极化SAR图像去斑：快速贝叶斯非局部均值算法

"这篇论文提出了一种用于极化合成孔径雷达（SAR）图像去斑的快速贝叶斯非局部均值算法。基于单极化SAR的贝叶斯非局部均值方法，该算法扩展到极化SAR场景，通过推导极化相干矩阵在复Wishart分布下的块相似性度量函数，建立了一个无需先验知识的极化SAR贝叶斯非局部均值模型。为了提高计算效率，文中采用了积分图技术。实验证明，这种方法能有效地抑制SAR图像中的相干斑，同时保留极化信息，并显著提升了处理速度。该研究受到了国家自然科学基金的支持，作者来自信息工程大学和防空兵学院。" 正文: 极化合成孔径雷达（Polarimetric Synthetic Aperture Radar, PolSAR）是一种先进的遥感技术，它能获取地表物体的多极化信息，从而提供更丰富的地表特性分析。然而，PolSAR图像常常受到相干斑（Coherent Speckle）的影响，这是一种由雷达波束扩散和散射产生的随机噪声，极大地降低了图像的可解译性和分析精度。 本文针对这一问题，提出了一个基于贝叶斯非局部均值（Bayesian Non-Local Means, BNLMeans）的去斑算法。BNLMeans算法是一种非局部图像处理方法，其核心思想是利用图像中的非局部相似性来平滑图像，保留细节信息。在单极化SAR图像去斑中，BNLMeans已证明了其有效性。然而，将这种方法直接应用到极化SAR图像并不适用，因为极化信息的复杂性要求更精确的统计模型。 因此，作者首先推导了极化相干矩阵在复Wishart分布下的块相似性度量函数。极化相干矩阵包含了极化SAR数据的四个基本分量，可以反映地物的散射特性。复Wishart分布是一种适合描述极化SAR数据统计特性的概率分布，能准确捕捉极化信息的变化。 接下来，作者构建了一个无先验知识的极化SAR贝叶斯非局部均值模型。这个模型考虑了极化SAR图像的内在结构，通过比较不同位置像素的极化相干矩阵，计算它们之间的相似性，进而进行去斑处理。通过这种方式，算法能够在去除相干斑的同时，保护图像的极化特征。 为了加速算法的计算，作者引入了积分图（Integral Image）的概念。积分图是一种预处理技术，它可以极大地减少计算像素间距离和相似性的计算量，从而实现快速的非局部处理。 实验部分，作者使用机载SAR实测的旧金山地区极化SAR数据进行验证。结果显示，提出的算法在抑制相干斑方面表现出色，同时保留了重要的极化信息。此外，计算效率的提升使得该方法在大数据量的PolSAR图像处理中具有更高的实用性。 这篇论文提出的快速贝叶斯非局部均值算法为极化SAR图像的相干斑抑制提供了一种有效且高效的方法，对极化SAR图像处理领域具有重要意义。该算法不仅改善了图像质量，还为后续的地物识别和分类任务提供了更可靠的输入数据。