您好,欢迎来到飒榕旅游知识分享网。
搜索
您的当前位置:首页SAR图像乘性噪声模型分析

SAR图像乘性噪声模型分析

来源:飒榕旅游知识分享网
维普资讯 http://www.cqvip.com 第24卷第2期 信号处理 Vo1.24. NO.2 SIGNAL PROCESSING ADr.2008 SAR图像乘性噪声模型分析 高贵 张军 吕信明 周蝶飞 黄纪军 蒋咏梅 (1.国防科技大学,湖南长沙410073;2.湖南师范大学,湖南长沙410081) 摘要:从SAR相干成像的物理散射机制出发,SAR乘性噪声模型认为SAR图像的每个分辨单元强度是由该单元中地 物的RCS被一个强度服从单位均值(均值为1)指数分布的乘性噪声调制而成。即可以认为SAR图像是场景中地物的RCS 和单位均值指数强度分布噪声的乘积。利用实测SAR图像数据库,首先证实了SAR图像中乘性噪声模型比加性噪声模型更 合理。然后,在每个目标/姿态区间提取图像模板,估计每个目标切片对应的乘性噪声,对每类目标的乘性噪声分布进行直 方图拟合,并采用拟合优度检验评估了拟合精度,结果表明:乘性噪声确实能用单位均值指数分布较精确描述,这也进一 步证实了乘性噪声模型的正确性。最后,给出了分辨率变化(9.6m一0.3m不同)和视角变化(两种不同的视角)时单位均值 指数分布对SAR乘性噪声直方图的拟合实验,结果表明单位均值指数分布对于分辨率参数和视角参数变化的情况下都是 SAR乘性噪声的较精确模型。 关键词:合成孑L径雷达;乘性噪声模型;加性噪声模型 Analysis of Multiplicative Noise Models in SAR Imagery GAO Gui ZHANG Jun LV Xin.ming ZHOU Die.fei。HUANG Ji-jun JIANG Yong.reel (1.National University of Defence Technology,Changsha,Hunan,China 410073; 2.Hunan Normal Univesrity,Changsha,Hunan,China,410081) Abstract: On the basis of the physical scattering concepts of coherent radiation of SAR,the observed intensity at each resolution cell of the SAR images is formulated by hte multiplicative noise model as a deterministic RCS modulated a unit mean exponentila distrib- uted multiplicative noise.Namely,the observed SAR scene can be regarded as the product of an underlying terrain RCS term and a unit mean exponentila distirbuted noise term.Utilizing the actual SAR database.the validation of hte mtdtiplicative model than htat of the ad- ditive model is fisrtly veriifed.Then,we extract the template in each target/pose interval and remove the template from the chip to ana- lyze the residual noise.By using the test statistics to measure the goodness that the histogram for the noise residual fits diferent distribu- tions,the results show that the unit mean exponential distribution fits the data relatively