1、微波遙感原理與應用影像教學實驗2指導老師： 報告人： 學號：班級：1. 利用BEST獲取后向反射系數BEST：基本Envisat SAR工具箱（The Basic Envisat SAR Toolbox）是一組可執(zhí)行軟件工具，旨在便于使用ESA SAR數據。1.1 頭文件分析Header Analysis1.2 提取全分辨率圖像 Full Resolution Extraction1.3 數據轉換振幅數據轉換為功率數據Amplitude to power1.4 提取后向散射系數calibration/backscattering image generation1.5 幾何校正 geo cor

2、rection1.6 輸出圖像export 'backscattering image' to Geotif2. 斑點噪聲濾波2.1 斑點噪聲產生的機理SAR成像系統(tǒng)是基于相干原理的，而這一理論基礎存在著原理性缺陷，這個缺陷表現為：在雷達回波信號中，相鄰像素點的灰度值會由于相干性而產生一些隨機的變化，并且這種隨機變化是圍繞著某一均值而進行的，這樣就在圖像中產生了斑點噪聲。而斑點噪聲的產生是由于SAR成像所基于的相干原理所造成的缺陷，因此是不可避免的。從產生機理上講，SAR圖像中的斑點噪聲是由于雷達目標回波信號的衰落現象所引起的。而信號的衰落過程是這樣產生的：同時被照射的有多個散

3、射體，當雷達目標和雷達站之間具有相對運動時，這多個散射體與雷達之間具有不同的路程長和不同的徑向速度，這使得雷達接收機接收到的信號產生一定的隨機起伏，從而使SAR對目標散射系數的測量產生很大的偏差。最終表現在圖像上，就產生了不可避免的斑點噪聲現象。因此，斑點噪聲的不可避免性決定了要想得到高質量的SAR圖像，如何有效地抑制斑點噪聲是關鍵所在。2.2 斑點噪聲的乘性模型在SAR圖像中，斑點噪聲是由于信號的衰落引起的，而且通過對SAR圖像的觀察，人們發(fā)現該圖像具有這樣的特點：在均勻區(qū)域，被斑點污染得越厲害的區(qū)域，在圖像上表現得越亮，因此，人們設想斑點噪聲的模型為乘性的。后來通過對SAR圖像的統(tǒng)計，對斑

4、點完全發(fā)育的SAR圖像建立了乘性噪聲模型這個模型成為人們研究SAR的基礎。完全發(fā)育的斑點噪聲的概念是由Goodman提出的，斑點噪聲只有在每個分辨單元內，必須同時滿足下列的三個條件才是完全發(fā)育的斑點噪聲，而這個三個條件依次為： （1）有大量的散射體，且相位和幅度都統(tǒng)計獨立的；（2）不同散射體的幅度服從同一的統(tǒng)計分布；（3）它們的相位是 上的均勻分布。斑點完全發(fā)育的區(qū)域，表現在圖像上，為均勻區(qū)域或者是弱紋理區(qū)域。在滿足完全發(fā)育的條件下斑點噪聲的乘性模型為： 。其中，(x,y)分辨單元中心像素空間方向和距離方向的坐標；I(x,y)是觀察到的圖像強度（被斑點污染）；R(x,y)是隨機的雷達回波（未被

5、噪聲污染）；F(x,y)是衰落過程所引起的斑點噪聲過程。并且，隨機過程R，F是相互獨立的。2.3 SAR影像斑點噪聲的抑制方法及結果2.3.1 Sigma濾波Sigma濾波是基于高斯分布的Sigma概率，它通過對濾波窗口內落在中央像素的兩個Sigma范圍內的像素進行平均來濾除影像噪聲。高斯分布的兩個Sigma概率是0.955，即高斯分布隨機樣本的95.5%都落在其均值的兩個標準偏差范圍內。事先計算出所有灰度級（例如256個灰度級）的Sigma范圍，并存儲在數組中。對濾波窗口內的中央像素，從數組中提取出Sigma范圍值，將窗口內像素與這些上下限進行比較，對落在上下限內的像素進行平均，并用平均值來

6、替代中央像素的值。落在這兩個Sigma范圍之外的像素將被忽略。如果沒有其它窗口像素落在兩個Sigma范圍內時，引入一個閾值KS，如果落在Sigma范圍內的像素總數小于或等于KS時，就用中間像素的四個最近的相鄰像素的平均值來替代。2.3.2 Lee濾波在缺乏信號x的精確模型的情況下，使用影像本身從3×3或其它的濾波窗口內的局域均值z和局域方差var(z)來估計信號的先驗均值和方差。根據乘性噪聲模型，信號x的先驗均值和方差可以這樣來估算：假設線性濾波器的形式為 ，這里 ， 。要注意的是必須確保var(x)為非負，如果為負則置var(x)為0，否則可能在影像上引入認為的噪聲成分。這一濾波方

