合成孔径雷达多视处理方法性能评估*

朱　博　刘　涛

(海军工程大学电子工程学院　武汉　430033)



合成孔径雷达多视处理方法性能评估*

朱博刘涛

(海军工程大学电子工程学院武汉430033)

摘要多视处理是减小相干斑噪声对图像质量影响的常用方法。常用的多视处理方法有基于多普勒子带划分的子孔径多视处理方法和基于空域平均的多视处理方法。使用等效视图数等评价指标,对两种方法生成的图像相关和平滑程度进行对比,发现在子带重叠度为β=0.2时取得最佳滤波效果。最后对提出的多视处理方法和估计方法进行了实测数据验证。结果表明基于子带重叠的子孔径多视处理方法更具有有效性,比较适用于对SAR图像的多视处理研究。

关键词合成孔径雷达; 多视处理; 子带重叠; 空域平均

Performance Evaluation in Subaperture Measurement of Synthetic Aperture Radar

ZHU BoLIU Tao

(School of Electronic Engineering, Naval University of Engineering, Wuhan430033)

AbstractMultilook processing is a basic method for speckle reduction of Synthetic aperture radar(SAR) images. The commonly subband extraction strategy are frequency subband extraction and spatial domain average processing. In the first method, the frequency domain is divided into multiple subbands. Each subband is used to generate a look, and all the looks are averaged incoherently to obtain the final image. The evaluation index, such as ENL(Equivalent Number of Looks), are used to compare the image correlation and smooth degree of two methods and put forward an optimization algorithm of the bandwidth splitting in the subband extraction is introduced in this paper. Experiments show that the subaperture overlap method has a better performance in speckle reduction compared with the traditional multilook processing.

Key WordsSAR, multilook processing, subband overlap, spatial domain average

Class NumberTN95

1引言

随着航空航天技术的飞速发展,合成孔径雷达(SAR)不仅广泛的应用在军事上,而且在农业、地理、海洋、气象等领域也有广泛的应用。但是由于SAR是相干成像,实测得到的图像总是包含有相当强的纹斑噪声(speckle)。如何从严重被污染的图像中恢复出有用信号,一直以来都是遥感图像处理的一大难点,同时也是一个热点。SAR图像纹斑噪声抑制的方法主要可分为两大类:一类是雷达图像成像前的处理,主要是指多视处理技术[1];另一类是基于合成孔径雷达图像纹斑噪声统计特性的滤波算法,如最小均方滤波和最大可能性滤波[2～3]。多视处理技术分为频域多视及空域多视两类,发现频域多视处理能得到更好的滤波效果。使用等效视图数[4]及信噪比对各方法的降噪性能进行评估并得到了最佳子带重叠算法。

2多视处理基础

2.1频域多视处理

大多数雷达系统中的固有方位向分辨率高于距离向分辨率,因而尽管可以在两个方向进行多视处理,但一般都选在方位向[5]。对SAR图像进行方位向FFT,以进入距离多普勒域。然后使用带通滤波器提取所需子视频谱部分,对其进行IFFT得到子视数据,然后对每视数据进行非相干叠加得到一副多视图像。

图1　子带重叠示意图

在多视处理的实际应用中,相邻子带之间可能有一定的重叠[6]。当分辨率给定时,子带宽度是给定的。设整个多谱勒带宽为BD,子带宽度为BS,相邻子带重叠宽度为BO,子带重叠度β=B0/Bs,图1为示意图。

在此条件下,相邻子带的重叠宽度越大,视数就越大,这降低了相干斑噪声。另一方面,相邻子带的重叠宽度越大,子图像间的相关性就越大,这增加了相干斑噪声。最终噪声抑制的效果将由这两种趋势共同决定。因此,选择合适相邻子带重叠宽度得到最佳降噪效果成为了需要解决的问题。

2.2空域多视处理

空域多视处理也就是空域滤波的一种[7],空域滤波器由一个邻域(通常是一个较小的矩形),对该邻域包围的图像像素执行预定义操作组成。滤波产生一个新像素,新像素的值是滤波操作的结果,新像素的坐标是所访问像素的坐标。滤波器访问图像的每一个像素,就生成了处理后的图像。如果在图像像素上执行的是线性操作,则该滤波器被称为线性空间滤波器。否则,滤波器就成为非线性空间滤波器。一副M×N的图像经过a×b的加权均值滤波器滤波的过程可由下式给出:

本文为与频域滤波作对比,使用2×2矩阵的均值滤波器,其中w(s,t)=1,a=1,b=1,f(x,y)为滤波前数据,g(x,y)为滤波后数据。

3评价标准

SNR图像相干斑噪声的抑制效果可以通过人的主观目测判断和客观的评价参数两个方面来衡量[8～9]。人的主观目测判断受个体影响较大,不同的人对同一幅图像的判断往往不同,很难对SNR图像相干斑噪声的抑制效果做出准确的评价;而客观的评价参数能够对SAR图像相干斑噪声的抑制效果做出准确的、定量化的评价。因此,寻找一些客观的评价参数对于正确评价SNR图像相干斑噪声的抑制效果是十分必要的。本文使用最为常用的相干斑噪声抑制效果评价指标,为得到最佳滤波算法提供参考。在讨论各种SNR图像相干斑抑制效果评价指标之前,首先做如下定义:假设I0为一幅大小为M×N的原始无噪SNR图像,降噪后的图像为I1。

