結(jié)合空時(shí)上下文信息的視頻SAR圖像相干斑濾波

劉燊文, 崔興超, 陳思偉

(國(guó)防科技大學(xué)電子科學(xué)學(xué)院電子信息系統(tǒng)復(fù)雜電磁環(huán)境效應(yīng)國(guó)家重點(diǎn)實(shí)驗(yàn)室, 湖南 長(zhǎng)沙 410073)

0 引 言

合成孔徑雷達(dá)(synthetic aperture radar, SAR)能夠全天時(shí)全天候工作,已成為對(duì)地觀測(cè)領(lǐng)域的主流傳感器之一。傳統(tǒng)SAR成像系統(tǒng)往往只能得到場(chǎng)景的單幅圖像。近年來(lái),視頻SAR技術(shù)得到發(fā)展。視頻SAR系統(tǒng)能夠獲得同一場(chǎng)景的SAR圖像序列,實(shí)現(xiàn)對(duì)場(chǎng)景的持續(xù)觀測(cè),并將傳統(tǒng)SAR的方位-距離二維空域散射信息拓展至方位-距離-時(shí)間三維空時(shí)散射信息[1-2]。

由于SAR系統(tǒng)是一個(gè)相干成像系統(tǒng),SAR圖像上存在相干斑現(xiàn)象,會(huì)影響目標(biāo)檢測(cè)、分類和識(shí)別等后續(xù)應(yīng)用[3-4]。視頻SAR圖像和傳統(tǒng)SAR圖像一樣也受相干斑影響,因此相干斑濾波通常也是視頻SAR必要的預(yù)處理過(guò)程。相干斑濾波主要包含兩個(gè)步驟:一是相似候選樣本像素的選取,二是無(wú)偏估計(jì)器的構(gòu)建[5]。其中,常用的無(wú)偏估計(jì)器包括最小均方誤差估計(jì)器、最大后驗(yàn)概率估計(jì)器等,研究較為充分。而相似候選樣本像素的選取是決定相干斑濾波性能的關(guān)鍵,是該領(lǐng)域的研究重點(diǎn)。

當(dāng)前通過(guò)對(duì)SAR圖像的雜波散射特性和相干斑機(jī)理進(jìn)行深入的分析,研究人員提出了一系列SAR圖像濾波算法[6-10]。這些濾波算法主要可分為空域?yàn)V波、變換域?yàn)V波兩大類。空域?yàn)V波通過(guò)計(jì)算鄰域像素與目標(biāo)像素相似性來(lái)選取同質(zhì)像素,進(jìn)而通過(guò)估計(jì)目標(biāo)像素實(shí)現(xiàn)濾波。代表性方法有Lee濾波器、Frost濾波器、Kuan濾波器、Sigma濾波器等[11]。此外,基于區(qū)域生長(zhǎng)的局部濾波算法(intensity driven adaptive neighborhood, IDAN)[12]、加權(quán)估計(jì)的非局部均值(non-local means)濾波方法[13-15]、基于概率性塊(probabilistic patch-based, PPB)的迭代濾波算法[16]、基于偏微分方程的濾波方法[17]等則進(jìn)一步改進(jìn)了像素間的相似性距離計(jì)算方式,不同程度地提升了濾波性能。變換域?yàn)V波方法則是將圖像域通過(guò)特定變換轉(zhuǎn)換到其他域再進(jìn)行濾波,代表性方法有小波變換[18]、Contourlet變換[19]和Shearlet變換[20]等,以及基于塊匹配的三維協(xié)同小波去噪方法[21]。值得一提的是,近年來(lái)隨著深度學(xué)習(xí)在圖像處理領(lǐng)域的廣泛應(yīng)用,也出現(xiàn)了一些基于深度學(xué)習(xí)的相干斑濾波方法[22-26]。

視頻SAR相干斑濾波目前主要有兩種方式:第1種是基于單幅SAR圖像空域信息的相干斑濾波方法,這類方法將圖像序列分成單幅SAR圖像,分別進(jìn)行濾波;第2種是遷移應(yīng)用針對(duì)光學(xué)視頻的濾波方法,如視頻塊匹配三維濾波方法(video-block match and 3D filtering, V-BM3D)[27-28],該方法在一定程度上也能濾除相干斑,然而這些方法都沒(méi)能充分結(jié)合SAR圖像特性進(jìn)行改進(jìn),在噪聲標(biāo)準(zhǔn)差過(guò)大時(shí),塊匹配搜索的準(zhǔn)確性嚴(yán)重降低,去噪性能會(huì)出現(xiàn)急劇下降[29]。