precisely,which further testiifes the correction of hte multiplicative noise mode1.Finally,some experiments that the histogram for the noise residual fits the unit mean exponentila distirbu- tion are presented Under diferent resolutions(9.6m~0.3m)and depression angels(two angels),hte results show unit mena exponen- tial distribution are all a relatively precise model of the multiplicative noise in SAR images despite the variety of resolutions and depres- sion angles. Key words: Synthetic Aperture Radar;Multiplicative noise model;Additive noise model 1 引言 个强度服从单位均值指数分布的乘性噪声调制一个具有一 定分布的实际RCS而成 。乘性噪声模型是在SAR场景 SAR图像统计特性的研究是SAR图像解译的基础。 具有恒定RCS背景的理想情况下的假设模型 .4 ,由于其简 SAR图像统计特性的研究,可以对地物的散射机理有更深层 化了图像统计特性的分析,后来被发展到其它如不均匀、极 次的理解,进而指导设计有效的分割、分类、重构以及目标检 不均匀场景等非理想情况 。但究竟在非理想情况下乘性 测和识别算法…。现有的统计模型绝大多数是由SAR图像 噪声模型是否是一个准确的模型,一直是一个被广泛关注的 的乘性噪声模型发展而来的,即认为实际的SAR图像是由一 问题 ll-12]。 收稿日期:2006年1月6日;修回日期:无 “武器预先研究项目” 维普资讯 http://www.cqvip.com

162 信号处理 第24卷 由于非理想情况下实际场景的散射机制极其复杂,无法 理论上推导或证明乘性噪声模型的合理性,因此本文结合实 测数据进行分析。本文主要解决三个问题:(1)证实SAR图 像中乘性噪声模型相对于加性噪声模型更合理;(2)验证单 位均值指数分布是SAR图像乘性噪声的较精确统计分布; (3)验证单位均值指数分布对于不同分辨率(从高到低)以及 不同视角的SAR图像中乘性噪声仍然是较精确的统计分布。 由于乘性噪声模型认为实际的SAR图像每个分辨率单 s枷[ ] 南 . [ ] 因此加性噪声的估计为: m,n]=,[m,n]一S [m,n] (2) (3) 加性噪声模型中,一个特定的目标/姿态下的模板近似 为该目枥 姿态下所有目标切片的逐点平均值形成的均值图 像,即E{,[m,n]}=S [m,n]。而逐点标准偏差的计算形 成了标准偏差(STD)图像,其每个像素的STD为 ,因为在任 元强度是由一个反映该单元实际RCS的确定值和一个单位 指数分布乘积而成 。该RCS值在分辨单元间的浮动满足 一定的分布,反映了场景的纹理特性 。因此可以把实际 SAR图像模型化为一个受噪声调制的地物RCS估计图像。 该RCS估计图像的每个分辨单元的值对应到该单元的实际 RCS值。同时由于实际SAR图像中人造目标(如建筑物、车 辆等)散射的各向异性,因此可以假设模板是目标类型和姿 态的一个分段函数 J,并用最大似然估计器来产生相应区间 的模板。 文中采用MSTAR公共目标数据库进行实验,选择这一 数据库的原因是:(1)该数据库包含大量的同一目标不同方 位的数据,能够满足提取每个姿态区间图像模板,进而分离 噪声进行分析的要求;(2)该数据库中每个目标切片的场景 内容具有一定的代表性 J。既包含各向散射同性的自然地 物(草地),又包括各向散射异性的人造物(车辆)。(3)用该 数据库可以进行不同视角不同分辨率情况的分析。 