保持边缘的SAR图像滤波方法
合集下载
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
— 13 —
高技术通讯 2003. 7
图4 L- band SAR 单视图像
图7 Ga mma MAP 滤波结果
图5 Kuan 滤波结果
图8 增强Frost 滤波结果
" 863 计划（2001 AA132040 ）资助项目。 ! 男，1971 年生，博士生；研究方向：雷达图像处理；联系人。
（收稿日期：2002- 04- 08 ）
— 11 —
高技术通讯 2003. 7
2 边缘保持的评估
声很难与实际噪声类似，加之虽然斑点噪声的统计 分布模型已经清楚，但在边缘区域噪声统计模型是 不可靠的［10 ］，所以利用模拟图像仍然难以测试滤波
个像元则利用4 个方向的平滑数据的平均值重建图
像。重建图像像元为Pr（i ，j ）：
#
Ph（i ，j ）
边缘方向
PO（i ，j ）
水平
Prs（i ，j ）
45
Pr（i ，j ）= "
Pls（i ，j ）
-45
14（Ph（i ，j ）+ PO（i ，j ）+ $ Prs（i ，j ）+ Pls（i ，j ）） 没有边缘 Han 等人只是介绍了这个方法，并没有探讨这 个方法能够保持平滑图像边缘的原因。本文将对此
图" 比例检测算子的计算流程（假设最大窗口为7 > 7 ）
上述的过程只检测了垂直方向上的边缘。对数 字图像，经过一个像元的边缘方向只有四个方向： 水平向、垂直向和两个对角线（+ 45 和 -45 ）方 向，所以在实际应用中要检测四个方向的边缘。这 个边缘检测算法比 ~an 等人边缘检测算法要可靠 得多。
加以探讨。边缘和噪声在频率域都是高频成份，不
可能在利用频率域滤波方法去除噪声的同时保持边
缘。但在空域，边缘与噪声是有很大不同的。
图1 是一个边缘的三维图（含有斑点噪声）。 从图1 中可以看出，边缘有两个特征：一是在垂直 边缘方向的像元灰度值迅速变化，二是沿着边缘方
向的像元灰度值变化缓慢。现存的去噪方法，本质
试验图像为中国 L 波段单视合成孔径雷达图 像，成像地点为北京郊区，大小为256 > 256 。其 结果见表1 。从表1 中可以看出，常用的标准滤波 算法的 滤 波 器 边 缘 保 持 能 力 较 弱， 表 现 为 图 像 模 糊。利用小波软阈值滤波方法得到的去噪图像的边 缘保持 指 数 较 传 统 方 法 有 明 显 提 高， 但 图 像 仍 模 糊。本文提出的滤波器的边缘保持指数约为0. 88 ， 因此这个方法的边缘保持能力比较强，图像也比较 清晰。
图$ 两类边缘检测算子
图! 边缘的三维图
"#$ 保持边缘的滤波方法 保持边缘的滤波方法是对 ~an 等人滤波方法
的改进。主要是用一个比值型边缘检测器代替原方
法中的边缘检测器，其他与原方法相同。
两类边缘检测算子分别用于检测梯状边缘（地
物界线）和线性特征。在图2 中的3 个算子，方向 为90 ，（a ）与（c ）是奇对称的，称为两条带窗 口，（b ）是偶对称的，称为三条带窗口。实际计算 中，将计算水平方向、垂直方向、45 方向和-45 方向。
0 引言
SAR 图像中的斑点噪声严重干扰了 SAR 图像 的校准、检验与应用。因此，在通常情况下，去除斑 点噪声已经成为 SAR 图像应用之前的常规处理过 程。在过去的二十多年中，提出了许多抑制SAR 图 像斑点噪声的方法。这些方法可以分为两类［1 ］：成 像之前的多视处理和成像之后的滤波方法。成像之 后的滤波方法都是基于数字图像处理技术。这些方 法的目的是在不降低图像空间分辨率的前提下减少 图像的 斑 点 噪 声，同 时 保 持 图 像 边 缘 和 纹 理 等 信 息［2 ，3 ］。但测试表明这些方法很难在去除噪声的同 时保持边缘，大多数方法只是在去除噪声和保持边 缘之 间 折 衷［2 ］。通 过 分 析 常 用 的 标 准 滤 波 方 法： Lee 滤 波［4 ］、增 强 Lee 滤 波［3 ］、Kuan 滤 波［5 ］、Frost 滤波［6 ］、增强 Frost 滤波［3 ］，以及 Ga mma MAP 滤 波［7 ］时将发现这些滤波器的设计者对边缘、边缘保 持的概念很模糊，在边缘保持的评估方法上也有很 大的差异。Han 等［8 ］提出了一种去除 SAR 图像斑
进行边缘保持评估遇到的第一个困难是如何探 器的边缘保持情况。在这种情况下只有利用统计方
测真实边缘。由于 SAR 图像上存在大量的斑点噪 声，难以知道其真实的边缘，因此，通常利用模拟图