視頻SAR能夠獲取成像場(chǎng)景的方位-距離-時(shí)間三維動(dòng)態(tài)散射信息,顯著提升了信息量[30],提供了從時(shí)間維進(jìn)行相干斑濾波的新途徑。基于此,本文首先構(gòu)造了空時(shí)上下文散射矢量和空時(shí)上下文協(xié)方差矩陣,用于表征以視頻SAR為代表的序列SAR圖像全維度信息。在此基礎(chǔ)上,提出了結(jié)合空時(shí)上下文協(xié)方差矩陣的視頻SAR圖像相干斑濾波方法。最后,結(jié)合視頻SAR數(shù)據(jù)開(kāi)展實(shí)驗(yàn),對(duì)所提方法的濾波性能進(jìn)行評(píng)估分析。

1 視頻SAR空時(shí)上下文協(xié)方差矩陣

1.1 視頻SAR數(shù)據(jù)表征

對(duì)于單幅SAR圖像,其像素分布在方位向和距離向兩個(gè)空間維度上,記作p(x,y),其中下標(biāo)(x,y)表示像素的距離向和方位向坐標(biāo)。

視頻SAR圖像序列如圖1所示,其像素分布在距離向、方位向兩個(gè)空間維度和幀序這一時(shí)間維度上,記作p(x,y,t),下標(biāo)(x,y,t)表示像素的距離向坐標(biāo)、方位向坐標(biāo)和時(shí)間向坐標(biāo)。

圖1 視頻SAR數(shù)據(jù)表征三維散射信息Fig.1 3D scattering information represented by VideoSAR data

1.2 空時(shí)上下文協(xié)方差矩陣

視頻SAR數(shù)據(jù)能夠提供三維散射信息,為利用視頻SAR圖像序列的空時(shí)上下文信息,在前期SAR圖像上下文協(xié)方差矩陣表征方法[5]基礎(chǔ)上,本文提出了序列SAR圖像空時(shí)上下文協(xié)方差矩陣新表征形式。對(duì)任一像素p(x,y,t),可構(gòu)造空時(shí)上下文協(xié)方差矩陣M,用以代替復(fù)數(shù)p表征該處的電磁散射特性。空時(shí)上下文協(xié)方差矩陣的構(gòu)造過(guò)程主要分為兩步:構(gòu)造空時(shí)上下文矢量和計(jì)算空時(shí)上下文協(xié)方差矩陣。

1.2.1 構(gòu)造空時(shí)上下文散射矢量

以3×3×3鄰域?yàn)槔?像素p(x,y,t)的空時(shí)上下文散射矢量v的構(gòu)造原理如圖2所示。

圖2 空時(shí)上下文矢量示意圖Fig.2 Schematic diagram of space-time context vector

構(gòu)造的13個(gè)空時(shí)上下文矢量分別為

(1)

式中:上標(biāo)“T”表示轉(zhuǎn)置。

值得說(shuō)明的是,對(duì)其他n1×n2×n3鄰域也可類似構(gòu)造空時(shí)上下文散射矢量。考慮到維度越大,空時(shí)上下文散射矢量的數(shù)量將變得越多,通常可取3×3×3、5×5×5的鄰域進(jìn)行處理。本文采用3×3×3鄰域。

1.2.2 構(gòu)造空時(shí)上下文協(xié)方差矩陣

對(duì)視頻SAR,空時(shí)上下文協(xié)方差矩陣M(x,y,t)的構(gòu)造方法為

(2)

式中:上標(biāo)“H”表示共軛轉(zhuǎn)置;可知M(x,y,t)是一個(gè)3×3的Hermitian矩陣,其各個(gè)元素含義如下:

(1)M(1,1)表示前一幀9個(gè)鄰域像素(見(jiàn)圖2中的綠色像素)和當(dāng)前幀左上角4個(gè)鄰域像素(像素p(x-1,y-1,t)、p(x-1,y,t)、p(x-1,y+1,t)、p(x,y-1,t))的強(qiáng)度均值;