文章章节安排如下:第二节给出了SAR图像的噪声模 型,包括加性噪声模型以及乘性噪声模型;第三节给出了乘 性噪声模型确认的实验,证实了SAR图像中乘性噪声模型相 对于加性噪声模型更合理;第四节应用大量的统计检验以评 估单位均值指数分布和单位均值lognorma1分布对乘性噪声 的拟合情况,证实了单位均值指数分布是乘性噪声的较精确 模型;第五节给出了分辨率从低到高时以及不同视角下单位 均值指数分布对乘性噪声的拟合情况;最后为结论部分。 2 SAR图像噪声模型 实测SAR图像可认为由模板和噪声两部分组成。目标 类型t和姿态0对应的模板记为S 。S [m,n]为像素[m, n]处的实际RCS值(强度)。每个模板可由一个训练切片序 列Ik,k ⅣI. 估计得到。l Nt. l为序列中训练图像的个数。 [m,n]对应像素[m,n]处的实际强度测量值。 2.1加性噪声模型 大多数的成像系统由加性传感器噪声支配。对于目标t 和姿态0的实际图像,加性噪声模型为: ,[m,n]=SI. [m,n]+W[m,n J (1) 其中噪声W[m,n]是一个零均值高斯同分布随机过程, S [m,n]是目标t在姿态0下的模板。利用训练数据,模板 的最大似然估计(ML)是: 何像素[m,n]处 ̄/E{(,[m,n]一SⅫ[m,n])。}= 。 2.2乘性噪声模型 对于目标t和姿态0的实际图像,乘性噪声模型为: ,[m,n]=S [m,n]w[m,n] (4) 其中W[m,n]是同分布单位均值噪声。目标t和姿态0 下的均值图像为: E{,[m,n]}=E{S [m,n]W[m,n]} =E{S [m,n]}E{ m,n]} (5) =S [m,n] 即均值图像是对应的模板图像。目标t和姿态0下的STD图 像为: E{(,[m,n]一E{,[m,n]}) } =,/s, ̄0 Em,n]E{W [m,n]_1} … Lu —— ’ =S [m,n]JR{W }一1 =C・S¨[m,n] 即对于乘性噪声模型,目标t在姿态0下的STD图像和均值 图像成比例,其比值为常数c。由(4)式,对于某一图像,乘 性噪声可以由模板估计而得: m,n]= 盟 (7) .s [m,n] 当分辨率单元的实际强度测量值,[m,n]取不同分布 时,模板的最大似然估计 [m,n]的计算不同。对于一个 分辨率单元,该单元强度测量值,[m,n]的分布可分为两种 情况:(1)指数分布:从SAR成像机理出发,若假设分辨单元 内包含大量的等强度的散射子,由中心极限定理,I、Q通道数 据是零均值高斯分布的,导致了强度,[m,n]服从指数分 布[ ;(2)对数正态分布:在假定(4)式的乘性噪声模型的前 提下,对(4)式进行对数变换,即:In{,[m,n]}=In{.s [m, n]}+ln{w[m,n]},为了简化分析,一些研究者把噪声分量 ln{w[m,n]}假设为零均值高斯分布,导致了强度,[m,n]服 从对数正态分布。下面分别介绍两种分布下的模板估计: 1)指数分布:对于一个特定的目标/姿态假设的一个分 辨率单元,指数分布的概率密度函数(PDF)是: p。(,[m,n])= 丁 丁)(e一“ "“(,[m,n]) (8) 其中“(・)是阶跃函数, m,n]是分布的均值。由(8)式,很 容易推导得到模板的最大似然估计: 维普资讯 http://www.cqvip.com 第2期 SAR图像乘性噪声模型分析 l63 s [ ] 南 。 [ ] P ( [m, ])=e一 n。 ( [m, ]) (9) (10) 假设(9)式中模板的估计是精确的,则由(4)式和(8)式 可以推导出乘性噪声强度 [m,n]服从单位均值指数分布: ■■■一 (a】 (c】 (d】 2)对数正态分布:对于一个特定的目标/姿态假设的一 图1 T72目标切片在方位角为85。一95。的统计图:(a)均值图像; 个分辨率单元,对数正态分布的PDF是: (b)标准偏差图像;(c)标准偏差对均值的比例图; P (j[m,n])= (d)标准偏差图像的分割图 1 丽 旁 ]1  ■■■■ (a】 【c】 【d】 其中or 为形状参数, [m,n]是等于模板.s [m,n]的尺度 图2 T72目标切片在方位角为15。一25。的统计图:(a)均值图像; 参数。在对数强度域,噪声分量ln(,[m,n])一In( m,n]) (b)标准偏差图像;(c)标准偏差对均值的比例图; 是零均值高斯的。容易推导模板的最大似然估计是: ,, 、1/l Nt。 