像测试滤波器的边缘保持情况。然而模拟图像的噪
法评估滤波器的边缘保持能力。 定义边缘保持指数（Edge preservati on i ndeX ）：
表1 滤波器的边缘保持指数
滤波器
原始图像
增强 Lee 滤波 增强Frost 滤波 Ga mma MAP 滤波
Kuan 滤波 Han 等滤波 小波软阈值方法
本文提出的方法
边缘保持指数（EPI ） 1
0. 403598 0. 394277 0. 407191 0. 410772 0. 892956 0. 557835 0. 884916
1 边缘与边缘保持
观察利用标准滤波方法去除斑点噪声的 SAR 图像图5 、图6 、图7 和图8 ，将发现图像模糊不清， 清晰度很差。滤波器的目的是去除斑点噪声，而不 损失图像的信息。仔细分析常用的标准滤波方法： Lee 滤波、增强 Lee 滤波、Kuan 滤波、Frost 滤波、增 强Frost 滤波、Ga mma MAP 滤波、改进的 Lee 滤波 以及改进的 Ga mma MAP 滤波等［9 ］，将发现这些方 法有时将边缘定义为一个区域，有时将边缘定义为 一条线（也就是边缘点）。事实上在SAR 图像中，边 缘对应 地 物 后 向 散 射 系 数 剧 烈 变 化 的 区 域。 在 河 岸、田埂和建筑物等能发生角反射的区域，在 SAR 图像上也表现为亮度迅速变化，也是边缘。由此可 知边缘是图像上灰度迅速变化的区域。边缘保持是 保持边缘区域变化趋势，也就是保持边缘区域的梯 度。边缘和 边 缘 保 持 的 概 念 对 设 计 滤 波 器 非 常 重 要。只有合理定义边缘和边缘保持概念，才能设计 出能够保持图像边缘的滤波器和正确评价滤波器的 边缘保持情况。
个像元P（i ，j ）将得到水平向平滑结果 Phs（i ，j ）、 竖直向平滑结果 POs（i ，j ）、右对角线方向平滑结果 Prs（i ，j ）和左对角线方向平滑结果 Pls（i ，j ）。第三 步根据边缘方向利用平滑数据重建图像。如果通过
像元的边缘方向是水平方向，则利用水平方向平滑
的结果重建图像，依次类推；如果没有边缘通过这
!（ Ps（i ，j ）- Ps（i + 1 ，j ）+ Ps（i ，j ）- Ps（i ，j + 1 ） ） EPI = !（ PO（i ，j ）- PO（i + 1 ，j ）+ PO（i ，j ）- PO（i ，j + 1 ） ）
其中，Ps（i ，j ）是平滑图像像元灰度值，P O（i ，j ）是原 始图像像元灰度值。Ps（i ，j ）和 P O（i ，j ）都在边缘 区域内。i 是像元的行数，j 是像元的列数。可见 边缘保持指数的最大值为1 ，最小值为0 。边缘保 持指数越高，滤波器的边缘保持能力越强。这个定 义实质上是计算边缘区域内在水平向和竖直向相邻 像元灰度的差值绝对值之和的比值。由于是和数的 比值，这样就能减弱噪声的影响。只要样本数足够 多，就能够精确描述边缘梯度。上面仅计算了水平 方向和竖直方向，只是为了简化计算。
3 保持边缘的SAR 图像滤波器
3.1 Han等人的方法 Han 等人［8 ］在2001 年提出了一个能够保持边
— 12 —
缘的去除SAR 图像斑点噪声的方法，其保持图像边 缘的能力比较强。这个方法有3 个步骤：首先探测 图像的边缘区域以及边缘的方向。第二步利用经验
模态分解方法（e mpirical mode deco mpositi on ）沿着 水平向、竖直向和两个对角线方向平滑原始图像，一
试验图像为中国 L 波段单视合成孔径雷达图 像，成像地点为北京郊区，大小为256 > 256 。图4 为原 始 图 像， 可 见 图 像 上 存 在 大 量 斑 点 噪 声。 图 5 、图6 、图7 、图8 和图10 分别为 Kuan 滤波、增 强Lee 滤波、Ga mma MAP 滤波、增强 Frost 滤波 和基于小波软阈值方法滤波结果。图9 为本文提出 方法 处 理 的 图 像。 观 察 这 7 幅 图 可 以 发 现， 由 Kuan 滤 波、增 强 Lee 滤 波、Ga mma MAP 滤 波、 增强Frost 滤波看起来模糊不清，利用小波软阈值 滤波方法得到的结果图10 比前面几种方法得到的 结果清晰一些，而由本文提出的方法处理的图像是 最清晰的。这主要是由于边缘信息保持较好，使图 像的对比度没有降低或降低较小。
韩春明等：保持边缘的SAR 图像滤波方法
保持边缘的!"# 图像滤波方法!