(2)M(1,2)、M(2,1)表示前一幀9個(gè)鄰域像素(見(jiàn)圖2中的綠色像素)和當(dāng)前幀左上角4個(gè)鄰域像素(像素p(x-1,y-1,t)、p(x-1,y,t)、p(x-1,y+1,t)、p(x,y-1,t))與中心像素p(x,y,t)(見(jiàn)圖2中的紅色像素)相關(guān)值的均值;

(3)M(1,3)、M(3,1)表示13對(duì)關(guān)于中心像素p(x,y,t)中心對(duì)稱的像素(見(jiàn)圖2中13個(gè)空時(shí)上下文矢量?jī)啥讼袼?相關(guān)值的均值;

(4)M(2,2)表示中心像素p(x,y,t)的強(qiáng)度;

(5)M(2,3)、M(3,2)表示后一幀9個(gè)鄰域像素(見(jiàn)圖2中的黃色像素)和當(dāng)前幀右下角4個(gè)鄰域像素(像素p(x,y+1,t)、p(x+1,y-1,t)、p(x+1,y,t)、p(x+1,y+1,t))與中心像素p(x,y,t)(見(jiàn)圖2中的紅色像素)相關(guān)值的均值;

(6)M(3,3)表示后一幀9個(gè)鄰域像素(見(jiàn)圖2中的黃色像素)和當(dāng)前幀右下角4個(gè)鄰域像素(像素p(x,y+1,t)、p(x+1,y-1,t)、p(x+1,y,t)、p(x+1,y+1,t))的強(qiáng)度均值。

對(duì)于實(shí)際視頻SAR圖像數(shù)據(jù),為使得上下文協(xié)方差矩陣M(x,y,t)滿秩,通常還需計(jì)算出像素p(x+i,y+j,t)對(duì)應(yīng)的上下文協(xié)方差矩陣M(x+i,y+j,t),以它們的均值作為最終的M(x,y,t),一般取-1≤i≤1,-1≤j≤1,即

(3)

1.3 空時(shí)上下文協(xié)方差矩陣的統(tǒng)計(jì)分布

一般可用復(fù)正態(tài)分布描述SAR數(shù)據(jù)的統(tǒng)計(jì)特性。復(fù)正態(tài)分布被廣泛用于描述從低分辨率到高分辨率的同質(zhì)區(qū)SAR數(shù)據(jù)[31-32]。同理可認(rèn)為所構(gòu)造的空時(shí)上下文矢量v服從均值為0、協(xié)方差矩陣為M的多元復(fù)高斯分布,記作v∈NC(0,M),分布函數(shù)為

(4)

式中:協(xié)方差矩陣M=E[vvH];M-1表示M的逆矩陣;|·|表示計(jì)算行列式。

設(shè)X=nM,則方陣X服從復(fù)Wishart分布,記作X∈WC(p,n,M)。分布函數(shù)為

(5)

式中:Tr(·)表示求矩陣的跡,則

(6)

式中:p為所構(gòu)造的空時(shí)上下文矢量的維度,有p=3;Γ(·)為伽馬函數(shù)。

2 視頻SAR圖像相干斑濾波方法

2.1 空時(shí)上下文協(xié)方差矩陣相似性檢驗(yàn)

根據(jù)Conradsen等[33]的工作,可用似然比Q及其自然對(duì)數(shù)形式lnQ來(lái)檢驗(yàn)兩個(gè)相互獨(dú)立的、服從復(fù)Wishart分布的p×p維的正定矩陣X、Y的相似性。

對(duì)于兩個(gè)相互獨(dú)立的服從復(fù)Wishart分布的p×p維的矩陣X、Y,記作

X∈WC(p,n,Mx),Y∈WC(p,m,My)

(7)

在假設(shè)Mx=My下的似然比Q為

(8)

如果n=m,并對(duì)似然比Q取自然對(duì)數(shù)形式,則有

lnQ=n(2pln 2+ln|X|+ln|Y|-2ln|X+Y|)

(9)

特別地,如果X=Y,則lnQ=0,而其他情況則有l(wèi)nQ<0。

2.2 像素相似樣本選取

空時(shí)上下文協(xié)方差矩陣服從復(fù)Wishart分布,利用對(duì)數(shù)似然比lnQ可檢驗(yàn)其兩兩之間的相似性,進(jìn)而選取相似樣本像素用于相干斑濾波。

