采用样本基元集的极化SAR图像结构保持降噪研究

Speckle reduction of polarimetric SAR images is of crucial importance to human interpretation and automated scene analysis. Concerning the preservation of structural information as the major obstacle in speckle reduction, this project takes the exemplar image patch-based model as a basis, and proposes a so-called exemplar structural element set for polarimetric SAR images by exploring within-patch structural characteristics as well as inter-patch redundancy, which leads to a method for extracting structural features of patches with low signal-to-noise ratio and aims at a complete, accurate and compact description of pixelwise structural characteristics of polarimetric SAR images. Based upon the exemplar structural element set, this project further proposes a new method incorporating multiscale structural information for structure-preserving speckle reduction of polarimetric SAR images, which introduces multiscale features including regional structural features as well as structural features of object incorporating its scattering characteristics into the speckle reduction, and constructs appropriate interactions via a combination of speckle reduction, segmentation and classification. The exemplar structural element set as well as the structure-preserving speckle reduction method offer a new and efficient approach to the understanding of structural information of polarimetric SAR images, which would be a meaningful progress towards an accurate interpreation of observed data.

合成孔径雷达（SAR）极化图像的相干斑噪声抑制对于图像内容的人工判读及自动化解译有着重要的意义。本项目针对相干斑降噪面临的结构信息保持这一难点问题，从样本图像块模型入手，通过分析样本块内的结构特性和样本块间冗余性提出了极化SAR图像的样本基元集模型，来建立低信噪比样本块的结构特征提取方法，实现图像中像素结构属性的完备、准确、紧凑描述；在此基础上，通过将区域结构特征、以及结合地物极化散射特性的地类结构特征等不同尺度下的特征引入降噪过程，并在降噪与分割、分类过程相结合的基础上建立动态反馈作用机制，研究提出了一个以样本基元集为驱动、有机融合多层次结构信息的极化SAR图像结构保持降噪方法。本项目提出的样本基元集模型及结构保持降噪方法为极化SAR图像中结构信息认知提供了一个有效的新途径，对实现观测数据的准确解译有着积极的促进作用。

极化合成孔径雷达（SAR）图像的相干斑噪声抑制对于图像内容的人工判读及自动化解译有着重要的意义。本项目针对相干斑降噪面临的结构信息保持这一难点问题，从样本图像块模型入手，来建立低信噪比样本块的结构特征提取模型，进而研究极化SAR图像结构保持降噪的新方法。经过为期四年的研究工作，本项目在极化SAR图像的降噪与解译上研究建立了一系列新方法，并开发构建了一个面向极化SAR图像处理的系统。针对极化SAR图像相干斑抑制过程中存在的问题，项目研究了采用散射特征相似性的极化SAR图像相干斑抑制算法，该方法在进行相干斑噪声抑制的同时较好的保留了图像中的极化信息；通过结合极化SAR图像中的结构特征和地物散射特性，提出了一种结构保持的极化SAR图像双边滤波算法，有效减少了降噪过程中结构特征信息的损失；针对极化SAR图像在相干斑去噪时的结构信息和极化散射特征保持难题，研究提出了一种基于双特征聚类的极化SAR非局部均值滤波算法，该方法通过双特征聚类来选择同质像素，能够在相干斑抑制，结构特征和散射机制保持上达到良好的平衡。此外，针对极化SAR图像降噪算法结构保持性能难以度量的问题，研究提出了一种衡量结构保持性能的SAR图像质量评价方法，有效提高了SAR图像降噪质量评价的准确性。在极化SAR图像降噪的基础上，针对海冰极化SAR图像的分割问题，项目研究提出了一种基于边缘保持区域化表示的SAR海冰图像分割方法，有效提高了相干斑噪声干扰下海冰区域分割的准确度；利用多极化SAR图像相同区域之间的一致性，提出了一种三维区域MRF的SAR海冰图像分割算法，进而实现SAR海冰图像的准确分割。此外，本项目还针对SAR图像的合成，SAR图像舰船检测和SAR图像变化检测等相关问题开展了研究工作。本项目的研究成果已在ISPRS Journal of Photogrammetry & Remote Sensing，IEEE Transactions on Geoscience and Remote Sensing，遥感学报，电子学报等国内外期刊和会议上发表论文34篇，并有6篇论文投稿在审。项目成果对于极化SAR图像降噪与解译研究有着积极的促进作用和重要意义。