一种基于最大后验概率（MAP）滤波算法的散斑噪声抑制的仿真与实验分析

一、引言

最大后验概率算法 (MAP-Maximum A Posteriori Probability)是一种经典SAR图像斑点噪声去除方法，认为斑点消除问题可以看成已知观测测度，在Bayes准则下求期望反射强度的最大概率估计。MAP滤波方法是SAR图像降噪处理中常用到的一种较为有效的滤波方法最大后验概率滤波器就是对场景反射特性的概率分布所作的先验知识假设，并利用了贝叶斯准则来估计实际地物的反射强度从而得出滤波结果。

二、最大后验概率滤波原理

基于乘性噪声模型，假定地面后向散射系数呈高斯分布，Kuan等人提出最大后验概率算法(MAP-Maximum A Posteriori Probability)，认为斑点消除问题可以看成已知观测测度，在Bayes准则下求期望反射强度的最大概率估计。在此基础上，Lopes等人用更符合实际情况的Gamma分布模型取代高斯分布，即假设场景反射特性x和相干斑噪声ν都服从Gamma分布(因此又称Gamma MAP滤波算法)。场景反射特性x的概率密度函数形式为:

式中，$\alpha =E^2\left(x\right)/\mathrm{var}\left(x\right)$决定了滑动窗口的异质性，是反映场景反射特性的波动程度的参数。

强度图像I的概率密度函数形式为:

对于N视SAR功率图像，以$f\left(I|x\right)$服从自由度为2N的${\chi }^2$分布，不同于不需建立信号模型的Lee滤波算法，MAP算法假设信号x服从高斯分布。场景反射特性x的最大后验估计值是$\hat{x}$使$\log f\left(I|x\right)+\log f\left(x\right)$达到最大的x，可通过求解方程$\log f\left(I|x\right)+\log f\left(x\right)=0$获得。

由此得到估计值x是下列三次方程的解

$${\hat{x}}^3-E\left(x\right){\hat{x}}^2+N^2\mathrm{var}\left(x\right)\hat{x}-NI\mathrm{var}\left(x\right)=0$$

解上述方程，选择其三个根中为正实数并且使后验概率达最大的那个根，最终得到MAP滤波算法场景反射特性x的最大后验估计值$\hat{x}$是

$$\hat{x}=\frac{(\alpha -N-1)E\left(x\right)+\sqrt{{\left[(\alpha -N-1)E\left(x\right)\right]}^2+4N\alpha IE\left(x\right)}}{2\alpha }$$

式中异质参数$\alpha =E^2\left(x\right)/\mathrm{var}\left(x\right)$，N为视数。

MAP估计并不是无偏估计，当视数N增加时，偏差的程度将降低。MAP滤波器的优点在于其计算比较简单、速度较快，但是其最大缺点在于要求对场景反射特性的概率分布有先验知识，这显然是比较困难和不太现实的。因此在理论上对场景反射特性的概率分布所作的先验知识假设，难免会不完全符合实际地物情况，从而难以得到理想的相干斑噪声抑制效果。

三、基于MAP 滤波算法去噪实例分析

3.1 仿真乘性散斑噪声相位去噪实验

首先，根据散斑乘性噪声的原理，仿真得到的带有乘性散斑噪声的包裹相位数据如图1(a)所示，其中，基于MAP算法去除散斑噪声后的结果如下图1(b)所示，计算得到的信噪比为9.8365；均方根误差值为1.2853，结构相似度指数值为0.6618。

图1 基于MAP算法的仿真乘性散斑噪声相位图去噪效果

3.2 全息干涉相干噪声抑制实验

随后，通过全息干涉实验获取两幅相移干涉图，并通过广义两步相移算法求解得到含有相干噪声的包裹相位图如图2(a)所示，通过MAP算法对其相干噪声进行抑制，最终滤波后的包裹相位图如图2(b)所示。

图2 基于MAP算法全息干涉相干噪声抑制结果

---

⭐️◎⭐️◎⭐️◎⭐️ · · · **博 主 简 介** · · · ⭐️◎⭐️◎⭐️◎⭐️ ♪

▁▂▃▅▆▇ 博士研究生生 ，研究方向主要涉及定量相位成像领域，具体包括干涉相位成像技术(如**全息干涉☑**、散斑干涉☑等)、非干涉法相位成像技术(如波前传感技术☑，相位恢复技术☑)、此外，还对各种相位解包裹算法☑，相干噪声去除算法☑等开展过深入的研究。

---