付政慶,劉國林,陶秋香,劉偉科

1．山東科技大學理學院,山東青島 266590;2．山東科技大學測繪學院,山東青島 266590

雷達干涉測量圖像的梯度自適應光滑子函數(shù)濾波法

付政慶1,劉國林2,陶秋香2,劉偉科2

1．山東科技大學理學院,山東青島 266590;2．山東科技大學測繪學院,山東青島 266590

提出基于梯度的自適應光滑子函數(shù)濾波的新方法。通過相位梯度判斷出干涉圖中的噪聲點。在噪聲點處,將包含噪聲點的InSAR圖像窗口擬合為二次曲面,然后用光滑子函數(shù)對擬合曲面進行平滑去噪處理。利用北京地區(qū)的真實ALOS數(shù)據(jù)進行濾波試驗,并與幾種常用的濾波方法進行比較和分析。通過均方根誤差、峰值信噪比、邊緣保持指數(shù)和標準相位偏差等量化指標,驗證了基于梯度的自適應光滑子函數(shù)濾波方法的可行性與有效性。此方法可有效抑制斑點噪聲,較好地保留邊緣信息并且干涉圖相位偏差較少。

雷達干涉測量;自適應;光滑子函數(shù);濾波;斑點噪聲

1 引 言

InSAR圖像由于成像方式的原因,不可避免地會產生噪聲,而大量的顆粒狀的相干斑降低了圖像質量,影響了目標的檢測、分類和識別,因此噪聲去除對圖像后期處理非常重要[1-7]。目前常用的降噪方法有多視濾波、自適應均值濾波、自適應中值濾波、自適應小波濾波和自適應圓周期中值濾波等[8-9]。如多視濾波法可以抑制噪聲,但是這種方法同時平滑了影像數(shù)據(jù),是以損失圖像空間分辨率為代價的,自適應均值濾波、自適應中值濾波和自適應圓周期中值濾波是傳統(tǒng)濾波方法的改進,在去除噪聲的同時可以保留更多的圖像細節(jié)。還有一些濾波方法,比如粒子濾波[10-12],或基于某種量化指標,如文獻[13]是基于信噪比的濾波方法,文獻[14]是基于特征保持的濾波方法。

本文提出利用泛函分析中的光滑子函數(shù)進行濾波,這是因為光滑子函數(shù)具有保凸性和光滑性等很好的性質[15-16],可以用來對函數(shù)進行磨光處理。在其與曲面相結合時,可將帶有角點的函數(shù)磨光而又與原來的函數(shù)相切,在圖像發(fā)生突變處使圖像變平滑,產生“峰削尖、谷填底”的效果。

將InSAR圖像的相位考慮為空間中的曲面,而斑點噪聲使曲面發(fā)生突變,從而利用光滑子函數(shù)的性質對其進行濾波。對每一個點求出其4個方向的梯度,利用這4個梯度來判斷這個點是否為噪聲點。如果是噪聲點,將噪聲點所在的窗口進行曲面擬合,然后用光滑子函數(shù)對擬合曲面進行平滑處理;如果不是噪聲點,則不進行平滑處理。通過這種自適應濾波方法,可以較好地抑制斑點噪聲同時,又較好地保留了邊緣信息并使相位偏移量較小。本文采用真實數(shù)據(jù)進行了濾波試驗,并將自適應光滑子函數(shù)濾波和自適應圓周期中值濾波、自適應均值濾波、自適應中值濾波、自適應小波濾波的效果進行了分析和比較。

2 光滑子函數(shù)濾波原理

2．1 曲面構造

式中,h為圖像中心到邊緣的距離。

如果沒有噪聲,干涉圖的相位值具有很好的連續(xù)性。但是斑點噪聲的存在破壞了這種連續(xù)性,濾波的目的就是恢復這種連續(xù)性。噪聲的存在,使噪聲點與周圍的相位之間產生較大的梯度,因此可以利用梯度來判斷干涉圖中的突變點。

