Feature-Based Nonlocal Polarimetric SAR Filtering.

基于特征的极化SAR非局部均值滤波

成果信息

Xing X.L., Chen Q.H., Yang S. Liu X.G. *,(2017). Feature-Based Nonlocal Polarimetric SAR Filtering. Remote Sensing,2017(10),1043.

论文链接：http://www.mdpi.com/2072-4292/9/10/1043

项目经费：国家自然科学基金(41471355)

团队成员

行晓黎，博士研究生，中国地质大学（武汉）信息工程学院，研究方向为雷达遥感图像处理及应用。

陈启浩，博士，中国地质大学（武汉）信息工程学院，副教授，硕士生导师，主要从事雷达遥感信息提取及其地震地质灾害调查评估、城市规划、环境评估应用方面的研究。

杨帅，博士研究生，中国地质大学（武汉）信息工程学院，研究方向为极化雷达信息提取及应用。

刘修国，博士，中国地质大学（武汉）信息工程学院，教授，博士生导师，主要从事遥感信息提取及其地学应用、地学大数据建模及可视分析等方面的研究。

（联系邮箱： liuxg318@163.com）

成果介绍

针对极化SAR非局部均值滤波算法对极化SAR数据模型和概率分布有较强依赖性的问题，本文提出综合异质性和极化特征的非局部均值滤波算法。

本文提出的非局部滤波算法主要包括两个步骤：首先，对于每个像元，基于检验统计度量图像块间的相似性计算权重。通过极化白化滤波图像计算出基于变差系数的像元异质性       ，并生成异质性图；并根据       、等效视数       和图像块大小       计算参数       和       ；基于检验统计，分别对原始图像的Pauli基和获取的       计算图像块间统计距离；根据统计距离，计算权重系数。然后，根据       和Pauli基两特征的联合权重系数进行加权平均实现滤波。而且，本文还分析了不同滑动窗大小对滤波结果的影响。

       本文算法基于模拟和真实极化SAR数据分别进行了验证，通过与局部和非局部滤波方法进行对比实验表明，对于单视模拟图像，所提方法的等效视数（ENL）和大多数极化指数都达到了最优值。同时能够较好保持多视模拟数据的极化信息，功率信息和边缘细节信息。对于真实极化SAR图像，所提方法的量化指标不是最高值，然而，所提方法在相干斑滤波和信息保持性之间实现了更好的平衡，并且所获得的熵图像以及Canny检测器结果能够比其他方法更有效地区分各种地物目标。

图1  单视模拟数据的不同滤波结果

图2 4视模拟数据的不同滤波结果

图3 AIRSAR图像的不同滤波结果

图4 ESAR图像的不同滤波结果.