l (d)标准偏差图像的分割图 图1a和图1b分别给出了方位范围为85。到95。的T72 St,o[ ]=l 嚣. [m I (12) 坦克的均值和STD图像,图2a和图2b分别给出了方位范围 ’ 为15。到25。的T72坦克的均值和STD图像。由图可知, 同样假定(12)式中模板的估计是精确的,则由(4)式和 STD图像不为常值,且STD图像和均值图像几乎含有相同的 (11)式可以推导出乘性噪声强度 m,n]服从单位均值对数 信息量,表明了是乘性噪声模型。图1c和图2c分别为两个 正态分布: 区间的STD图与均值图的比例图,比例图几乎接近常数,进 P ( m,n])= 一步证实了乘性噪声模型的正确性。图1c中用椭圆形部分 exp{一 1 2 ( ]))咖[ ]) 标出的是由于目标的不稳定的散射引起的 J。图1d和图2d 分别为利用Markov随机场分割方法 对图1b和图2b分割 (13) 得到的亮区域,进一步证实了STD图像和常值图像相差较大。 3乘性噪声模型的确认 表1标准偏差图像和均值图像的平均相关系数 ———\相关系数 一 — 在这节中,用相关检验确认SAR图像中乘性噪声模型比 区域\\\ pm p 加性噪声模型更合理。采用的数据为MSTAR 15。俯仰角的 整个切片 0.93948 0.65974 数据库。该俯仰角下数据库共包含10类目标,每类目标方位 仅目标区 0.93949 0.12055 角范围为0。-36o。。其中BMP2装甲车和1_72坦克各有三个 变体,所以数据库共有14种目标。对于每种目标,按间隔 为了检验图1的结果对于所有的目标/姿态区间都是真 10。分成36个模板(假设10。范围内散射是稳定的),因此数 实的,计算全方位角范围(0 ̄-360。)内36个不同区间的(1) 据库可分成504个目标/姿态区间,对应的有504个模板,每 STD图像和均值图像的相关系数P…i=[1,2,…,36];(2) 个目标数据为强度数据。BMP2和T72的实验结果指对应类 STD图像和常值图像的相关系数P i=[1,2,…,36]。图3 目标3个变体的平均。 给出了不同的姿态区间下用切片内所有数据以及仅仅用如 3.1 图像噪声均值和标准偏差的相关实验 图1d或图2d对应的目标区数据时STD图像和均值图像的 由节2的分析,加性噪声模型和乘性噪声模型的一个主 相关系数。从图中可以看出,两种情况下的P 都接近1。因 要区别在于: 为目标切片是由均值接近常数的背景杂波像素支配,STD图 ●若SAR图像噪声模型为加性噪声模型,则任一个目 像中大量的像素接近常数。因此p口.在0.6左右,而仅用目标 标/姿态下理论上其STD图像为常值图像,在训练图 区的数据时,p 接近0。图3的实验结果表明SAR图像乘性 像样本较少时,STD图像和常值图像有较大的相关系 噪声模型比加性噪声模型更为合理。表一给出了所有504个 数; 目标/姿态区间的平均相关系数 和 ,表1进一步支持了 ●若SAR图像噪声模型为乘性噪声模型 由(6)式可 图3的结论。 知,任一个目标/姿态下理论上其STD图像和对应的 3.2噪声相关长度实验 均值图像之比为常数,在训练图像样本较少时,STD 实测图像的噪声分量可以进一步检验不同的噪声模型。 图像和均值图像有较大的相关系数。 由节2的分析,正确噪声模型下获取的噪声分量应该是 维普资讯 http://www.cqvip.com

164 信号处理 第24卷 同分布的零均值噪声。给定一幅图像,由(2)式或(5)式获得 采用大样本数据对获得的噪声图像进行相关分析。定 模板的估计后,分别可由(3)式和(7)式计算得到加性噪声分 义相关长度为相关值落在0.1之内的所需偏移量。相关长度 量和乘性噪声分量。 越接近于0,则表明噪声越。图6中给出了10类目标中 图4给出了T72坦克 的每一类的加性 在方位为93.79。时得 噪声分量和乘性 到的加性噪声图像和 噪声分量的平均 乘性噪声图像。由图 相关长度。由图 中可以看出,加性噪 可知,对于所有的 声分量仍然含有目标 10类目标,乘性 的结构,而乘性噪声 噪声分量的相关 图3不同的姿态区间STD图像和 则更趋向于同分 长度远远小于加 均值图像的相关系数 布的噪声。 。 性噪声分量的相 ■■■ (8) (b) (c) 图4 T72目标切片在方位角为93.79。