為檢驗(yàn)上述思路的有效性,本文采用2組公開(kāi)視頻SAR數(shù)據(jù)[34]進(jìn)行驗(yàn)證。視頻SAR圖像及其對(duì)應(yīng)光學(xué)圖如圖3所示,視頻1成像區(qū)域?yàn)榛卮箝T,場(chǎng)景中主要有運(yùn)動(dòng)車輛、道路、停車場(chǎng)等。視頻2成像區(qū)域?yàn)樘?yáng)能塔,觀測(cè)時(shí)間為晚上9點(diǎn)左右,場(chǎng)景中存在一座高塔和大量反射鏡。

圖3 視頻SAR圖像及對(duì)應(yīng)光學(xué)圖Fig.3 VideoSAR screenshots and optical images of imaging scene

采用數(shù)據(jù)第247幀開(kāi)展相似樣本選取實(shí)驗(yàn),光學(xué)圖像和視頻SAR圖像如圖4所示,選取的中心像素點(diǎn)在圖4中標(biāo)記為紅色。

圖4 光學(xué)圖像和視頻SAR圖像Fig.4 Optical image and VideoSAR image

目標(biāo)像素的相似性檢驗(yàn)如圖5所示。圖5(a)展示的是大門區(qū)域的3個(gè)感興趣點(diǎn),代表強(qiáng)散射區(qū)域。像素1為大門像素點(diǎn),像素2為大門與道路交界處像素點(diǎn),像素3為道路像素點(diǎn)。lnQ子圖越接近白色,表示lnQ數(shù)值越接近0,即與中心像素點(diǎn)越相似;掩膜中的白色點(diǎn)和視頻SAR圖像中的藍(lán)色點(diǎn)表示與中心像素相似的樣本。對(duì)于大門像素,其鄰域內(nèi)的大門的其他像素基本被選為相似樣本,而沒(méi)有交界處或道路上的像素點(diǎn)被選為相似樣本;對(duì)邊緣像素,其鄰域內(nèi)的同為交界處的像素點(diǎn)基本被選為相似樣本,相似樣本整體沿著大門兩側(cè)分布;對(duì)道路像素,其鄰域內(nèi)的同為道路上的像素點(diǎn)大部分被選為相似樣本,而沒(méi)有邊界處或大門處的像素被誤選。

圖5 利用空時(shí)上下文協(xié)方差矩陣相似性檢驗(yàn)區(qū)分異質(zhì)像素Fig.5 Space-time context covariance matrix similarity test to distinguish the heterogeneous pixels

圖5(b)展示的是停車場(chǎng)區(qū)域的3個(gè)感興趣點(diǎn),代表弱散射區(qū)。紅點(diǎn)表示感興趣點(diǎn),藍(lán)點(diǎn)表示相似樣本點(diǎn)。像素點(diǎn)1為空地像素點(diǎn),像素點(diǎn)2為停車場(chǎng)與空地交界處像素點(diǎn),像素點(diǎn)3為停車場(chǎng)處像素點(diǎn)。

對(duì)空地像素和停車場(chǎng)像素,其鄰域內(nèi)大部分像素被選為相似樣本;對(duì)邊緣像素,其鄰域內(nèi)同為交界處的像素點(diǎn)基本被選為相似樣本,僅少量其他像素被誤選,相似樣本整體沿著交界紋理呈曲線狀分布。

綜合來(lái)看,無(wú)論在強(qiáng)散射區(qū)還是弱散射區(qū),空時(shí)上下文協(xié)方差矩陣相似性度量指標(biāo)都能有效表征像素間的相似性,可用于相似樣本像素選取。

2.3 基于空時(shí)上下文協(xié)方差矩陣的視頻SAR圖像相干斑濾波方法

基于空時(shí)上下文協(xié)方差矩陣和矩陣相似性度量方法,本節(jié)提出一種視頻SAR圖像相干斑濾波方法。考慮到空時(shí)上下文協(xié)方差矩陣表征了視頻SAR三維數(shù)據(jù)塊信息,因此該相干斑濾波方法也被稱為3D-CCM(3-dimensional context covariance matrix)方法。該方法的主要步驟如下:

算法 1 3D-CCM濾波算法輸入 視頻SAR圖像步驟 1 構(gòu)造空時(shí)上下文協(xié)方差矩陣M(x,y,t)。步驟 2 根據(jù)相似性指標(biāo)ln Q(x,y,t)-(x',y',t')選擇待濾波像素p(x,y,t)的相似樣本。根據(jù)公式計(jì)算濾波像素p(x,y,t)和候選樣本像素p(x',y',t')的相似性指標(biāo)ln Q(x,y,t)-(x',y',t')。若像素p(x,y,t)與候選樣本像素p(x',y',t')的相似性指標(biāo)ln Q(x,y,t)-(x',y',t')大于等于相似性判定閾值thsimitest,則將像素p(x',y',t')歸為像素p(x,y,t)的相似樣本,得到濾波像素p(x,y,t)在濾波窗內(nèi)的所有相似樣本集合U。步驟 3 構(gòu)建均值濾波器得到濾波像素p(x,y,t)的估計(jì)值p^(x,y,t),記作p^(x,y,t)=1N∑Ni=1|p(x',y',t')|,其中N是相似樣本集合U中像素點(diǎn)的個(gè)數(shù),|p(x',y',t')|表示像素p(x',y',t')的模值。輸出 相干斑濾波后的視頻SAR圖像

在算法實(shí)現(xiàn)過(guò)程中,為保持濾波后的視頻SAR數(shù)據(jù)大小不變,采用了鏡像拓展方法對(duì)邊緣進(jìn)行鏡像拓展;為保護(hù)目標(biāo)的強(qiáng)散射細(xì)節(jié),本文設(shè)置了強(qiáng)散射點(diǎn)保護(hù)機(jī)制[11]。

3 對(duì)比實(shí)驗(yàn)

為驗(yàn)證所提濾波方法的有效性,本節(jié)以官網(wǎng)公開(kāi)的視頻SAR數(shù)據(jù)開(kāi)展相干斑濾波對(duì)比實(shí)驗(yàn)。對(duì)比方法選用均值濾波、Improved Sigma[11]、SAR-BM3D[21]、V-BM3D[28]4種方法。參照相應(yīng)參考文獻(xiàn),各對(duì)比方法主要參數(shù)設(shè)置為:均值濾波采用5×5的濾波窗;Improved Sigma采用9×9的濾波窗,Sigma取0.9;V-BM3D方法Sigma取25。所提方法(3D-CCM)主要參數(shù)有2個(gè):濾波窗大小和相似性閾值。通常濾波窗越大,候選樣本越多,濾波所需時(shí)間也越長(zhǎng);相似性閾值越小,選中的相似樣本越多,則誤選的相似樣本會(huì)增多,可能出現(xiàn)過(guò)度平滑的現(xiàn)象。綜合考慮運(yùn)行時(shí)間和濾波效果,將所提方法濾波窗大小設(shè)置為25×25×3(距離×方位×?xí)r間),將相似性閾值設(shè)置為-1。

采用相干斑濾波常用評(píng)價(jià)指標(biāo):等效視數(shù)(equivalent number of look, ENL)、目標(biāo)雜波比(target to clutter ratio, TCR)和邊緣保持品質(zhì)因數(shù)(figure of merit, FOM)來(lái)定量評(píng)價(jià)濾波效果[3,5]。

ENL的計(jì)算公式為

(10)

式中:|p|表示感興趣區(qū)域(region of interest, ROI)的像素的幅度值。通常選擇一個(gè)包含同質(zhì)像素的ROI進(jìn)行計(jì)算。

TCR的計(jì)算公式為

(11)

式中:|pTarget|表示目標(biāo)像素的幅度值;|pClutter|表示雜波像素的幅度值。計(jì)算時(shí)選擇一個(gè)包含強(qiáng)散射人造目標(biāo)的ROI并標(biāo)注目標(biāo)真值,考慮到陰影效應(yīng),一般選擇真值中前30%的像素作為目標(biāo)像素pTarget參與計(jì)算,將ROI中真值以外的像素作為雜波像素pClutter。

FOM的計(jì)算公式為

(12)

3.1 基地大門數(shù)據(jù)(數(shù)據(jù)1)

本節(jié)以公開(kāi)的基地大門視頻SAR數(shù)據(jù)的第321～325開(kāi)展對(duì)比實(shí)驗(yàn),每一幀數(shù)據(jù)大小為720×640。

