航海雷达图像噪声抑制方法研究

丁献文 ，万荣胜 ，王 建 ，郑小罗

（1.上海海洋大学海洋科学研究院，上海201306；2.广州海洋地质调查局，广东 广州510075）

航海雷达图像噪声抑制方法研究

丁献文1，万荣胜2，王 建1，郑小罗1

（1.上海海洋大学海洋科学研究院，上海201306；2.广州海洋地质调查局，广东 广州510075）

针对航海雷达图像上常见的同频干扰噪声，提出了一种有效的抑制方法。该方法采用阈值分割技术对噪声进行检测，然后对检测出的噪声点进行插值修复。使用X波段航海雷达图像对该方法进行检验。采用信噪比、偏差指数和相关系数等指标进行定量评价。结果表明，提出的新方法既能显著地抑制航海雷达图像的同频干扰噪声，又能较好地保持原始图像的信息，具有良好的降噪效果。它的综合性能明显优于传统的均值滤波和中值滤波方法。

噪声；航海雷达；同频干扰；Delaunay三角网；K分布

航海雷达（Marine Radar），又叫船用雷达或导航雷达，是指安装在船上用于船舶避碰、定位和导航的雷达[1]。它工作在X波段和S波段。

航海雷达在图像采集、传输和显示过程中常受到各种因素干扰，如接收机的性能、雨雪以及其它雷达的干扰等[2]，造成图像中含有噪声。按成因划分，噪声主要有3种：接收机内部的热噪声、雨雪干扰噪声和同频干扰噪声[3]。其中，同频干扰噪声所占比例最大。所谓同频干扰，是指由邻近同频段雷达发射的电磁波进入本船雷达天线产生的回波[4]。在图像上常表现为放射状的亮线，长短不一，严重影响了图像画面质量（见图1）。

图1 航海雷达含噪图像

为了抑制同频干扰噪声，国内有人进行了专门研究。郝燕玲等[5]提出了利用航海雷达图像序列来抑制同频干扰噪声的方法。该方法先设定一个阈值，然后计算当前图像的像元灰度值与后续31幅图像序列相同位置上的灰度中间值的差值，通过比较该差值与设定的阈值之间的大小来检测当前图像中属于噪声的像元；噪声像元被检测出来之后，使用改进的中值滤波算法对其进行修复。宋占杰等[6]提出了航海雷达图像同频干扰噪声的去除方法。该方法先使用增强模板突出噪声，再在噪声增强了的图像上设定阈值，检测出噪声像元，然后使用反距离加权 （Inverse Distance Weighting,IDW ）插值法对噪声像元进行修复。上述两种方法都能在保持图像灰度信息的情况下消除航海雷达图像中的同频干扰噪声。前一种方法基于雷达图像序列判断噪声像元，修复噪声像元的中值滤波算法运算速度快；后一种方法基于单幅雷达图像判断噪声像元，修复噪声像元的反距离加权插值法运算速度慢。在这两种方法中，关于如何选取噪声检测的阈值，都还没有给出具体的方案。此外，在噪声像元的修复过程中，都采用了单一的方法，没有考虑航海雷达图像的像元在方位向和距离向上的空间相关性。

针对上述问题，本文提出了航海雷达图像同频干扰噪声的抑制方法。该方法给出了选取阈值的具体方案；考虑了像元在方位向和距离向上的空间相关性，采用分段插值的策略。

1 航海雷达图像同频干扰噪声的检测

对航海雷达图像的同频干扰噪声，可以通过设定一个阈值T来进行检测。记距离——方位角直角坐标系中的二维灰度图像为 I（i,j），其中，i∈[1,M]， j∈[1,N]，则阈值 T 可以根据经验模型来估算，如K分布海杂波模型[7]，公式如下：

以实际的X波段航海雷达图像（见图1）为例，其大小为512×512像元，图像灰度值范围为[123,218]。图像的距离向分辨率为7.5 m，图像中心区域与本船的实际距离约31.2 km。采用K分布海杂波模型估算阈值。已知0电压对应的灰度值m0=127，取虚警率Pfa=1.0×10-5，图像区域对应的形状参数估计值 v=0.4 ，从而 f1（v）=0.047， f2（v）=1.15，估算出海杂波均值m后，由式（1）可得，T=139，使用该阈值对图1进行分割，得到噪声检测结果（见图2）。

