常見雷達圖像自適應濾波算法對比分析

方 祥

武漢大學遙感信息工程學院，湖北武漢 430072

常見雷達圖像自適應濾波算法對比分析

方 祥

武漢大學遙感信息工程學院，湖北武漢 430072

綜合運用目視評價與各種評價因子依次對Sigma濾波，增強Lee濾波算法，增強Kuan濾波算法，增強Frost濾波算法，最大后驗概率（MAP）濾波算法，邊緣保持最優化（EPOS）濾波算法進行性能校驗與評價，對比分析各濾波算法優缺點。

自適應濾波算法；目視效果；評價因子

0 引言

在雷達圖像濾波方面有大量雷達濾波算法，本文研究成像后SAR圖像的濾波處理，采用局域統計自適應濾波算法，以局域的灰度統計特性為基礎決定參與濾波的鄰域像素點及其權值，在平滑噪聲的同時較有效保持邊緣特征。

1 濾波算法目視效果評價

對雷達圖像的濾波，應使在濾波消除斑點噪聲同時較好保持邊緣和紋理細節特征。目視效果評價具有其重要實用性，就目前而言，大部分雷達圖像解譯還是需人工進行，目視效果很大程度上影響解譯人員判讀準確性，下面通過對濾波處理圖像對比分析各濾波算法不同，窗口均設為5×5：

圖1

2 利用評價因子對濾波效果進行評價

實驗選用兩幅雷達圖像，1圖為HH極化，大小500×500，分辨率10m，成像于武漢地區。2幅為HH極化，大小217×213，分辨率1.2m，地點加拿大多倫多市市區。對兩圖進行各種濾波處理后，計算相應評價因子，排序可得：

圖2

從均值看，其為整個圖像平均強度，反映圖像包含目標平均后向散射系數。兩圖濾波結果Sigma濾波均值最小，整體色調表現較暗，均值濾波均值最大，色調較亮。

方差代表圖像中所有點偏離均值程度，反映圖像不均勻性。兩影像處理結果均為Lee濾波方差最大，即圖像不均勻性最大，與Lee濾波結果中大量白色斑點的出現相符。

從等效視數看，圖1均值濾波與Sigma濾波分別對應為最大最小值，Sigma濾波紋理保持較好，平滑效果不行，均值濾波平滑效果最好，但紋理損失最嚴重。圖2Lee濾波等效視數最大，紋理保持最好，但圖像上產生白色斑點。這種差異主要是由于兩幅圖像所在地區的地表粗糙程度及地表物體反射系數分布均勻程度所決定的。

從輻射分辨率分析，武漢圖像濾波結果中，均值濾波信息損失最為嚴重，輻射分辨率也最差，Sigma濾波分辨率最好，紋理保持最佳。多倫多圖像濾波結果Lee濾波分辨率最好，紋理最佳。另外，輻射分辨率大小的排列正好與等效視數正好相反。這是由于濾波的程度越大，在濾波平滑的過程中原圖像的信息丟失也會隨之增大，必然導致圖像整體分辨率的下降。

從均方誤差來看，武漢地區Sigma濾波均方誤差最小，EPOS濾波最大，多倫多地區Lee濾波均方誤差最小，EPOS濾波最大，且除Sigma濾波與Lee濾波外，兩圖的其他濾波算法排列相同。通常均方誤差值越小，則反映濾波后的圖像越接近于理想圖像，濾波效果越好。通過觀察，還可發現上述濾波方法均方誤差排列與等效視數近似相同(EPOS除外)。這是由于隨效視數增大，濾波程度增大，其與理想圖像的差異也就越來越大了。

從峰值信噪比來分析，武漢地區EPOS濾波的峰值信噪比最大，噪聲在圖像中所占比重最小，Sigma濾波峰值信噪比最小，噪聲所占逼真那個最大。于此同時，多倫多地區Lee濾波的峰值信噪比最小，同樣是EPOS濾波最大。這些數據的大小排列與濾波處理后圖像上噪聲的分布情況是相一致的。上述濾波方法的峰值信噪比大小排列與輻射分辨率近似(EPOS除外)，即圖像的輻射分辨率越高，其峰值信噪比越大。

3 結論

在對雷達圖像的濾波處理中，需要充分考慮圖像的不均勻性，以局域的灰度統計特性為基礎來決定參與濾波的鄰域像素點及其權值，傳統的濾波方法在雷達影像中已經不太適用了。對于雷達圖像的濾波處理，我們的最終目標是希望得到一幅既保證高輻射分辨率又保證良好的濾波效果的圖像。但是通常情況下，輻射分辨率與濾波效果是背道而馳的，魚與熊掌不可兼得。例如在本文提到的幾種濾波算子中，Lee濾波，Sigma濾波與EPOS濾波均可得到較好的紋理效果，但是在去噪方面表現較差，均值濾波和MAP濾波的去噪效果好，但是紋理丟失相當嚴重。對此，我們需要統合地看待這一問題，合理地處理高輻射分辨率與濾波平滑之間的平衡，通過對濾波后各評價因子的綜合分析，找出較好地幾個待選濾波算法，再通過目視效果的評價對其作出選擇。

[1]楊凱，等.遙感圖像處理原理和方法[M].北京：測繪出版 社，1988.

[2]Lopes R Touxi. E Nezry. Adaptive Speckle Filters and Scene Heterogeneity[J].IEEE Trans On Geoscience and Remote Sensing，1990.

[3]Kuan DT, Sawchuk A A, Strand T C，et al.Adaptive Noise Smoothing Filter for Images with Signal-Dependent Noise[J].IEEE Trans on Pattern Analysis and Machine Intelligence，1985.

TN95

A

1674-6708（2010）24-0223-01