information are estimated by Gaussian-Gamma-shaped bi-windows, and anisotropic support domain along the ESM direction is obtained with the ESM and direction information to adaptively control the Anisotropic Gaussian Kernel (AGK) in rectangular local window. Secondly, the decay factor is obtained by combining several local statistics, and the negative-exponential weighting coefficients are produced by the decay factor and are adaptive to the characteristics of regional distribution of SAR image. Thirdly, direction filtering is formed by combining the negative-exponential weighting coefficients and the local window with anisotropic support domain and different directions. Finally, speckle suppression in SAR image with edge protection can be realized by iterative operation of direction filtering. The experimental results show that, compared with most existing despeckling algorithms, the proposed algorithm achieves better performance in the speckle suppression and image edge preservation.

Synthetic Aperture Radar (SAR) image; Speckle; Iterative Direction Filtering (IDF); Edge Strength Map (ESM); Anisotropic Gaussian Kernel (AGK)

TP751

A

1009-5896(2014)01-0220-08

10.3724/SP.J.1146.2013.00228

2013-02-27收到，2013-09-24改回

國家自然科學基金(61271295)，陜西省教育廳項目(12JK0357)，西安工程大學博士科研啟動基金(BS1205)和西安市科技局技術轉移促進工程項目(CXY1349(2))資助課題

朱磊 zhulei791014@163.com