图2 噪声检测结果图

2 航海雷达图像噪声点的插值修复

检测出同频干扰噪声以后，需要选择合适的插值方法对其进行修复。考虑到：①原始航海雷达图像像元在二维空间上的分布特点是距离图像中心越近，像元点越密集，距离图像中心越远，像元点越稀疏；②待修复的噪声点只占较小的比例，本文采用分段插值的策略，在距离图像中心近的区域，采用线性插值三角网法 （Triangulation with Linear Interpolation）；在距离图像中心远的区域，采用最近邻法（Nearest Neighbor）。

最近邻法是令待插值点的灰度值等于距它最近的非噪声点的灰度值。对于像元点稀疏的区域，比如距离航海雷达图像中心远的区域，像元点之间的相关性不强，在插值的时候，不必考虑待插值点周围的多个像元，只考虑距它最近的像元就可以了。也就是说，这时使用最近邻法是合适的。

对于像元点密集的区域，比如距离航海雷达图像中心近的区域，像元点之间的相关性强，在插值的时候，应考虑待插值点附近更多的已知点，因此，不宜采用最近邻法。线性插值三角网法是一种考虑待插值点周围多个已知点的方法，下面对该方法作简要介绍。

2.1 线性插值三角网法

使用数据点构成的三角网进行插值是一种应用十分广泛的方法。该方法先构建二维Delaunay三角网[8]，三角形顶点的z值决定三角形的倾斜程度；然后在相应的三角形内通过线性插值来计算所求点的值。

线性插值可以使用矩阵行列式来实现。假设已知三点（xi，yi,zi）|i=1,2,3构成一个平面，则对于平面内任一点（x,y,z），满足以下等式：

2.2 线性插值三角网法修复噪声点

线性插值三角网法修复航海雷达图像噪声点的具体算法如下：

（1）确定包含待插值点的最小凸多边形Vcmin，如图3所示，A，B，C点为待插值点，包含它们的最小凸多边形为多边形 P1P2…P8。

（2）对多边形Vcmin所有顶点构成的点集进行Delaunay三角剖分图3显示了点集P1P2…P8的一种三角剖分结果。

（3）判断待插值点所在的三角形

如图3所示，待插值点A位于ΔP1P2P7内，待插值点B位于ΔP2P3P6内，待插值点C位于ΔP3P4P5内。

（4）计算待插值点的灰度值

由于待插值点所在三角形的3个顶点已知，待插值点的x，y值也已知，根据公式（2），可以得到待插值点的 z值，即灰度值。如图3所示，待插值点A的灰度值可以由ΔP1P2P73个顶点的灰度值插值得到。

图3 线性插值三角网法示意图

以实际的X波段航海雷达图像（图1）为例，该图像区域在方位向与距离向上相邻两像元之间的距离比值约为8.5:1。本文假设，当该比值大于或等于10:1时，方位向与距离向上的像元不存在相关性，采用最近邻法对噪声点进行修复；当该比值小于10:1时，方位向与距离向上的像元存在相关性，采用线性插值三角网法对噪声点进行修复。根据该假设，本例采用线性插值三角网法修复噪声点，结果如图4所示。

图4 噪声抑制后的航海雷达图像

3 试验结果与分析

通过目视分析，与原始航海雷达图像（图1）相比，噪声抑制后的图像（图4）噪声明显减少，而且保持了原始图像的细节信息。

为了定量评价噪声抑制方法的性能，以均值滤波（滤波窗口3×3）和中值滤波（滤波窗口3×3）方法作为对比，采用基于统计特性的评价准则——信噪比 （Signal to Noise Ratio,SNR）来评价噪声抑制效果。记处理后的图像I'（i，j）为无噪图像，原始图像 I（i，j）与处理后的图像 I'（i，j）的差值为噪声，则SNR计算公式为：