基于梯度的自適應法就是由干涉圖的梯度來區(qū)分噪聲點和非噪聲點,進而決定是否要進行濾波處理。圖像當中每一點的梯度為向量,本文中求出每一點梯度的模,并將梯度的模稱之為圖像在這一點的梯度。將帶有噪聲的干涉圖進行分割,對于中心點,其梯度按照方向來分有4種,分別是:水平方向、左上右下方向、垂直方向、右上左下方向。公式如下

對于中心點是否為噪聲,采用這個點的上述4個方向梯度進行判斷[18]。具體過程是,設置閾值k,求出4個梯度的最小值,如果最小值大于k,說明4個方向梯度都比較大,則認為該點為噪聲點,將這個小的曲面進行擬合,并與二維光滑子函數(shù)相結合,進行平滑;如果最小值不大于k,可以認為不是噪聲點,不參與平滑,從而得到噪聲去除后的干涉圖。數(shù)據(jù)處理基本流程如圖1所示。

圖1 數(shù)據(jù)處理流程Fig．1 Data flow processing

3 定量評價指標

對InSAR干涉圖用4種濾波方法進行濾波去噪處理,通過邊緣保持指數(shù)、峰值信噪比、均方根誤差、相位標準偏差和不連續(xù)點等量化指標來對圖像質量進行比較和評價[19-21]。

3．1 邊緣保持指數(shù)

邊緣保持指數(shù)(edge preserve index,EPI)反映了對圖像進行濾波后的邊緣信息保持能力,其值越大,表明濾波器的邊緣保持能力越強。其表

達式為

式中,?si(,j)是濾波后的相位值;?oi(,j)是原始干涉圖相位值。

3．2 峰值信噪比

峰值信噪比(peak signal-to-noise ratio, PSNR)是反映圖像質量好壞的較為通用的指標。其值越大,去噪后的圖像質量越高。其表達式為

3．3 均方根誤差

均方根誤差(root mean square error,RMS)用來衡量濾波后相位圖和參考相位圖產生的偏差,其值越小代表濾波器的保真性越好。其表達式為

式中,?si(,j)是濾波后的相位值;?oi(,j)是參考干涉圖相位值;N是滑動窗口像元個數(shù)。

3．4 相位標準偏差

相位標準差(phase standard deviation, PSD)反映了相位的平滑程度,其值越小,說明相位越平滑。其計算公式為式中,φ(i,j)是干涉圖相位值(i,j)是所選滑動窗口干涉圖相位值的平均值。

3．5 不連續(xù)點個數(shù)

噪聲去除后,干涉圖像上的不連續(xù)點個數(shù)也是噪聲去除能力的重要指標之一。通過濾波使圖像不連續(xù)點減少到可接受的水平,為下一步相位解纏準備。

4 試驗結果與分析

4．1 試驗結果

為了對光滑子函數(shù)濾波和現(xiàn)有濾波方法進行比較分析,本文采用了時間為2009-01-10和2009-02-25的北京ALOS數(shù)據(jù),從中選取了400像素×400像素進行了試驗。圖2給出了原始干涉圖及濾波后的圖像,其中原始干涉圖中,梯度的最小值為2．050×10－8,濾波時閾值k取為5．6× 10－5,表1給出了各個降噪算法濾波結果的量化指標。

圖2 原始干涉圖的降噪結果Fig．2 Filter results of original interferogram

表1 原始干涉圖降噪結果的量化指標Tab．1 Quantitative index of filter in original interferogram

在原始干涉圖和濾波后的干涉圖中,選取第200行的相位值進行比較研究,其剖面圖如圖3所示。

4．2 試驗結果分析

從圖2(a)中可以看到,圖像條紋比較清晰,但條紋的邊緣仍有很多斑點噪聲。經過光滑子函數(shù)濾波和其他4種方法濾波后,圖像干涉條紋清晰,斑點噪聲明顯減少,說明這幾種方法都可以有效地去除斑點噪聲,同時又保留了圖像的細節(jié)特征。

