一种引入中智理论的相干斑各向异性抑制方法

本发明涉及一种引入中智理论的相干斑各向异性抑制方法，属于sar图像处理。

背景技术：

1、与光学遥感成像模式不同，sar是一种相干成像系统，由此导致其影像上会不可避免地产生大量相干斑。相干斑的存在干扰了真实地物信息在sar影像中的精准表达，对场景精细化结构造成损害，严重恶化了影像质量，无形之中给图像解译工作增加了很大难度，亟需对其抑制处理。

2、相干斑抑制的理论目标是边缘无损下相干斑完全抑制。但由于相干斑与真实地物是以随机耦合的方式组成真实sar影像，故难以对每个像素含有的相干斑大小进行精准定量。因此现有相干斑抑制模型往往一定程度上会损失边缘细节。为更好完成滤波，各类相干斑抑制方法往往均期望能较好兼顾相干斑平滑与边缘信息保持。基于偏微分方程的各向异性扩散(anisotropic diffusion，ad)相干斑抑制方法通过构建ad扩散函数模型，能实现影像各点不同尺度的相干斑滤波，理论上可较好实现相干斑平滑与边缘保持的目标。

3、但仍需指出，现有ad滤波器在边缘保持方面仍有提升空间，其主要原因之一是受地物散射特征与随机相干斑联合影响，sar影像中存在很多模糊边缘。而现有ad滤波器均未对模糊边缘做针对性研究，导致滤波器对模糊边缘的检测效果表现不佳，从而影响滤波器总体边缘保持效果。为进一步提升边缘检测性能，尤其对模糊边缘的有效探测，需探索更优异的异质性测量算子，以更好实现相干斑高质量平滑与边缘信息高可靠保持。

技术实现思路

1、本发明的目的是针对现有技术的不足之处，提供一种引入中智理论的相干斑各向异性抑制方法，能够有效提高影像相干斑各向异性抑制尺度精度，解决相干斑抑制结果存在较多边缘损失问题。

2、为了实现上述目的，本发明公开一种引入中智理论的相干斑各向异性抑制方法，包括以下步骤：

3、11)构建中智sar图像与各向异性扩散函数：对原始sar影像中像素的边缘特性进行不确定性分析，从而获取原始sar影像的异质特征规律；将原始sar影像转化为中智sar图像，用以获取原始sar影像滤波下每个像素点的滤波尺度，利用中智t函数，i函数和f函数，分别表示中智sar图像中sar像素边缘属性的真实性，不确定性以及失真性，并构建出中智sar图像关于异质测量的中智集函数，融合中智集函数重建sar影像所有像素的各向异性扩散函数；

4、12)创建sar影像中所有像素的各向异性扩散自适应迭代规则：构建通过中智t函数，i函数和f函数对原始sar影像中各像素进行不同尺度滤波处理的相干斑抑制成果一体化实时评价模型，获取相干斑即时滤波效果，并在此基础上，联合引入的区域块差值均方根模型，建立相干斑各向异性扩散抑制自适应迭代规则，从而利用相干斑抑制成果一体化实时评价模型根据需要对所有像素进行迭代滤波直至满足设定要求；

5、13)偏微分方程优化与求解：联合原始sar影像的梯度、基于中智理论构建的各向异性扩散函数以及自适应迭代规则建立优化后的影像偏微分方程，利用雅可比迭代完成偏微分方程求解，获取对sar影像中所有像素点相干斑抑制结果，当满足各向异性扩散自适应迭代规则要求，则完成兼顾相干斑平滑与边缘保持的各向异性抑制任务。

6、进一步，所述构建中智sar图像与各向异性扩散函数过程具体如下：

7、21)考虑波段、极化、分辨率以及场景信息下，随机截取若干sar异质区影像，并对sar的异质区边缘特征进行统计分析；

8、22)使用方向相干边缘检测模型建立sar影像中所有像素的中智t函数，计算sar影像确定性真边缘概率；

9、23)使用局部信息熵理论建立sar影像中所有像素的中智i函数，计算sar影像不确定性边缘概率；

10、24)使用中智集函数理想值1与中智t函数的差值关系建立sar影像中所有像素的中智f函数，计算sar影像确定性非边缘概率；

11、25)联合中智t函数、中智i函数与中智f函数与区间中智集，建立sar中智图像，sar中智图像中的所有像素均包含中智t函数、中智i函数与中智f函数表示，精准获取sar中智图像中各像素点的确定性真边缘、确定性非边缘以及不确定性边缘的联合概率值；