3.1信噪比

信噪比是评价SAR图像中噪声大小的传统方法,经常用来作为图像降噪效果的评价指标,其定义为

其中I表示整个图像矩阵,I(m,n)表示图像中某个像素的强度,其中MSE为图像方差,降噪后的SAR图像信噪比越大,说明相干斑抑制效果越好。

3.2等效视数

等效视数(ENL)是衡量一幅图像相干斑噪声相对强度的一种指标,等效视数越大,表明SAR图像上的相干斑越弱,可辨识性越好,其定义为

E(I)和Var(I)分别是SAR图像中一块均匀区域内的均值和方差。等效视数是最常用的评价相干斑抑制效果的参数,通常情况下,要求等效视数大于3。但是,等效视数越高并不一定表明斑点噪声抑制越好,还要通过其他评价手段评估图像的细节特征是否得到很好的保持。

4实验过程与结果分析

本文使用欧航局PolSARpro软件及ESAR、EMISAR、RADARSAT2数据进行实验。

图2使用ESAR数据。图中SLI代表空域平均算法,HH、HV、VV为ESAR三个通道,β=B0/Bs。可以明显看出频域算法相较与空域算法的优越性,且频域算法在β值逼近1时SNR、ENL、C三个质量标准不断向空域情况靠近,这也与β=1时实际情况是原图像直接平均的理论情况相符。在分析得SNR、EN与B0的变化关系得出频域多视处理算法中降噪效果与相邻子带的重叠宽度B0之间的变化关系。如图所示。SNR、ENL随着β的变化图像质量逐渐变高并在到达峰值后缓慢下滑,并最终接近空域滤波值。其中,当β=0.22时,得到了最优化情况。

图2　ESAR空域、频域多视处理性能分析

为了验证该算法的复杂环境下的表现,仍然采用ESAR数据,选取其中各种不同地形(A草地、B城区)进行重复性试验,如图3、图4所示。区域A为单一的草地地形,可以看到此时的变化特征非常明显,在β=1.6时得到最优化结果,且三个通道的变化趋势基本一致三个。相比较于区域B的城市地形而言,后者在VV通道的表现不尽如人意,这是因为复杂地形的不规则电磁特性所致,这也表明越是单一环境,此种算法越能发挥其优越性[10]。

为了验证该算法的普适应,分别选取了EMISAR、RADARSAT2数据,对算法进行重复性试验,实验结果如图5、图6所示。仍在子带重叠度在0.2附近时降噪效果最佳,这跟ESAR数据的表现是一致的,这两组数据证明了虽然此种算法虽然在各类地形的表现各有差别,但是在整体性上还是能够起到比较好的效果。

图3　区域A—草地

图4　区域C—城市

图5　EMISAR

图6　RADARSAT_2

5结语

实验结果表明在多视处理中,频域处理算法明显相较空域处理效果更佳,并通过多组对比实验,得到了频域多视处理最佳优化算法,图像在子带重叠比例达到20%左右效果最佳,最大程度的抑制了纹斑噪声。

参 考 文 献

[1] John C Curlander, Robert N. McDonough. Synthetic Aperture Radar-Systems and Signal Processing[M]. New York: John Wiley & Sons, Inc,1991:214-220.

[2] Oliver C, Quegan S. Understanding Synthetic Aperture Radar Images[M]. London: ArtechHouse,1998:157-192.

[3] Lee J S. Speckle Analysis and Smoothing of Synthetic Aperture RadarImages[J]. Computer Graphics and Image Processing,1981,17(1):24-32.

[4] Kuan D T, Sawchuk A A, Strand T C, et al. Adaptive Restoration of Images with Speckle[J]. IEEE Transanctions on Acoustics, Speech and Signal Processing,1987,35(3):373-383.

[5] 刘湛.机载SAR实时数字方位多视处理器[J].电子科学学刊,1997,(1):124-127.

[6] 丁亮,王军锋,刘兴钊.SAR图像多视处理中相邻子带重叠宽度的最优化[J].信息技术,2007,31(3):22-25.

[7] 张静怡,雷斌,刘团结.一种新型的空域SAR图像相干斑抑制方法[J].遥感技术与应用,2012,27(4):523-529.

[8] 王晓军,孙洪,管鲍.SAR图像相干斑抑制滤波性能评价[J].系统工程与电子技术,2004,26(9):1165-1171.

[9] 张孝乐,李立萍,杨晓波.基于图像质量指标的SAR干扰效能评估研究[J].电子对抗,2005,(6):22-25.

[10] 王娜,时公涛,陆军,等.一种新的极化SAR图像目标CFAR检测方法[J].电子与信息学报,2011,33(2):395-400.

中图分类号TN95

DOI:10.3969/j.issn.1672-9730.2016.02.013

作者简介:朱博,男,硕士研究生,研究方向:信息处理系统。刘涛,男,博士,副教授,硕士生导师,研究方向:极化合成孔径雷达。

基金项目:国家自然基金项目(编号:61372165);湖北省自然科学基金项目(编号:2012FB06902)资助。

*收稿日期:2015年8月2日,修回日期:2015年9月27日