:(a)对数强度图像; (b)加性噪声图像;(c)乘性噪声图像 因为正确噪声模型下获取的噪声应该是同分布的 零均值噪声,所以噪声图像 在不同距离向或方位向的偏移 量时其相关系数应该很小。定义图像在距离向和方位向偏  l目标切片数据库 一步验证乘性噪声 模型是SAR图像的 移量为m时的相关系数分别为: 较精确模型,而单位 ∑∑{{ [r,c]一 }{ [r—m,c]一 }}  l I取一目标切片 xR(m) ——— _=_ 一 均值指数分布则是 (14) 乘性噪声分量的较 ∑∑{{ [r,c]一面}{ [r,c—m]一 }} 由(9)和(12)式分别计算 ,,l】 精确统计分布。 c(m) ——— 了_二 一 服从指数和对数正态分布时模板的 4.1实验流程 令t(m)=÷( (m)+t (m))表示在偏移量为m时噪声图 最大似然估计 图7给出了本 节的实验流程,其具 像的相关系数。图5给出了图4b和图4c中加性噪声图像和 I由(7)式计算两种分布下的噪声分 体步骤为: 乘性噪声图像随着不同偏移量的相关系数。由图可知,乘性  llw。In,,l】和w In,,1] Step1.从目标 噪声图像的相关系数成一冲击脉冲形状,在偏移量为0时,相 切片数据库中取一 关系数最大,等于1。而随着偏移量的增加,相关系数值迅速 目标切片,由节2的 减小,证实了乘性噪声图像是一种同分布的噪声。而加 用(10)式的分布对w。 ,,1]拟合 分析,分别由(9)和 用(13)式的分布对 ,,l】拟合 (12)式计算,[m, l——秉性噪声 I I_…加性噪声 l n]服从指数分布和 对数正态分布下模 计算拟合优度检验统计量D。和 板的最大似然估计; ep2.由(7)式 分别计算,[m,n]服 从指数分布下的噪 … . L^^L J ^一 一N St声分量的最大似然 计算D 和 估计 [m,n]和, 图 T 目标切片 方 ‘ 9。时噪声模型确实要 [m,n]服从对数正 乘 同 比加性噪声 型 图7实验流程 态分布下的噪声分 偏移量的相关系数 一 量的最大似然估计 [m,r/,]; 维普资讯 http://www.cqvip.com 第2期 SAR图像乘性噪声模型分析 165 step3.用(10)式的单位均值指数分布对 [m,//,]进行拟 对不同的分布,选择最小D 值对应s的分布为实际数据的  合,并计算拟合优度检验统计量D。。用(13)式的单位均值对 最优拟合。数正态分布对 [m,n]进行拟合,并计算其拟合优度检验统 4.3实验结果及分析 图8给出了对图4a在假设,[m,n]分别服从指数分布以 计量D£; step4.判断是否整个目标切片数据库中每一个目标切片 图像都被处理完,若否,返回第一步,若是,进行下一步; Step5.对目标切片数据库中的所有目标切片图像得到的 及对数正态分布下,对计算得到的 [m,n]用单位均值指数 分布以及对 [m,n]用单位均值对数正态分布拟合的结果。 由图可知,单位均值指数分布拟合的Ks值为0.0164,KL值 D 和 求平均,获得D 和 。 4.2拟合优度检验统计量 本文采用两种拟合优度检验统计量,即:KL距离度量 和Ks度量,以从两种不同角度评估拟合的优劣程度。 KL距离是一种信息论的度量,若假设的分布为P(W),实 际的分布为q(w) 。度量的表达式为: 厂 、 D(q IlpP=)Iq('tO)log2l (15) 对于离散情况下,其表达式可化简为: 。cg“p =∑gc ・・。g I g‘ /p I 厂 、 =∑g( ) .10g l p (w)aw l \、 厂 、 =∑ g I I 其中Q(W)和P(W)为W处的概率值。当两个分布相等时,测 量值为0。否则,度量值为正。因为上述度量是非对称的,即 O(q l lP)≠O(p ll q),所以我们计算一个对称的一般KL度 量: D豇=D(q l lP)+O(p l lq) (16) K—s检验建立在观测数据经验分布函数的基础上。若 根据实际数据的直方图给定一组分布的观测值:月。,月 ,…, ,其中Ⅳ为数据区间数,R ,k=1,2,…,Ⅳ是小于第k区间 的数据长度。则经验分布函数P (r)可由一个分段常数函数 表示: PR(r)=亩I{月 :月 ≤r}I (17) 其中,I・I表示集合的势。对某一具体的分布q,做如下二元 假设:H0:数据不服从q分布;日 :数据服从q分布。