文 献 综 述
合成孔径雷达(Synthetic Aperture Radar，SAR)是 20世纪 5O年代研制成功的一种利用微波的主动式传感器，它不受光照和天气条件的限制，具有全天时、全天候、多视角、多俯角的数据获取能力和对一些地物的穿透能力。与其他传感器获取的图像相比，SAR能获得更多观测目标的信息，包括目标的细节、大小和特征等。由传统的SAR技术与干涉测量技术相结合发展起来的合成孔径雷达干涉测量技术，是通过保持某一恒定距离且相互独立的SAR天线，分别对地面的同一区域进行成像，得到满足一定相干条件的SAR图像，经干涉处理来获得数字高程模型(DEM)。斑点噪声是由一个分辨单元内众多散射体的反射波叠加形成的，表现为图像灰度的剧烈变化，即在SAR图像同一片均匀的粗糙区域内，有的分辨率单元呈亮点，有的呈暗点，直接影响了SAR图像的灰度分辨率，隐藏了SAR图像的细节部分，从而给SAR图像的解译和定量化应用带来很大困难，这是雷达遥感和数字信号处理领域长期以来讨论的课题。当图像像素间距与雷达分辨率相当时，噪声功率是非相关的。Goodman等证实SAR图像斑点噪声可模型化为一种乘性噪声。这为后续研究奠定了理论基础。
由于斑点噪声的存在直接影响干涉测量技术的顺利实施，因此作为前期处理工作的斑点噪声的抑制与滤波非常重要。目前斑点噪声的抑制技术主要可以分为两大类，即成像之前的多视处理技术和成像后的滤波技术。前者用多视平均的方法，以空间分辨率降 低 Ⅳ倍为代价提高N／2倍的信噪比；后者可分为空间滤波技术和频域滤波技术 2个分支，其中以空间滤波技术为基础的斑点噪声抑制算法结果较理想，近几年成为雷达图像斑点噪声抑制技术的主流。在众多空间滤波算法中，通常采用统计学方法利用局部统计信息估计去除斑点噪声后的数据；此外，也可以采用正交变换，如多项式变换等，将乘性噪声模型转化为加性噪声模型进行滤波 。本文分析比较了抑制 SAR图像斑点噪声 的几种经典算法，并用实验数据验证了不同滤波算法对斑点噪声的抑制效果。
- SAR图像相干斑噪声抑制的研究现状：
对SAR图像相干斑噪声滤波技术，国内外的研究已经非常广泛而深入。在早期的SAR成像处理中，大多采用多视处理技术，在距离或方位维上分割成三个独立部分，每一部分用来产生较低分辨率的单视图像，然后把三个单视图像对应的像素非相干地迭加后平均，就得到多视SAR图像。然而，但随着SAR图像应用的不断扩展，对其空间分辨率的要求不断提高，多视处理技术已经不能满足高分辨率的要求。因此，成像后的滤波技术成为SAR图像相干斑噪声抑制技术发展的主流。
早期的方法是基于傅立叶变换，将图像转换到频域进行滤波处理。进一步的工作则将Kalman滤波和Bayesian估计算法扩展二维的图像域，提出了相应的递归算法(reeursive algorithm)。然而由于雷达的随机特性，提出了基于局域统计参数的自适应滤波器。这一类型的滤波器在近20几年发展比较成熟，应用也较为广泛，基本上又可以分成两种类型：一是以图像的局域统计特性(均值和方差等)为依据的自适应滤波算法；二是以图像的统计分布(概率密度函数：pdf)为依据的自适应滤波算法。
上世纪八十年代以来，出现了许多基于Bayes估计准则的空间域统计滤波技术，其中空间自适应滤波器得到了较大程度上的发展，也产生了多种经典的滤波器：基于最小均方误差准则(MMSE)的有Lee滤波器、Frost滤波器以及Kuan滤波器。基于MAP准则的有Gaussia MAP滤波器以及Gamma MAP滤波器。