韩春明! 郭华东 王长林 范 典 桑会勇
（中国科学院遥感应用研究所遥感信息科学开放研究实验室 北京 100101 ）
摘 要 首先阐明了SAR 图像边缘和边缘保持的概念。其次，提出了一种评价平滑图像 边缘保持的方法。通过计算发现，常用的标准滤波方法：增强 Lee 滤波、Kuan 滤波、增强 Frost 滤波和 Ga mma MAP 滤波的边缘保持能力很差。最后发展了一种能保持边缘的 SAR 图像滤波方法。这种方法是对 Han 等人去除SAR 图像斑点噪声方法的改进，并分 析了这种方法能够保持图像边缘的原因。 关键词 边缘，边缘保持，斑点噪声，滤波
Rmin（天）是几个因子的函数，I算子类型，ISAR 图 像类型（强度、强度的平方根），H视数，V窗口尺寸， V用 户 定 义 的 误 警 概 率。 下 述 关 系 总 是 对 的， Rmin（1 ）!Rmin（2 ）!…!Rmin（＿）。（R2 或 R3 ）与 Rmin 的比较，遵循图3 所示的流程。
点噪声的方法，该方法能够较好地 保持图像的边缘。这个方法首先判 断图像的边缘，之后根据边缘方向 平滑图像。但此方法所利用边缘检 测器检测的边缘有时是虚假边缘。
在本文中将首先分析图像边缘
的概念和边缘保持的概念，并阐明边缘保持与边缘 点保持之间的区别。在此之后分析常用的标准滤波 方法的边缘保持能力。最后在 Han 等人算法的基 础上发展了一种能有效保持边缘的 SAR 图像滤波 方法。
为检测边缘，需定义如下比例因子： 对于两条带窗口
R2 — mi n｛X1／X2 ，X2／X1 ｝ X1 与 X2 分别是子窗口 W1 与 W2 内计算出来的 均值。可用 C2 = 1 - R2 来表示窗口 W 内的反差。
对于三条带窗口 R3 —mi n｛X／X3 ，X3／X｝ X —（X4 十X5 ）／2
X3 ，X4 ，X5 分别是由子窗口 W3 ，W4 与 W5 计算出 来的均值。
相对于 R2 与 R3 ，需定义阈值 R2 mi m 与 R3 mi n ， 通称 Rmin ，Rmin 随 窗 口 尺 寸 不 同 需 取 不 同 的 值 Rmin（天）。一般地 Rmin（1 ）对应3 > 3 窗口，Rmin（2 ） 对应5 > 5 窗口，Rmin（3 ）对应7 > 7 性来估计像元
的真实值。在边缘区域，由于沿着边缘方向的像元
灰度值变化缓慢，而垂直边缘方向的像元灰度变化
剧烈，所以 在 边 缘 区 域 沿 边 缘 方 向 的 像 元 相 关 性
韩春明等：保持边缘的SAR 图像滤波方法
大，垂直边缘方向，像元的相关性较小。~an 等人 的方法实质上是沿着边缘方向，在一个像元宽度的 窗口内取平均，在同质区域选一个正方形取平均。 因为沿着边缘方向的像元灰度值变化缓慢，沿着边 缘方向在一个像元宽度的窗口内取平均只是去除了 边缘内的噪声，而没有改变边缘区域的变化趋势。 因此，~an 等人的方法在能有效去除噪声的同时保 持边缘信息。但 ~an 等人利用的边缘检测器带有 很大的经验性，统计计算表明虚假边缘随着局部均 值增加而增多［11 ］。在本文将用一个比值型边缘检 测器［11 ］，进行边缘检测。
高技术通讯 2003. 7
图4 L- band SAR 单视图像
图7 Ga mma MAP 滤波结果
图5 Kuan 滤波结果
图8 增强Frost 滤波结果
" 863 计划（2001 AA132040 ）资助项目。 ! 男，1971 年生，博士生；研究方向：雷达图像处理；联系人。
（收稿日期：2002- 04- 08 ）
— 11 —
高技术通讯 2003. 7
2 边缘保持的评估
声很难与实际噪声类似，加之虽然斑点噪声的统计 分布模型已经清楚，但在边缘区域噪声统计模型是 不可靠的［10 ］，所以利用模拟图像仍然难以测试滤波
个像元则利用4 个方向的平滑数据的平均值重建图
像。重建图像像元为Pr（i ，j ）：
#
Ph（i ，j ）
边缘方向
PO（i ，j ）
水平
Prs（i ，j ）