因此,杂 波的统计模型评价准则成为一个二元假设检验问题。对应 的 —s检验统计量 一 定义为经验概率分布函数和日 假 设下概率分布函数差的上确界: Do=suplP (r)一 (r)l (18) 为0.0071。单位均值对数正态分布拟合的l(S值为0.0339, KL值为0.0665。这表明了单位均值指数分布比单位均值对 数正态分布对乘性噪声的描述更好。由于单位均值指数分 布的拟合优度检验统计量D 在l%左右,而D豇<l%,因此 有理由认为对于图4a,单位均值指数分布确实是乘性噪声分 量的较精确分布,且乘性噪声模型也是图4a的SAR图像的 较精确模型。 图8图4a的噪声分量的直方图拟合比较: (a)单位均值指数分布拟合结果;(b)单位均值对数正态分布拟合结果 进一步验证图8的结果对目标切片数据库中所有目标 切片图像都有相似的结果。数据库中l0类目标为[2S1 BMP2 BRDM-2 BTR60 BTR70 D7 T62 T72 ZIL131 ZSU-23-4], 对其按先后顺序标号为[1 2 3 4 5 6 7 8 9 10]。图9a和图9b 给出了每类目标在利用全部切片数据时对应乘性噪声分量 的拟合优度检验统计量的平均值。很显然,单位均值指数分 布要比单位均值对数正态分布的拟合效果更好。由节3.1的 分析,图像中存在各向散射异性的目标像素的影响,为了进 一步观察这些不稳定的像素的影响,图9c和图9d给出了每 类目标在仅利用目标区域数据时对应乘性噪声分量的拟合 优度检验统计量的平均值,结果表明:仅用目标区域的数据 时,由于目标区不稳定的散射子的影响,单位均值指数分布 和单位均值对数正态分布的效果相当,且每类目标Ks值和 KL值比对应的采用全切片数据获得的KS值和KL值明显要 高。为了进一步验证单位均值指数分布对于弱散射的杂波 区域以及强散射的目标区域的乘性噪声分量都是合理的,去 除每个切片中的不稳定的目标像素(STD对均值的比大于 0.8的像素认为是目标像素),图9e和图9f给出了每类目标 在利用去除不稳定的目标像素后的全切片数据时对应乘性 噪声分量的拟合优度检验统计量的平均值,每类目标的KS 值和KL值都比对应的采用全切片数据获得的KS值和KL值 稍微降低,说明了单位均值指数分布的合理性。 维普资讯 http://www.cqvip.com 166 信号处理 第24卷 表2进一步给出了数据库中所有目标切片图像的拟合 优度统计量的平均值。从表中可以看出,不论是对于弱散射 的杂波像素还是强散射的稳定的目标像素,单位均值指数分 布的拟合效果都强于单位均值对数正态分布。对去掉不稳 定目标像素的全切片数据,单位均值指数分布拟合的l(S值 为0.0136,即在1%左右,KL值为0.0081,即小于1%,因此 有理由认为:单位均值指数分布是乘性噪声分量的较精确统 计分布,也说明了乘性噪声模型是SAR图像的较精确模型。 5不同分辨率不同俯仰角下乘性噪声分析 节4用分辨率为0.3m×0.3m,俯仰角为15。的切片数据 库进行实验,得出了单位均值指数分布是乘性噪声分量的较 精确统计分布,乘性噪声模型是SAR图像的较精确模型这一 结论。本节验证该结论是否对于不同分辨率或不同俯仰角 下都成立。 采用分辨率为0.3m×0.3m,俯仰角为15。的切片数据 库,根据文献 利用不同的带宽可以很容易得到该俯仰角下 距离向和方位向分辨率都为0.6m、1.2m、2.4m、4.8m以及 9.6m的多分辨率图像。对每个分辨率下的目标数据库,用去 图9每类目标乘性噪声分量的拟合优度检验统计量的值的比较: 掉不稳定目标像素的全切片数据,计算单位均值指数分布对 (a)采用整个切片数据的Ks值;(b)采用整个数据切片的KL值; 噪声分量拟合优度统计量,其结果如图10所示。从图10可 (c)仅采用目标区域值的Ks值;(d)仅采用目标区域值的KL值; 以看出,尽管数据分辨率从高(0.3m)到低(9.6m),但单位均 (e)采用除去不稳定散射目标像素的切片数据的Ks值; 值指数分布拟合的KS值或KL值随着分辨率的改变变化不 (f)采用除去不稳定散射目标像素的切片数据的KL值 大,接近一常数。