matlab SAR图像的多视滤波

一、算法原理

1、概述

  单视复数数据（Single Look Comple）是原始的最高分辨率数据，但是从单个像元散射的雷达回波信号的相干叠加，导致强度信息有很多噪声。SAR的多视处理是对SLC数据方位向和/或距离向做平均，得到的结果是多视后的强度数据。多视处理可以提高SAR图像的信噪比，有效抑制斑点噪声，但是会降低方位分辨率。
  卫星在侧视获取数据的时候，由于入射角、地面和天线的距离决定数据的分辨率不同，SAR数据的像元一般是长方形的。但是参考DEM数据一般是处理之后像素为正方形的栅格数据，这就导致运算的时候计算量过大，所以需要设置多视比，将SAR数据的像元尽可能像正方形，大小贴合参考DEM数据。
  有两种多视方法，一种在时域执行，另一种在频域执行。时域多视由应用程序平均窗口组成，以减少散斑，而频域实现将频谱分为子谱，并对其进行平均。频域多视的优势在于它可以在相同的空间分辨率下实现更好的 ENL（等效视数），但同时对计算的要求更高。

2、时域多视滤波

1. 计算视数；视数跟距离向分辨率、方位向分辨率以及中心入射角有关。计算公式如下：
   $$g=\frac{pr}{ia}$$
   $$\frac{g}{pa\ast M}\to 1$$
   式中，$pr$为距离向分辨率，$pa$为方位向分辨率，$ia$为中心入射角。

2. 滑动平均滤波；根据视数，生成一个的窗口，进行滑动滤波，随着视数的增加，斑点噪声逐渐减少。

3、频域多视滤波

1. 计算视数。

2. 傅里叶变换；将图像进行傅里叶变化，得到一幅完整频域图像。

3. 划分频谱；根据视数$m$，将第2步中获取的频域图像分成$m$份，得到$m$份子谱频域图像；

4. 逆傅里叶变化；将第3步获取的子谱频域图像进行逆傅里叶变换，得到得到$m$份子谱时域图像；

5. 合并子谱时域图像；将子谱时域图像进行合并，获取一张完整的多视处理后的SAR图像。

多视处理后，数据的方位向将变少，直观的就是数据行数变少，若为了保证数据行列号不变，可采用频域补零的方法。

4、参考文献

[1]刘冉. SAR图像相干斑抑制算法研究[D]. 合肥工业大学, 2022. DOI:10.27101/d.cnki.ghfgu.2022.000392.

二、代码实现

1、时域多视滤波

multilookProcessing.m
详细实现过程见：matlab实现的SAR图像多视滤波.rar

main.m

clc;
clear;
close all;

%% ----------------------------读取SAR图像----------------------------
sarImg = imread("section.tif");
%% ----------------------------多视滤波-------------------------------
multilook_out = multilookProcessing(sarImg,2,4);
%% ----------------------------结果显示-------------------------------
figure;
subplot(121)
colormap('gray')
imagesc(sarImg);
title("原始图像");
hold on
subplot(122)
colormap('gray')
imagesc(multilook_out);
title('多视滤波后的强度图');
hold on;

三、结果展示

四、相关链接

• SAR的单视SLC和多视mlutilooking
• SAR数据的多视Multi-look，包括range looks和azimuth looks，如何设置多视比
• 基于matlab编程实现SAR图像多视处理