3种处理方法的SNR如表1所示。

表1 3种滤波方法的信噪比

由表1可以看出，与均值滤波和中值滤波相比，本文提出的方法信噪比更高，表明噪声抑制能力优于传统的均值滤波和中值滤波方法。

为了定量评价噪声抑制方法对原始图像的信息保持能力，采用偏差指数和相关系数来衡量。给定二维灰度图像f（i,j）和 g（i,j），其中，i∈[1，M],j∈[1，N]，则偏差指数 DI和相关系数r的定义分别为：

偏差指数越小，说明结果图像与原始图像越接近，值为0代表没有偏差；相关系数越大，说明结果图像与原始图像之间相关关系越密切，值为1代表完全相关。

选择以上两个统计量对噪声抑制后的图像进行定量评价，计算结果见表2。

表2 3种滤波方法的偏差指数和相关系数

由表2可以看出，与均值滤波和中值滤波相比，本文提出的方法偏差指数更小，相关系数更大，表明对原始图像的信息保持能力优于传统的均值滤波和中值滤波方法。

从目视分析和定量评价结果看，本文提出的航海雷达图像噪声抑制方法不但能够显著地抑制同频干扰噪声，还能较好地保持原始图像的信息，综合性能优于传统的均值滤波和中值滤波方法。

4 结论

本文对航海雷达图像的噪声抑制问题进行了研究，提出了一种航海雷达图像同频干扰噪声的抑制方法。该方法采用经验模型阈值检测噪声，采用分段插值的策略修复噪声点。实验表明，该方法相比于传统的均值滤波和中值滤波方法，不但能更好地抑制航海雷达图像上的同频干扰噪声，还能更好地保持原始图像的信息。

提出的方法适合于海面比较平静的情况，图像对应的区域也没有其它海上物体，这时，阈值检测结果中只包含噪声。在真实世界中，海上往往存在其它物体，如船只、岛屿等，它们的回波也很强，这时，阈值检测结果中除了噪声像元，还有非噪声像元，如何有效地区分它们，是下一步研究的重要内容。

[1]王世远主编.航海雷达与ARPA[M].大连：大连海事大学出版社，1998：88-89.

[2]曹祥村.海洋环境对导航雷达的影响[J].航海技术，2007（增）：32-35.

[3]BRIGGS J N著，席泽敏，夏惠诚等译.航海雷达目标检测[M].北京：电子工业出版社，2009：498-539.

[4]毛滔，曾浩.雷达抗同频干扰方法研究[J].航天电子对抗，2005，21（6）：43-45.

[5]郝燕玲，唐艳红，卢志忠.X波段航海雷达图像噪声检测与滤除方法研究[J].国土资源遥感，2008（2）：14-17.

[6]宋占杰，孙皓，王鑫，等.基于导航雷达海面回波图像去噪研究[J].海洋技术，2010，29（1）：82-86.

[7]WATTS S,WICKS D C.Empirical models for detection prediction in K-distribution radar sea clutter[C]//Radar Conference,Record of the IEEE 1990 International，1990:189-194.

[8]武晓波，王世新，肖春生.Delaunay三角网生成算法研究[J].测绘学报，1999，28（1）：28-34.

Study on Noise Suppression for Navigation Radar Images

DING Xian-wen1,WAN Rong-sheng2,WANG Jian1,ZHENG Xiao-luo1
(1.Institute of Marine Sciences,Shanghai Ocean University,Shanghai 201306,China;2.GuangZhou Marine Geological Survey,Guangzhou Guangdong 510075,China)

A method on noise suppression for navigation radar images is proposed.Firstly,threshold segmentation is used to detect noise.Then,interpolation is adopted on the detected noise points.The real X-band navigation radar image is used to test the performance of the proposed method.The SNR (Signal to Noise Ratio),deviation index and correlation coefficient are used to make quantitive evaluation.The results show that the proposed method is able to reduce the co-channel interference noise from the navigation radar images significantly and keep the information of the original images fairly well.Besides,it has an advantage over traditional filtering methods such as mean filtering and median filtering.

noise;navigation radar;co-channel interference;Delaunay triangulation;K distribution

TP722.6，TP751.1

B

1003-2029（2011）03-0013-04

2011-04-25

上海高校选拔培养优秀青年教师科研专项基金资助项目（SSC09023）

丁献文（1980-），男，副研究员，博士，主研方向：海洋遥感