45
Pr（i ，j ）= "
Pls（i ，j ）
-45
14（Ph（i ，j ）+ PO（i ，j ）+ $ Prs（i ，j ）+ Pls（i ，j ）） 没有边缘 Han 等人只是介绍了这个方法，并没有探讨这 个方法能够保持平滑图像边缘的原因。本文将对此
图" 比例检测算子的计算流程（假设最大窗口为7 > 7 ）
上述的过程只检测了垂直方向上的边缘。对数 字图像，经过一个像元的边缘方向只有四个方向： 水平向、垂直向和两个对角线（+ 45 和 -45 ）方 向，所以在实际应用中要检测四个方向的边缘。这 个边缘检测算法比 ~an 等人边缘检测算法要可靠 得多。
加以探讨。边缘和噪声在频率域都是高频成份，不
可能在利用频率域滤波方法去除噪声的同时保持边
缘。但在空域，边缘与噪声是有很大不同的。
图1 是一个边缘的三维图（含有斑点噪声）。 从图1 中可以看出，边缘有两个特征：一是在垂直 边缘方向的像元灰度值迅速变化，二是沿着边缘方
向的像元灰度值变化缓慢。现存的去噪方法，本质
试验图像为中国 L 波段单视合成孔径雷达图 像，成像地点为北京郊区，大小为256 > 256 。其 结果见表1 。从表1 中可以看出，常用的标准滤波 算法的 滤 波 器 边 缘 保 持 能 力 较 弱， 表 现 为 图 像 模 糊。利用小波软阈值滤波方法得到的去噪图像的边 缘保持 指 数 较 传 统 方 法 有 明 显 提 高， 但 图 像 仍 模 糊。本文提出的滤波器的边缘保持指数约为0. 88 ， 因此这个方法的边缘保持能力比较强，图像也比较 清晰。
图$ 两类边缘检测算子
图! 边缘的三维图
"#$ 保持边缘的滤波方法 保持边缘的滤波方法是对 ~an 等人滤波方法
的改进。主要是用一个比值型边缘检测器代替原方
法中的边缘检测器，其他与原方法相同。
两类边缘检测算子分别用于检测梯状边缘（地
物界线）和线性特征。在图2 中的3 个算子，方向 为90 ，（a ）与（c ）是奇对称的，称为两条带窗 口，（b ）是偶对称的，称为三条带窗口。实际计算 中，将计算水平方向、垂直方向、45 方向和-45 方向。
0 引言
SAR 图像中的斑点噪声严重干扰了 SAR 图像 的校准、检验与应用。因此，在通常情况下，去除斑 点噪声已经成为 SAR 图像应用之前的常规处理过 程。在过去的二十多年中，提出了许多抑制SAR 图 像斑点噪声的方法。这些方法可以分为两类［1 ］：成 像之前的多视处理和成像之后的滤波方法。成像之 后的滤波方法都是基于数字图像处理技术。这些方 法的目的是在不降低图像空间分辨率的前提下减少 图像的 斑 点 噪 声，同 时 保 持 图 像 边 缘 和 纹 理 等 信 息［2 ，3 ］。但测试表明这些方法很难在去除噪声的同 时保持边缘，大多数方法只是在去除噪声和保持边 缘之 间 折 衷［2 ］。通 过 分 析 常 用 的 标 准 滤 波 方 法： Lee 滤 波［4 ］、增 强 Lee 滤 波［3 ］、Kuan 滤 波［5 ］、Frost 滤波［6 ］、增强 Frost 滤波［3 ］，以及 Ga mma MAP 滤 波［7 ］时将发现这些滤波器的设计者对边缘、边缘保 持的概念很模糊，在边缘保持的评估方法上也有很 大的差异。Han 等［8 ］提出了一种去除 SAR 图像斑
进行边缘保持评估遇到的第一个困难是如何探 器的边缘保持情况。在这种情况下只有利用统计方
测真实边缘。由于 SAR 图像上存在大量的斑点噪 声，难以知道其真实的边缘，因此，通常利用模拟图
像测试滤波器的边缘保持情况。然而模拟图像的噪
法评估滤波器的边缘保持能力。 定义边缘保持指数（Edge preservati on i ndeX ）：
表1 滤波器的边缘保持指数
滤波器
原始图像
增强 Lee 滤波 增强Frost 滤波 Ga mma MAP 滤波
Kuan 滤波 Han 等滤波 小波软阈值方法
本文提出的方法
边缘保持指数（EPI ） 1