從圖3的剖面圖可以看出,與其他濾波方法相比,經本文提出的濾波方法濾波后,干涉圖的條紋曲線變化平穩(wěn)且毛刺較少。這說明光滑子函數(shù)濾波方法不但能去除大部分噪聲,而且對于較大顆粒的斑點噪聲效果也非常好。

圖3 模擬的和濾波后的干涉圖剖面(第200行)Fig．3 Cross section over the simulated and filtered interferogram(row 200)

通過表1中的量化指標可以對這4種濾波方法進行定量比較。在這5種濾波方法中,光滑子函數(shù)濾波方法的RMS最小,這說明用這種方法濾波后的相位圖和參考相位圖產生的偏差最小,即濾波器的保真性是這幾種方法中最好的。從PSNR來看,經過自適應光滑子函數(shù)濾波后, PSNR要略低于小波濾波但是高于其他3種方法,說明這種方法在去噪后圖像質量方面比小波濾波稍弱但是要好于其他3種濾波方法。EPI是指濾波器保持邊緣信息的能力,從數(shù)據(jù)來看本文提出的方法在濾波后低于自適應圓周期中值濾波,高于其他3種濾波方法,這說明光滑子函數(shù)濾波在保持邊緣信息方面的效果不如自適應圓周期中值濾波,但是要好于其他3種濾波方法。經過5種濾波方法去噪后,PSD均有下降,又以自適應光滑子函數(shù)濾波下降幅度最大,比原始圖像減少了24．7%,自適應圓周期中值濾波降低很少,只減少了1．7%。這說明濾波后相位平滑程度均有所增加,但本文方法的相位平滑能力較強。

對干涉圖去除噪聲后,干涉圖上的不連續(xù)點個數(shù)也是衡量濾波的重要指標值之一。不連續(xù)點個數(shù)在一定程度上反映了去噪后干涉圖上的相位值高的顆粒噪聲的數(shù)量多少。濾波后不連續(xù)點個數(shù)越少說明濾波方法抗相位畸變能力越強。表2給出了原始及濾波去噪后,真實數(shù)據(jù)干涉圖上斷點的個數(shù)和通過濾波不連續(xù)點減少比例。

表2 原始及濾波后干涉圖不連續(xù)點個數(shù)Tab．2 The number of breakpoints of original and denoised interferogram

從表2可以看出通過5種方法濾波后,不連續(xù)點都明顯減少,自適應光滑子函數(shù)濾波和自適應均值濾波后不連續(xù)點最少,要明顯少于小波濾波、自適應圓周期中值濾波和自適應中值濾波后的不連續(xù)點。這說明自適應光滑子函數(shù)濾波方法抗相位畸變的能力和自適應均值濾波相當,又要明顯強于其他3種濾波方法。圖4給出原始干涉圖及濾波后干涉圖不連續(xù)點的分布圖。

5 結 論

本文提出的基于梯度的光滑子函數(shù)進行濾波的方法是一種新的濾波方法。首先通過每個點的梯度來判斷是否為噪聲,如果是噪聲,通過將包含噪聲點的窗口進行曲面擬合,然后將擬合曲面與光滑子函數(shù)進行結合來平滑濾波,如果不是噪聲則不進行平滑。在一定程度上消除了斑點噪聲對圖像造成的突變,從而達到了抑制斑點噪聲的目的。利用真實數(shù)據(jù)進行試驗,并與幾種常用的濾波方法比較分析來看,本文的濾波方法在圖像的保真性和相位平滑能力這幾方面都是有優(yōu)勢的,在濾波后的圖像質量方面好于自適應均值、中值及圓周中值濾波,在邊緣保持能力方面要好于自適應中值、均值及小波濾波,抗相位畸變方面效果也較好。另外,光滑子函數(shù)還具有對空間目標進行平滑的作用,對以后的目標檢測,分類和識別也具有一定作用。