整個(gè)成像場(chǎng)景的原圖和用5種濾波方法濾波后的圖像如圖6所示。圖6(a)標(biāo)記了6個(gè)大小為70×70的ROI,用于進(jìn)一步評(píng)估濾波效果,其中包含2個(gè)勻質(zhì)區(qū)ROI(紅色框標(biāo)記,分別記作ROI1、ROI2)、2個(gè)強(qiáng)散射區(qū)ROI(黃色框標(biāo)記、分別記作ROI3、ROI4)和2個(gè)含邊緣弱散射區(qū)的ROI(綠色框標(biāo)記,分別記作ROI5、ROI6)。

圖6 基地大門第323幀相干斑濾波結(jié)果對(duì)比Fig.6 Comparison of speckle filtering results of the 323rd frame at the gate

從全圖來(lái)看,5種濾波方法都能抑制相干斑。其中均值濾波方法抑制效果有限且在強(qiáng)散射區(qū)域有明顯模糊;improved Sigma方法相較均值濾波方法能有效抑制相干斑但存在較明顯的模糊邊緣現(xiàn)象;所提方法濾波、SAR-BM3D和V-BM3D則表現(xiàn)出相近的濾波性能,既能有效抑制相干斑噪聲,又能很好地保持圖像的細(xì)節(jié);特別地,所提方法在勻質(zhì)區(qū)的平滑效果更加明顯。

圖7展示的是放大的勻質(zhì)區(qū)和強(qiáng)散射區(qū)ROI,用于評(píng)估所提方法在這兩類區(qū)域的濾波性能。在勻質(zhì)區(qū)ROI1,所提方法的濾波效果較為平滑;在勻質(zhì)區(qū)ROI2,除均值濾波方法外,各方法的濾波效果較為接近。從圖7(n)、圖7(t)、圖7(o)、圖7(p)、圖7(v)、圖7(q)和圖7(w)可以看到對(duì)比方法則存在不同程度的模糊強(qiáng)散射點(diǎn)的現(xiàn)象,而從圖7(r)、圖7(x)可以看到所提方法在包含強(qiáng)散射的目標(biāo)區(qū),既能有效濾除相干斑,又能保護(hù)強(qiáng)散射目標(biāo)。

圖7 數(shù)據(jù)1 ROI1-4相干斑濾波結(jié)果對(duì)比Fig.7 Comparison of speckle filtering results of ROI1-4 of data 1

為進(jìn)一步定量評(píng)價(jià)所提方法的濾波效果,利用所選的6個(gè)ROI計(jì)算ENL、FOM、TCR指標(biāo)。圖8(a)、圖8(b)為計(jì)算TCR指標(biāo)所用掩膜,黑色區(qū)域像素表示雜波像素,白色區(qū)域表示目標(biāo)真值中前30%的目標(biāo)像素。圖8(c)、圖8(d)為用于計(jì)算FOM指標(biāo)的邊緣真值。圖9、圖10為包含邊緣的ROI、邊緣檢測(cè)結(jié)果和二值化邊緣圖,其中邊緣檢測(cè)結(jié)果由ROA算法得到,二值化邊緣圖由檢測(cè)閾值取0.8得到。可以看到,所提方法能在有效平滑弱散射區(qū)域的同時(shí)較好地保持邊緣紋理,且濾波后能有效改善邊緣檢測(cè)結(jié)果。

圖8 數(shù)據(jù)1真值圖Fig.8 Ground truth of data 1

圖9 曲線邊緣區(qū)域檢測(cè)對(duì)比Fig.9 Edge detection comparison for the curved edge region

圖10 直線邊緣區(qū)域檢測(cè)對(duì)比Fig.10 Edge detection comparison for the linear edge region