0. 403598 0. 394277 0. 407191 0. 410772 0. 892956 0. 557835 0. 884916
1 边缘与边缘保持
观察利用标准滤波方法去除斑点噪声的 SAR 图像图5 、图6 、图7 和图8 ，将发现图像模糊不清， 清晰度很差。滤波器的目的是去除斑点噪声，而不 损失图像的信息。仔细分析常用的标准滤波方法： Lee 滤波、增强 Lee 滤波、Kuan 滤波、Frost 滤波、增 强Frost 滤波、Ga mma MAP 滤波、改进的 Lee 滤波 以及改进的 Ga mma MAP 滤波等［9 ］，将发现这些方 法有时将边缘定义为一个区域，有时将边缘定义为 一条线（也就是边缘点）。事实上在SAR 图像中，边 缘对应 地 物 后 向 散 射 系 数 剧 烈 变 化 的 区 域。 在 河 岸、田埂和建筑物等能发生角反射的区域，在 SAR 图像上也表现为亮度迅速变化，也是边缘。由此可 知边缘是图像上灰度迅速变化的区域。边缘保持是 保持边缘区域变化趋势，也就是保持边缘区域的梯 度。边缘和 边 缘 保 持 的 概 念 对 设 计 滤 波 器 非 常 重 要。只有合理定义边缘和边缘保持概念，才能设计 出能够保持图像边缘的滤波器和正确评价滤波器的 边缘保持情况。
个像元P（i ，j ）将得到水平向平滑结果 Phs（i ，j ）、 竖直向平滑结果 POs（i ，j ）、右对角线方向平滑结果 Prs（i ，j ）和左对角线方向平滑结果 Pls（i ，j ）。第三 步根据边缘方向利用平滑数据重建图像。如果通过
像元的边缘方向是水平方向，则利用水平方向平滑
的结果重建图像，依次类推；如果没有边缘通过这
!（ Ps（i ，j ）- Ps（i + 1 ，j ）+ Ps（i ，j ）- Ps（i ，j + 1 ） ） EPI = !（ PO（i ，j ）- PO（i + 1 ，j ）+ PO（i ，j ）- PO（i ，j + 1 ） ）
其中，Ps（i ，j ）是平滑图像像元灰度值，P O（i ，j ）是原 始图像像元灰度值。Ps（i ，j ）和 P O（i ，j ）都在边缘 区域内。i 是像元的行数，j 是像元的列数。可见 边缘保持指数的最大值为1 ，最小值为0 。边缘保 持指数越高，滤波器的边缘保持能力越强。这个定 义实质上是计算边缘区域内在水平向和竖直向相邻 像元灰度的差值绝对值之和的比值。由于是和数的 比值，这样就能减弱噪声的影响。只要样本数足够 多，就能够精确描述边缘梯度。上面仅计算了水平 方向和竖直方向，只是为了简化计算。
3 保持边缘的SAR 图像滤波器
3.1 Han等人的方法 Han 等人［8 ］在2001 年提出了一个能够保持边
— 12 —
缘的去除SAR 图像斑点噪声的方法，其保持图像边 缘的能力比较强。这个方法有3 个步骤：首先探测 图像的边缘区域以及边缘的方向。第二步利用经验
模态分解方法（e mpirical mode deco mpositi on ）沿着 水平向、竖直向和两个对角线方向平滑原始图像，一
试验图像为中国 L 波段单视合成孔径雷达图 像，成像地点为北京郊区，大小为256 > 256 。图4 为原 始 图 像， 可 见 图 像 上 存 在 大 量 斑 点 噪 声。 图 5 、图6 、图7 、图8 和图10 分别为 Kuan 滤波、增 强Lee 滤波、Ga mma MAP 滤波、增强 Frost 滤波 和基于小波软阈值方法滤波结果。图9 为本文提出 方法 处 理 的 图 像。 观 察 这 7 幅 图 可 以 发 现， 由 Kuan 滤 波、增 强 Lee 滤 波、Ga mma MAP 滤 波、 增强Frost 滤波看起来模糊不清，利用小波软阈值 滤波方法得到的结果图10 比前面几种方法得到的 结果清晰一些，而由本文提出的方法处理的图像是 最清晰的。这主要是由于边缘信息保持较好，使图 像的对比度没有降低或降低较小。
韩春明等：保持边缘的SAR 图像滤波方法
保持边缘的!"# 图像滤波方法!