12、26)联合中智t函数与i函数建立各向异性扩散函数，获取sar中智图像像素各点的相干斑抑制尺度。

13、进一步，创建各向异性扩散自适应迭代规则过程具体如下：

14、31)使用多叉树约束模型自动获取同质区，以四叉树为例，将原始sar影像进行四等分，获取四个子块，并逐一对子块进行同质性判断，满足同质性规则停止细分，否则对子块进一步进行四叉树细分，并判断子块同异性，直至所有子块均满足同质性规则；

15、32)使用获取的同质区原始影像与滤波影像做商获取比值影像，计算当前迭代次数下同质区原始影像与比值影像的相干等效视数指数，其中滤波影像为上一次迭代下sar影像全部像素的处理后的结果；

16、33)计算当前迭代次数下原始sar影像与滤波影像的canny边缘点数，并使用区域品质因子获取当前迭代次数下的边缘保持指数；

17、34)联合使用获取的相干等效视数指数与边缘保持指数获取当前迭代次数下相干斑抑制性能一体化评估指数；

18、35)对每次迭代次数下相干斑抑制性能一体化评估指数进行区域块差值均方根模型阈值判别，满足阈值则终止迭代，否则继续迭代滤波。

19、进一步，相干斑抑制成果一体化实时评价模型如下：

20、

21、其中，α与β分别表示cenl与fom的权重参数，默认为1；相干斑滤波器一体化实时评估模型ref取值范围为[0 1]，值越大表明滤波器边缘保持与相干斑抑制兼顾性能越好；反之越差。其中，cenl表示相干等效视数；与分别表示原始影像与比值影像第n个同质区等效视数；nh表示参与计算同质区总数。同质区获取拟通过多叉数约束模型自动确定，m表示将影像均等分个数；与分别表示基于canny边缘检测算子获取原始影像与滤波影像的边缘点数；di表示第i个原始影像边缘点与最近滤波影像边缘点的欧氏距离；κ为常数1/9。

22、进一步，采用ref区域块差值均方根模型确立相干斑各向异性扩散抑制自适应迭代规则：

23、

24、其中，t表示第t次滤波；δt表示时间步长；i表示第i个区域块影像；n表示区域块总数，其通过均分影像方式自动获取；ε2表示自适应迭代阈值，通过最大类间方差法自动确定。

25、进一步，偏微分方程优化与求解过程如下：

26、41)联合原始sar影像的梯度、基于中智理论构建的各向异性扩散函数以及散度算子建立优化后的原始sar影像偏微分方程；

27、42)基于各向异性扩散模型计算原始sar影像各像素点的扩散系数；

28、43)在雅可比迭代方法下，设定空间步长，计算当前迭代次数下目标像素改正值；

29、44)设置时间步长与尺度函数，计算当前迭代次数下sar影像中相干斑抑制结果；

30、45)基于各向异性扩散自适应迭代规则判断迭代是否满足终止条件，否则继续迭代，直至满足终止条件。

31、与现有技术相比，本发明的有益效果：

32、本发明公开一种引入中智理论的相干斑各向异性扩散抑制方法，与现有技术相比通过构建中智集函数提升了sar影像边缘定位精度，尤其对不确定性边缘有相对较佳的表征能力，并在此基础上，重构了各向异性扩散函数，可提升了相干斑滤波器的边缘保持性能。此外，基于相干等效视数指数模型与边缘保持指数模型联合构造了相干斑抑制性能一体化即时评估指数，并通过阈值约束自适应终止ad迭代次数，亦可提升ad滤波整体性能。基于上述改进，可进一步提升相干斑平滑性能与边缘信息保持的兼顾能力。在抑制过程中需要保持边缘尽可能不受损失，因此引用中智理论来提高边缘的保持性能