7、法的直觀解釋是，在均勻區(qū)域var(x)=0，濾波后的像素值 （窗口內像素的平均值）；對于高反差區(qū)域（或邊緣），var(x)較大， （像素本身的值）。該濾波器存在一個問題是邊緣區(qū)域的噪聲并沒有被平滑。2.3.3 Frost濾波Frost濾波器是特定大小窗口的像素值和指數脈沖響應m卷積的Wiener自適應濾波器： 其中K是濾波器參數， 代表中心像素的位置，|t|是距 的距離。這種響應是由目標反射率的自回歸指數模型得到的。Frost濾波器采用的斑點噪聲模型采用的形式如下： 。這里 是系統(tǒng)響應函數，“*”為卷積算子。盡管該算法適用于任何系統(tǒng)響應函數，但在通常的應用中，一般假定 為delta函數(例如假

8、定 的功率譜密度在感興趣的波段寬度上是不變的)。最小均方濾波器形式如下： 。這里t對應于空間域中像素之間的距離。選擇脈沖函數m(t)，使下式最小： 。按照頻率域中Wiener濾波器的推導，可以容易地找到上式的解： ，。衰減常數的大小取決于x，var(x)和a。在應用中，a取作一個常數，盡管它應當是與具體圖像有關的。其他兩個量則通過5×5窗口內像素的局域均值和方差來估計。2.3.4 Gamma MAP濾波對于多視SAR圖像，通過假設影像概率密度函數pdf為Gamma分布，應用最大概率（MAP）濾除相干斑噪聲，可得到Gamma MAP濾波器：其中，異質參數為 。圖像的局域方差系數 。 和

9、 分別表示濾波窗口內圖像像素的標準差和均值，相干斑的局域方差系數 ， 時視數。值得注意的是，下式只適用于多視SAR圖像，處理單視圖像時會存在估計偏差，必須對下式作無偏修正。單視圖像的無偏MAP估計為：基于小波分解的閾值濾波 小波閾值主要有兩種方法：一種是軟閾值(Soft Thresholding)方法，就是將小于某一閾值的小波系數以0來代替，并將大于閾值的小波系數減去閾值作為新的小波系數的值；另一種是硬閾值(Haard Thresholding)方法，就是直接將小于閾值的小波系數用0代替，而大于閾值的值不做處理。軟閾值去噪公式為：硬閾值去噪公式為：其中，軟閾值的方法適用于小尺度，這是因為噪聲集

10、中在小尺度上，采用軟閾值可以使其收縮(變小)，減小其在重建的圖像中所占的比例，這樣就最大限度的減小了噪聲的影響。反之，因為在大尺度由于噪聲成分相對較少，所以大于閾值的小波系數可以保留不變，這樣圖像的特征就不會因為小波收縮而被削弱。（硬閾值方法可以很好保留信號邊緣等局部特征，但信號會出現整體失真現象；軟閾值的處理相對要平滑一點，但可能會造成信號邊緣模糊等局部失真現象。因此我覺得在應用的時候，可以將兩者結合，取合適的權值。）1）信號和噪聲的交點作為閾值 將近似部分經多層分解所得的近似部分視為無噪的信號部分，將細節(jié)部分所得的細節(jié)部分視為噪聲成分。具體步驟為：將影像進行小波分解，做出近似部分經多層分解

11、所得的近似部分和細節(jié)部分所得的細節(jié)部分的統(tǒng)計曲線圖，其交點所對應的橫坐標視為閾值；然后進行軟、硬閾值。下圖為一信號噪聲統(tǒng)計曲線圖，其中綠色為噪聲信號，紅色為無噪信號。2）基于小波系數的SOT結構進行濾波如上圖，影像通過小波變換后，按其頻帶從低到高形成一個樹狀結構，樹根是最低頻帶的結點，它有3個子女，分別位于次低頻子帶的相應位置；其余子帶(最高頻子帶除外) 的結點都有4個子女，位于高一級子帶的相應位置，這樣圖1中的3級小波分解就形成深度為4的樹。基于小波域中SOT結構的相干斑噪聲抑制的算法步驟: 選取參數 ，將原始SAR影像進行3次分解，設置相同的閾值 。對分解的所有小波系數，基于SOT在 處設置閾值 。即：以 的系數為根節(jié)點，對 、 和 設置閾值（一對一關系）；以 、 和 的系數為根節(jié)點，分別對 、 和 設置閾值（一對四關系）；以 、 和 的系數為根節(jié)點，分別對 、 和 設置閾值（一對四關系）；進行閾值處理，即對9塊系數分別進行閾值處理。進行逆小波變換。附錄noisy = ImageDataImport"D:wuhan_sub.tif"dwd = Discret