圖4 原始和濾波后干涉圖不連續(xù)點分布圖(白色為不連續(xù)點)Fig．4 The original and denoised interferogram breakpoint distribution

[1] WANG A L,ZHANG Y,GU Y F．Simultaneous Speckle Reduction and SAR Image Compression Using Multiwavelet Transform[J]．Journal of Electronic Science and Technology of China,2007,5(2):163-166．

[2] FERNANDEZ S A,LOPEZ C A．On the Estimation of the Coefficient of Variation for Anisotropic Diffusion Speckle Filtering[J]．IEEE Transactions on Image Processing,2006,15(9):2694-2701．

[3] GOLDSTEIN T,BRESSON X,OSHER S．Geometric Applications of the Split Bregman Method:Segmentation and Surface Reconstruction[J]．Journal of Scientific Computing,2010,10(1):272-293．

[4] PI Yiming,YANG Jianyu,FU Yusheng,et al．The Principle of Sythetic Aperture Radar Imaging[M]．Chengdu:Press of University of Electronic Science and Technology,2007．(皮亦鳴,楊建宇,付毓生,等．合成孔徑雷達成像原理[M]．成都:電子科技大學出版社,2007)．

[5] MAITRE H．Traitement des Images de RadaràSynthèse dOuyerture[M]．SUN Hong,translate．Beijing: Publishing House of Electronics Industry,2005．(MAITRE H．合成孔徑雷達圖像處理[M]．孫洪,譯．北京:電子工業(yè)出版社,2005．)

[6] LIAO Mingsheng,LIN Hui,ZHANG Zuxun,et al．Adaptive A1gorithm for Filtering Interferometric Phase Noise[J]．Journal of Remote Sensing,2003,7(2):98-105．(廖明生,林暉,張祖勛,等．InSAR干涉條紋圖的復數(shù)空間自適應濾波[J]．遙感學報,2003,7(2):98-105．)

[7] HAN Chunming,GUO Huadong,WANG Changlin．The Essence of SAR Image Speckle Suppression[J]．Journal of Remote Sensing,2002,6(6):470-474．(韓春明,郭華東,王長林．SAR圖像斑點噪聲抑制的本質[J]．遙感學報, 2002,6(6):470-474．)

[8] LIAO M S,LIN H,ZHANG Z X,et al．Adaptive Algorithm for Filtering Interferometric Phase Noise[J]．Journal of Remote Sensing,2003,7(2):98-105．

[9] WANG Xingwang．The Filter Method of InSAR Phase[D]．Changsha:Central South University,2008．(王興旺．合成孔徑雷達干涉圖相位濾波方法的研究[D]．長沙:中南大學,2008．)

[10] TIAN Shijun,CHEN Jun,PI Yiming．Particle Filtering and Its Application for Kinematic GPS Positioning with High Speed Movement[J]．Acta Geodaetica et Cartographica Sinica,2008,36(3):274-278．(田世君,陳俊,皮亦鳴．粒子濾波在高動態(tài)GPS定位中的應用[J]．測繪學報,2008,36(3):274-278．)

[11] NIE Jianliang,YANG Yuanxi,WU Fumei．An Algorithm of Dynamic Precise Point Positioning Based on Modified Particle Filtering[J]．Acta Geodaetica et Cartographica Sinica,2010,39(4):338-343．(聶建亮,楊元喜,吳富梅．一種基于改進粒子濾波的動態(tài)精密單點定位算法[J]．測繪學報,2010,39(4):338-343．)

[12] GONG Yisong,GUI Qingming,LI Baoli,et al．Design of Particle Filtering Algorithm Based on Mean Shift and Its Application in Navigation Data Processing[J]．Acta Geodaetica et Cartographica Sinica,2011,40 (supplement):120-126．(宮軼松,歸慶明,李保利,等．基于均值漂移的粒子濾波算法設計及其在導航數(shù)據(jù)處理中的應用[J]．測繪學報,2011,40(增刊):120-126．)