定量計(jì)算結(jié)果如表1所示。從表1可以看出,各方法濾波后勻質(zhì)區(qū)域的ENL指標(biāo)都有提升。未濾波前,勻質(zhì)區(qū)ROI1和ROI2的ENL指標(biāo)為99.66和101.8;采用所提方法濾波后分別提升到372.2、833.77,優(yōu)于其他4種對(duì)比方法。在強(qiáng)散射區(qū)域,各方法濾波后TCR指標(biāo)都有不同程度下降,說(shuō)明各方法對(duì)強(qiáng)散射目標(biāo)存在不同程度的模糊作用。在強(qiáng)散射區(qū)ROI3,所提方法濾波后TCR指標(biāo)由原圖的15.95下降到14.86,比SAR-BM3D方法、V-BM3D方法的15.62、15.57低一些,而優(yōu)于improved Sigma方法的14.38及均值濾波方法的13.87;在強(qiáng)散射區(qū)ROI4,所提方法濾波后TCR指標(biāo)由原圖的23.4下降到23.32,優(yōu)于improved Sigma方法的23.05、SAR-BM3D方法和V-BM3D方法的23.27,以及均值濾波方法的21.06。在含邊緣弱散射區(qū)ROI5,所提方法濾波后FOM指標(biāo)由原圖的0.25提升到0.63,略低于V-BM3D方法的0.70但優(yōu)于SAR-BM3D方法的0.57、Improved Sigma方法的0.18;在含邊緣弱散射區(qū)ROI6,所提方法濾波后FOM指標(biāo)由原圖的0.15提升到0.60,低于均值濾波方法的0.63和V-BM3D方法的0.68而優(yōu)于Improved Sigma方法的0.34、SAR-BM3D方法的0.51。

表1 數(shù)據(jù)1相干斑濾波定量評(píng)價(jià)指標(biāo)

綜合ENL、TCR和FOM定量指標(biāo)和目視定性評(píng)價(jià),所提方法能在有效提高ENL的同時(shí)保持較高的TCR和FOM,有更好的相干斑濾波性能。

3.2 太陽(yáng)能塔數(shù)據(jù)(數(shù)據(jù)2)

為進(jìn)一步評(píng)估所提濾波方法的濾波性能,以太陽(yáng)能塔視頻SAR數(shù)據(jù)第61～65幀開(kāi)展對(duì)比實(shí)驗(yàn),每一幀數(shù)據(jù)大小為700×440。

整個(gè)成像場(chǎng)景的原圖和用5種濾波方法濾波后的圖像如圖11所示。

圖11 太陽(yáng)能塔第63幀相干斑濾波結(jié)果對(duì)比Fig.11 Comparison of speckle filtering results of the 63rd frame at solar tower

選取6個(gè)大小為50×50的ROI用于進(jìn)一步評(píng)估濾波效果,其中包含2個(gè)勻質(zhì)區(qū)ROI(紅色框標(biāo)記)、2個(gè)包含反射鏡的強(qiáng)散射區(qū)ROI(黃色框標(biāo)記)和2個(gè)含陰影的弱散射區(qū)ROI(綠色框標(biāo)記)。5種濾波方法能夠有效抑制原圖存在的相干斑噪聲,但均值濾波、improved Sigma方法存在較明顯的模糊現(xiàn)象。

為進(jìn)一步展示濾波效果,放大的勻質(zhì)區(qū)和強(qiáng)散射區(qū)ROI結(jié)果如圖12所示。在勻質(zhì)區(qū),由于整體散射強(qiáng)度較低,圖像整體偏暗,難以從目視的角度區(qū)分各濾波方法的性能差異。在強(qiáng)散射區(qū),可以看到均值濾波、improved Sigma存在較明顯的過(guò)模糊問(wèn)題;所提方法和SAR-BM3D、 V-BM3D方法能較好地保持邊緣。需要指出的是,所提方法將反射鏡區(qū)域進(jìn)行了強(qiáng)散射點(diǎn)保護(hù)后的統(tǒng)一平滑,濾掉了反射鏡區(qū)域的一些細(xì)小紋理。

圖12 數(shù)據(jù)2 ROI1-4相干斑濾波結(jié)果對(duì)比Fig.12 Comparison of speckle filtering results of ROI1-4 of data 2