韩春明! 郭华东 王长林 范 典 桑会勇
（中国科学院遥感应用研究所遥感信息科学开放研究实验室 北京 100101 ）
摘 要 首先阐明了SAR 图像边缘和边缘保持的概念。其次，提出了一种评价平滑图像 边缘保持的方法。通过计算发现，常用的标准滤波方法：增强 Lee 滤波、Kuan 滤波、增强 Frost 滤波和 Ga mma MAP 滤波的边缘保持能力很差。最后发展了一种能保持边缘的 SAR 图像滤波方法。这种方法是对 Han 等人去除SAR 图像斑点噪声方法的改进，并分 析了这种方法能够保持图像边缘的原因。 关键词 边缘，边缘保持，斑点噪声，滤波
Rmin（天）是几个因子的函数，I算子类型，ISAR 图 像类型（强度、强度的平方根），H视数，V窗口尺寸， V用 户 定 义 的 误 警 概 率。 下 述 关 系 总 是 对 的， Rmin（1 ）!Rmin（2 ）!…!Rmin（＿）。（R2 或 R3 ）与 Rmin 的比较，遵循图3 所示的流程。
点噪声的方法，该方法能够较好地 保持图像的边缘。这个方法首先判 断图像的边缘，之后根据边缘方向 平滑图像。但此方法所利用边缘检 测器检测的边缘有时是虚假边缘。
在本文中将首先分析图像边缘
的概念和边缘保持的概念，并阐明边缘保持与边缘 点保持之间的区别。在此之后分析常用的标准滤波 方法的边缘保持能力。最后在 Han 等人算法的基 础上发展了一种能有效保持边缘的 SAR 图像滤波 方法。
为检测边缘，需定义如下比例因子： 对于两条带窗口
R2 — mi n｛X1／X2 ，X2／X1 ｝ X1 与 X2 分别是子窗口 W1 与 W2 内计算出来的 均值。可用 C2 = 1 - R2 来表示窗口 W 内的反差。
对于三条带窗口 R3 —mi n｛X／X3 ，X3／X｝ X —（X4 十X5 ）／2
X3 ，X4 ，X5 分别是由子窗口 W3 ，W4 与 W5 计算出 来的均值。
相对于 R2 与 R3 ，需定义阈值 R2 mi m 与 R3 mi n ， 通称 Rmin ，Rmin 随 窗 口 尺 寸 不 同 需 取 不 同 的 值 Rmin（天）。一般地 Rmin（1 ）对应3 > 3 窗口，Rmin（2 ） 对应5 > 5 窗口，Rmin（3 ）对应7 > 7 性来估计像元
的真实值。在边缘区域，由于沿着边缘方向的像元
灰度值变化缓慢，而垂直边缘方向的像元灰度变化
剧烈，所以 在 边 缘 区 域 沿 边 缘 方 向 的 像 元 相 关 性
韩春明等：保持边缘的SAR 图像滤波方法
大，垂直边缘方向，像元的相关性较小。~an 等人 的方法实质上是沿着边缘方向，在一个像元宽度的 窗口内取平均，在同质区域选一个正方形取平均。 因为沿着边缘方向的像元灰度值变化缓慢，沿着边 缘方向在一个像元宽度的窗口内取平均只是去除了 边缘内的噪声，而没有改变边缘区域的变化趋势。 因此，~an 等人的方法在能有效去除噪声的同时保 持边缘信息。但 ~an 等人利用的边缘检测器带有 很大的经验性，统计计算表明虚假边缘随着局部均 值增加而增多［11 ］。在本文将用一个比值型边缘检 测器［11 ］，进行边缘检测。