且KL值在1%以内,Ks值在1%左右,因此 表2数据库中所有目标切片图像的拟合优度统计量的平均值 单位均值指数分布 单位均值指数分布 单位均值对数正态分布 单位均值对数正态分布 拟合的KS值 拟合的KL值 拟合的KS值 拟合的KL值 全切片数据 0.0192 0.0101 0.0496 0.0825 仅目标区像素 0.0384 0.1748 0.0481 0.1566 去掉不稳定像素的全切片数据 0.0136 O.oo81 0.0368 0.0696 有理由认为单位均值指数分布在不同分辨率下仍然是乘性 此,节4的结论适用于不同俯仰角的情况。 噪声分量的较精确统计模型,乘性噪声模型在不同分辨率下 表3不同俯仰角下所有目标切片图像的平均统计检验量的值 同样是SAR图像的较精确模型。 单位均值指数分布拟合的 单位均值指数分布拟合的 下面考察不同 SK值 KL值 检 俯仰角的情况。选 15。 0.0138 O.oo8O 验 统 择低视角15。和较大 计 45。 0.0134 O.oo79 量 的 视角45。的目标数据 值 库进行实验。该数 6结论 据库中含有三类目 标:2S1、BRDM一2和 SAR图像乘性噪声模型是进行SAR图像统计模型研究 的基础问题。本文结合实测数据库,证实了由理想情况下推 图1O分辨率从0.3m到9.6m时所有 ZSU-23.4。同样对 目标切片图像的平均统计检验量的值 每个俯仰角下的目 导的乘性噪声模型假设推广到一般的非理想情况下也是正 标数据库,用去掉不 确的。本文得到主要结论为:(1)对于SAR图像,乘性噪声模 稳定目标像素的全切片数据,计算单位均值指数分布对噪声 型比加性噪声模型更合理;(2)单位均值指数分布是SAR图 分量拟合优度统计量,其结果见表3。从表3可以看出,在较 像乘性噪声分量的较精确统计分布(两个检验统计量值在 大视角45。的实验结果和低视角15。的结果基本相同。因 1%左右),乘性噪声模型是SAR图像较精确的模型;(3)对 维普资讯 http://www.cqvip.com 第2期 SAR图像乘性噪声模型分析 167 于不同的分辨率或不同的俯仰角,结论(2)也适用;(4)由结 [10]B.Jorgensen,Statistical Properties of he Genertlaized In‘ verse Gaussian Distribution,New York:Springer-Verlg,a 1982,Lecture Notes in Statistics,9. 论(2)和(3),在研究实际的SAR图像具体统计模型时,可从 图像的实际RCS浮动分量满足的分布入手进行分析。下一 步可开展更广泛的真实SAR图像数据验证,如采用不同传感 器的其它如极化、工作波段等参数变化时的SAR图像,以及 更丰富的地物类型的SAR图像。 参考文献 [1 1]Statistical characterization of SAR data:The multiplicative model and extension,Simposio Latinoamericano de Espe- ciliastas en Pemepcion Remota(SELPER).Mexico,Nov. 1995,502 ̄15. [12]Hua Xie,Lelnd E.Piaerce,Fawwaz T.Ulaby,Statistical [1] C.Oliver.Understanding Synthetic Aperture Radar Images. Artech House,Boston/London,1998. [2]A.P.Blake,D Blacknell,C.J.Oliver.High Resolution SAR Clutter Textural Analysis and Simulation.SPIE Vo1.2584, 101-108,1995. [3]Lance M.Kaplna,Analysis of Multiplicative Speckle Mod- els for Template-Based SAR ATR.IEEE Trans.On AER. Vo1.37,No.4,October,2001. [4] M.nr,K.C.Chin,and J.W.Goodman,when is speckle noise multiplicative.App1.Opt.,Vo1.21,1982,1 157- 1159. [5] J.S.Salazar.Detection Schemes ofr Synthetic Ape ̄ure Ra- dar Imagery Based On a Beta Prime Statistical Model, 1999. [6] Vassilis Anastassopoulos.High Resolution Radar Clutter Statistics.IEEE Transactions on AES VOL.35。