一种基于模型的高分辨率SAR去噪算法.pdf

一种基于模型的高分辨率SAR去噪算法1 陈曦1王超1 张红2’1 (,北京,100101; ,北京,100875) 摘要: 为了保持受乘性噪声影响特别是高分辨率合成孔径雷达(SAR)图像中的纹理结构,本文提出了一种基于高斯一马尔可夫模型(Gauss—Markov Model)方法来抑制SAR图像斑点噪声。通过引入贝叶斯分析框架,建立Markov随机场的退化图像恢复模型,从而将图像的恢复问题转化为求解最大后验概率(MAP)问题,并直接从噪声图像中估计随机场模型参数进行有效的噪声抑制。实验结果表明,基于模型去噪算法(MBD)不论是在噪声的去除上还是在结构信息等细节的保持上均不同程度地优于其它常用斑点去噪方法。关键词:高分辨率, 合成孔径雷达, 高斯一马尔可夫随机场, 斑点噪声 1引言合成孔径雷达(SAR)具有全天时、全天候对地球表面进行观测的能力,随着信号处理技术的不断发展,目前已经可以获得厘米级到米级的空间分辨率。针对这些高分辨率SAR数据,传统的滤波算法或多或少都存在一定的不足。如何在去除斑点噪声的同时,保持高分辨率图像的纹理信息是非常重要,这同时也是提高SAR图像解译和自动识别的重要基础。近年来,马尔可夫随机场(Markov Random )被广泛地用于两维栅格如图像数据的建模,目前已经在纹理合成【l】、图像分割【2】、分类f31以及恢复【4】等方面得到了广泛应用【”】。MRF本质上是一个条件概率模型,结合贝叶斯准则,可以把问题归结为求解模型的最大后验概率(Maximum APosterior)估计,或者转化为求解最小能量函数的组合优化问题。正如文献【l】所论述的那样,非线性模型虽然可能得到额外的特性,但是处理起来非常困难。本文针对高分辨率SAR图像,提出了基于线性模型的去噪算法。()随机场来建立纹理模型,与然后结合贝叶斯准则,复杂的纹理模型结合依赖于贝叶斯准则,并试图从不完整的斑点噪声数据中提出 Gibbs随机场的隐式模型参数(即复杂的纹理信息)。并将其斑点滤波效果与传统的SAR斑点噪声滤波器的滤波效果进行分析,以做出全面的评价。 2基于模型去噪算法 ,图像恢复的问题是如何从观测的噪声图像中获取其真实图像的问题。图像恢复可以采用很多方法,如滤波方法,线性代数方法,非线性代数方法等,各有不同的特点。本文采用贝叶斯方法,其条件概率公式为: 1基金项目:国家重点基础研究发展规划项目(2001CB309406),国家自然科学基金项目(40071062),中国科学院知识创新工程重要方向项目() 437 m∽=掣铲㈣通过最大后验概率方法(Maximum APosteriori,MAP),即最大后验概率估计可以近似得到恢复图像 XMAP=(x y) (2) 根据贝叶斯分析框架,要获得图像的最大后验概率估计,先要选择合适的模型米表示图像的先验分布尸(x)以及似然分布尸(少k)。为了保持纹理雨I提取纹理信息,(GMRF) 作为先验知识。