利用所選的勻質(zhì)區(qū)ROI1和ROI2計(jì)算ENL指標(biāo),利用強(qiáng)散射區(qū)ROI3和ROI4計(jì)算TCR指標(biāo),利用弱散射區(qū)ROI5和ROI6計(jì)算FOM指標(biāo)。圖13(a)、圖13(b)為計(jì)算TCR指標(biāo)所用掩膜,圖13(c)、圖13(d)為用于計(jì)算FOM指標(biāo)的邊緣真值。其中,圖13(c)為ROI5的邊緣真值,由2條太陽(yáng)塔陰影邊緣、4個(gè)點(diǎn)狀目標(biāo)邊緣構(gòu)成;圖13(d)為ROI6的邊緣真值,由2條目標(biāo)邊緣、3個(gè)反射鏡陰影邊緣構(gòu)成。圖14、圖15分別為含太陽(yáng)能塔和反射鏡陰影的弱散射區(qū)的邊緣檢測(cè)結(jié)果,其中邊緣檢測(cè)結(jié)果由ROA算法得到,二值化邊緣圖由檢測(cè)閾值取0.75得到。可以看到,在兩個(gè)弱散射區(qū),所提方法較好地保持了邊緣紋理信息。

圖13 數(shù)據(jù)2真值圖Fig.13 Ground truth of data 2

圖14 ROI3邊緣檢測(cè)對(duì)比Fig.14 Edge detection comparison for ROI3

圖15 ROI4邊緣檢測(cè)對(duì)比Fig.15 Edge detection comparison for ROI4

定量計(jì)算結(jié)果如表2所示。從表2可以看出,各方法濾波后勻質(zhì)區(qū)域的ENL指標(biāo)都有提升。未濾波前,勻質(zhì)區(qū)ROI1和ROI2的ENL指標(biāo)為162.38和131.35;所提方法濾波后分別提升到494.80和361.49,優(yōu)于其他4種對(duì)比方法,說(shuō)明所提方法有著較優(yōu)的相干斑抑制效果。在強(qiáng)散射區(qū)域,各方法濾波后TCR指標(biāo)都有不同程度下降。由于強(qiáng)點(diǎn)保護(hù)機(jī)制,反射鏡中有較多強(qiáng)散射點(diǎn)被保護(hù)起來(lái),在強(qiáng)散射區(qū)所提方法取得較優(yōu)的TCR指標(biāo)。

表2 數(shù)據(jù)2相干斑濾波定量評(píng)價(jià)指標(biāo)

在強(qiáng)散射區(qū)ROI3,所提方法濾波后TCR指標(biāo)由原圖的30.04下降到28.74,優(yōu)于V-BM3D方法、SAR-BM3D方法及improved Sigma方法的27.91、27.86和26.38;在強(qiáng)散射區(qū)ROI4,所提方法濾波后TCR指標(biāo)由原圖的27.87下降到26.00,優(yōu)于V-BM3D方法、SAR-BM3D方法及improved Sigma對(duì)比方法的25.35、25.28和22.07。在邊緣保持方面,所提方法濾波后FOM指標(biāo)有略微提升。在ROI5,FOM由原圖的0.31提升到0.45,低于V-BM3D方法的0.57而高于SAR-BM3D方法的0.43,以及improved Sigma方法的0.23;在ROI6中,所提方法濾波后FOM指標(biāo)由原圖的0.43提升到0.63,低于V-BM3D方法的0.67而高于improved Sigma方法的0.12和均值濾波方法的0.48。從邊緣檢測(cè)結(jié)果圖14(f)、圖14(i)和圖14(r),以及圖15(f)、圖15(i)和圖15(r)可以看到,所提方法較好地保持了弱散射區(qū)的邊緣紋理信息。

從兩組視頻SAR數(shù)據(jù)的濾波結(jié)果來(lái)看,所提方法在ENL、TCR、FOM等指標(biāo)上綜合性能較高,相干斑濾波效果優(yōu)于對(duì)比方法。

4 結(jié) 論

本文提出了一種基于空時(shí)上下文協(xié)方差矩陣的視頻SAR圖像相干斑濾波方法。該方法利用視頻SAR圖像的空時(shí)上下文信息,通過(guò)構(gòu)造空時(shí)上下文協(xié)方差矩陣來(lái)表征視頻SAR圖像距離-方位-時(shí)間三維動(dòng)態(tài)散射信息,進(jìn)而利用矩陣相似性檢驗(yàn)方法和度量指標(biāo)進(jìn)行相似樣本選取,最后根據(jù)相似樣本實(shí)現(xiàn)相干斑濾波。使用公開(kāi)的視頻SAR數(shù)據(jù)開(kāi)展對(duì)比實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,所提方法能在較好地保持強(qiáng)散射點(diǎn)和邊緣信息的同時(shí)有效抑制視頻SAR中的相干斑,總體上得到較為可觀的濾波結(jié)果。