N0.I,Jan- uary 1999. [7] Eman E.Kuruoglu,Josinae Zerubia.Modeling SAR Images With a Generalization of the Rayleigh Distribution.IEEE. 20o4. [8] A.C.FRERY,C.C.F.Yanasse,and S.J.S.Sant’Anna, Ahrmative distributions for the muhiplicative model in SAR images,in Quantitative Remote Sens.Sci.Applicat., Int.Geosci.Remote Sensing Symp.,Florence,Italy,July 10-14,1995,Vo1.1,169-171. [9]David Blacknell,A Mixture Distirbution Model for Correla- ted SAR Clutter,SPIE,Vo1.2958,1996,38-49. Properties of Logarihtmically Trnasformed Speckle,IEEE Trans.Geosci.Remote Sensing,Vo1.dO,No.3,March 2002.721-727. [13]F.T.Ulaby,F.Kouyate,B.Brisco,and T.M.Williams, Textural information in SAR images,IEEE Trnas.Geosci. Remote Sensing,Vo1.GRS-24,1986,235-425. [14]Robert A,Weisenseel W,Clem K,et 1a.MRF-Based Algo- rihtms ofr Segmentation of SAR Images[A].the Proceed- ing of the 1998 International Conference on Image Process- ing[C].Paris:IEEE,1998.770-774. [15]Michael D.DcVore,Joseph A.O’Sullivna.Statistical As- sessment of Model Fit for Synthetic Aperture Radar Data, Proceeding of SPIE Vo1.4382,379-388,2001. [16]P.Lombardo,M.Sciotti,L.M.Kaplna.SAR Prescreening using Both Target and Shadow Ifnormation,IEEE Radar Conference,pp147-152,2001. 作者简介 高贵:男,汉族,1981年生,内蒙古集宁人,2002年6月获 国防科技大学工学学士学位,2003年12月获国防科技大学 工学硕士学位,2007年6月获国防科技大学工学博士学位, 国防科技大学电子科学与工程学院讲师,中国电子学会“三 遥”分会会员,中国宇航学会会员。感兴趣的领域包括:基于 SAR图像的自动目标识别、SAR目标特征分析、SAR目标电 磁散射建模、遥感信息处理、空间数据挖掘、空间信息系统 等。 

因篇幅问题不能全部显示,请点此查看更多更全内容

Copyright © 2019- sarr.cn 版权所有 赣ICP备2024042794号-1

违法及侵权请联系:TEL:199 1889 7713 E-MAIL:2724546146@qq.com

本站由北京市万商天勤律师事务所王兴未律师提供法律服务