SAR图像相干斑滤波算法

目前已有大量的雷达相干斑抑制算法，这些算法可分为成像前的多视平滑预处理和成像后的滤波两大类。而成像后的滤波又包括空域滤波和频域滤波两种。

为了减少相干斑噪声，早期的方法是在SAR成像处理中，通过降低处理器带宽形成多视图子图像，然后对多视子图像进行非相干叠加来降低相干斑噪声。这种非相干叠加来降低斑点噪声的方法称为多视处理。多视处理通过牺牲SAR图像的空间分辨率为代价来对相干斑进行抑制，已不能满足空间高分辨率的要求。空域滤波方法是利用图像像素的空间相关性对相干斑进行滤波，一般是利用一个滑动窗口，然后对窗口内的像素进行加权得到窗口中心点的像素值。频域的方法主要是利用小波变换，比较著名的有小波软阈值方法，基于小波变换和多尺度分析的滤波方法。

SAR图像边缘检测，采用了局域统计自适应滤波算法，因为该方法考虑了图像的不均匀性，以局域的灰度统计特性为基础来决定参与滤波的邻域像素点及其权值，能在平滑噪声的同时较有效的保持明显的边缘，而且能通过参数控制来调整平滑效果和边缘保持效果之间的权衡。本文采用了增强Lee滤波算法， Kuan滤波算法，Frost滤波算法，最大后验概率（MAP）滤波算法，边缘保持最优化（Edge Preserving Optimized Speckle，EPOS）滤波算法等。

传统滤波算法包括均值滤波、中值滤波等。这类算法的特点是直接对图像进行处理，没有考虑任何噪声模型，也没有考虑噪声的统计特性。这些算法实现起来比较简单，但效果不太理想。它们计算简单，速度快，均匀区域的斑点噪声去除效果较好。缺点是细节保持得不好，图像边缘变模糊，点目标损失大，随着处理窗口的增大，图像的整体模糊和分辨率下降更严重。正是由于这两种传统滤波算法不适合相干斑噪声的乘性特点，实际中较少采用。

3.滤波效果评价

对于滤波算法的效果评价，可以从两个方面进行，一是主观评价标准，即通过人眼视觉效果进行定性评价；二是客观评价标准，比较常用的有以下评价指标：均方误差、峰值信噪比、以及等效视数[17]等，这些指标从量化角度考虑滤波效果，能够辅助主观评价标准进行定量评价。

（1） 主观评价标准：人眼视觉效果

视觉是一种极为复杂和重要的感觉，人所感受的外界信息80%以上来自视觉。人眼对图像高度敏感，很多情况下需要目视判断图像的质量或目视解释处理结果。对于SAR图像，图像中目标的识别可以是机器识别，不严格要求时效性的话，也可以是人眼判别，而且人眼判别具有更好的准确性。对于相干斑噪声的滤除效果，除了一些客观评价指标外，主观视觉判断是一条重要标准，毕竟人的知识、经验和判断能力都是计算机目前无法取代的。

（2） 客观评价标准：

1. 均值（Mean）和方差（Standard Deviation ，STD）

图像均值是整个图像的平均强度，它反映了图像的平均灰度，即图像所包含目标的平均后向散射系数；图像方差代表了图像区域中所有点偏离均值的程度，反映了图像的不均匀性。图像的均值和方差是反映图像整体特征的指标，一般情况下，如果地形、含水量（复介电常数)和表面粗糙程度不同，则会有不同的后向散射系数，反映到SAR图像中有不同的图像均值。图像区域中的地形差异大，人工目标多，图像的灰值变化大，对应的图像的方差变化也就越大。所以应当尽量保持图像的均值，同时减少图像的方差。