在这之后，空间自适应的滤波方法得到进一步发展，主要的改进在于用尺度和形状可变的局域窗代替原来固定尺度和形状的局域窗，增加了滤波处理对图像中的有用细节成分变成加性噪声以满足小波阈值皱缩方法的假设，但这种方法的滤波效果 并没有空间域滤波效果好。
近十几年来，随着小波(wavelet)在信号处理等领域内得到越来越多的重视，取得越来越大的成就，小波作为一种强大而有效的非平稳信号和图像处理工具，也被引入到了SAR图像纹斑抑制的应用中，出现了越来越多的基于小波的纹斑抑制算法。基于小波的纹斑抑制算法，是将SAR图像通过小波变换，转换至小波域，由以往的在空间域对图像像素的处理转换为在小波域中对小波系数的处理，然后再通过小波逆变换，得到最终的滤波图像。Donoho提出的基于小波变换的软阈值法，它通过取阈值的方法来压缩受干扰的小波变换系数，噪声在一定程度上被抑制，图像边缘的信息很少丢失，且无伪边缘产生。Simard等人分析了纹斑噪声在小波分解后的统计分布，然后在小波域中，结合纹斑噪声的统计特性可以更好地确定软阈值门限，达到更好的滤波效果。除了软阈值方法，Sveinsson等人还提出了自适应Sigmoid阈值法。为了更好地利用小波变换来抑制SAR图像纹斑噪声，那么考虑SAR图像2维小波变换后的小波系数的统计特性，尤其是它们之间的相关特性是十分必要的，以此寻求一种能够充分反映小波系数之间的相关统计特性的模型，成为此类技术的关键。通常情况下，小波变换采用的是离散小波变换(DWT)，然而由于DWT不是移不变的，因此利用DWT在抑制纹斑噪声的同时会产生振荡现象，产生虚假信号。为了克服DWT的缺点，很多方法都采用了循环移位(cycle spinning)的小波变换，通过这种循环移位，就可以实现移不变的小波变换，虽然增加了计算的时间和数据量，但却可以克服DWT所产生的缺点。
近期出现的相干斑噪声滤除技术有：Franceschetti等的迭代同态滤波技术，它将乘性噪声变换成加性噪声，再利用维纳滤波进行迭代处理，能够理想地消除噪声，保证合适的灰度分辨率，保留边界和边缘信息，但必须预知噪声的功率谱，此功率谱对预处理例如加窗等比较敏感。Nezry、Boraldi等提出的结构检测滤波(SDF)，首先检测边界，并进行线结构细化，然后应用MAP滤波方程对具有Gamma分布的图像进行滤波，它应用了局部区域的统计特性和几何特性，处理速度快，且能避免人为目标的干扰。还有一种具有窗口自选功能的自适应相干斑滤波算法，它在分析噪声统计特性的基础上，在均匀场景假设下，得到一个基于局部统计特性的斑点噪声滤波公式。李凌杰等提出的一种基于区域分集相干斑抑制算法，在分析SAR图像纹理特征和相干斑的统计特征基础上，设计了一种基于区域连通性的分集搜索方法，首先分集的正确性得到保证。在不同的分集子图像中采用相应的滤波算法对相干斑噪声加以抑制。能很好地解决相干斑抑制和边缘特征保持之间的矛盾。SAR图像相干斑噪声滤除技术的研究一直是SAR成像处理与图像分析中的一个重要课题，相干斑的存在直接影响对SAR图像的分析和应用。研究相干斑滤波技术的一个重要方向就是在得到需要的辐射分辨率的同时，如何保持必要的空间分辨率。因为二者都是SAR图像分析与应用的重要因素，在尽力滤除相干斑点噪声的同时，保持原图像的细节信息，例如纹理、边缘、弱目标等，也应被着重考虑。
三、参考文献