[13] SUN Qian,ZHU Jianjun,LI Zhiwei,et al．A New Adaptive InSAR Interferogram Filter Based on SNR[J]．Acta Geodaetica et Cartographica Sinica,2009,38(5):437-443．(孫倩,朱建軍,李志偉,等．基于信噪比的InSAR干涉圖自適應濾波[J]．測繪學報,2009,38(5):437-443．)

[14] YANG Shenbin,LI Bingbai,SHEN Shuanghe,et al．Structure Retaining Linear Multi Channel SAR Image Speckle Filter [J]．Acta Geodaetica et Cartographica Sinica,2006,35 (4):364-370．(楊沈斌,李秉柏,申雙和,等．基于特征保持的線性多通道最優(yōu)求和SAR圖像濾波算法[J]．測繪學報,2006,35(4):364-370．)[15] YAO Zongyuan,QIU Chunhui,ZHONG Chunping．A New Leray Formula for Smooth Functions on Bounded Domains in Cn[J]．Science in China:Series A,2002,45 (5):610-619．

[16] MAZROUI A,SBIBIH D,TIJINI A．A Simple Method for Smoothing Functions and Compressing Hermite Data [J]．Advances in Computational Mathematics,2005,10 (3):279-297．

[17] ZHANG Mengjun,SHU Hong,LIU Yan,et al．An Adaptive Thresholding Approach Based on Spatial Curved Surface Fitting[J]．Geomatics and Information Science of Wuhan University,2006,31(5):395-398．(張孟軍,舒紅,劉艷,等．基于空間曲面擬合的自適應閾值選取方法[J]．武漢大學學報:信息科學版,2006,31(5):395-398．)

[18] BOVIK A C．On Detecting Edges in Speckle Imagers[J]．IEEE Transactions on Signal Processing,1988,36(10): 1618-1627．

[19] GHIGLIA D C,MASTIN G A,ROMERO L A．Cellularautom Atemethod for Phase Unwrapping[J]．Journal of the Optical Society of America,1987,4(1):267-280．

[20] LIU Guoxiang．Monitoring of Ground Deformations with Radar Interferometry[M]．Beijing:Surveying and Mapping Press,2006．

[21] GOLDSTEIN R M,WERNER C L．Radar Interferogram Filtering for Geophysical Applications[J]．Geophysical Research Letters,1998,25(21):4035-4038．

(責任編輯:叢樹平)

Adaptive Smoothing Function Filtering Based on Gradient in InSAR Image

FU Zhengqing1,LIU Guolin2,TAO Qiuxiang2,LIU Weike2
1．College of Science,Shandong University of Science and Technology,Qingdao 266590,China;2．Geomatics College,Shandong University of Science and Technology,Qingdao 266590,China

A new adaptive filtering algorithm using smoothing function based on phase gradient is proposed．The noise points in interferogram can be judged out through gradient of phases．At the points InSAR image window is fitted to quadric surface,which can be processed by smoothing function．This method is compared with other common filtering methods using the genuine ALOS data of Beijing area and the feasibility and effectiveness of which are verified by quantitative indicators such as RMS,PSNR,EPI and PSD,which suggest that it reduces the speckle noises effectively and keep the edge information well．The phase deviation of interference in figure is less．

InSAR;adaptive;smoothing function;filter;speckle noise

FU Zhengqing(1978—),male,PhD, lecturer,majors in surveying data processing．

LIU Guolin

P237

A

1001-1595(2014)03-0263-05

國家自然科學基金(41274007);高等學校博士學科點專項科研基金(博導類) (20123718110001);山東省自然科學基金(ZR2012DM001);山東科技大學創(chuàng)新團隊基金(2011KYTD103);山東省優(yōu)秀中青年科學家科研獎勵基金(BS2013SF013)

2012-11-26

付政慶(1978—),男,博士,講師,研究方向為測量數(shù)據(jù)處理。

E-mail:fzhqing＠163．com

劉國林

修回日期:2013-06-07