文档介绍：
目前已有大量的雷达相干斑抑制算法，这些算法可分为成像前的多视平滑预处理和成像后的滤波两大类。而成像后的滤波又包括空域滤波和频域滤波两种。
为了减少相干斑噪声，早期的方法是在SAR成像处理中，通过降低处理器带中心像元(i,j)的平均
ij
值；然后再求窗口内标准差O作为滤波中心像元点(i,j)的标准差，公式如下(设
ij
窗口为(2M+1)(2N+1))：
g二g(i,j)=,N艺另g(k，1)
j(2M+1)(2N+1)
k=j-Ml=i-N
G.=o(i,j)=N艺(i，j)-瓦
j(2M+1)(2N+1)j
k=j-Ml=i-N
Sigma滤波器的算法表达式如下：
R=
因艺8g
klkl
k=i-ml=j-n
迅艺8
klk=i-ml=j-n
8
kl
10
gj(1-20F)<gi=gj(1+20F)
otherwise
2-19)
2-20)
2-21)
2-22)
2-23)
孤立散射体不应受到斑点平滑的影响，为此设置阈值，如果范围内的象素数小于或等于K=(滤波窗口大小+1)/2,则以中心象素周围最近的四点象素平均值作为滤波输出。
Lee滤波基于完全发育的斑点乘性噪声模型，假定先验均值和方差可由均质区内计算局域的均值和方差来得到，它是使用滤波窗口内样本均值和方差的自适应滤波算法。该方法是以MMSE(最小均方误差)准则作为基础，是固定窗口中观察强度g和局部平均强度g..的线性组合，是一个优化的线性滤波器。该方ij
法是在图像上对每个像元逐个滤波移动的过程，局部统计量随着空间位置的改变而改变。
首先计算窗口内各像元灰度的平均值g作为滤波中心像元(i,j)的平均值；
ij
然后再求窗口内标准差b作为滤波中心像元点(i,j)的标准差，公式如下(设窗ij
口为(2M+1)(2N+1))：
g二g(i,j)二
ij
1
(2M+1)(2N+1)
理％,1)
k=j-Ml=i-N
2-24)
b
ij
=b(i,j)=
1
(2M+1)(2N+1)
理送((k,l)—才)
ijk=j-Ml=i-N
2-25)
Lee滤波表达式为：
g'=gw+g(1—w)
ijij
Lee滤波算法是在均质区域的基础上推导得到的，但这一点事实上在真实的
SAR图像中是不成立的。因此，Lee滤波方法对于在保持边缘等细节信息方面不
是十分理想，但同质区则比较有效。
针对Lee算法的缺陷，。：第一类是均匀区域，其中的相干斑噪声可以简单地用均值滤波平滑掉；第二类是不均匀区域，在去除噪声时应保留纹理信息，应用Lee滤波；第三类是包含分离点目标的区域，滤波器应尽可能地保留原始值。具体思想如图3-2所示：
图3-2增强滤波算法流程
增强的Lee滤波采用以下准则：
⑴C<C时，在滤波子窗口内取均值代替中心像素的值；
Iu
⑵C<C<C时，在滤波子窗口内用滤波算法计算中心像素的滤波值;uImax
⑶C>C时，保留该中心像素值。
Imax
以上区域的划分和准则同样适用于下文提到的增强的Kuan滤波和增强的
Frost算法。
增强的Lee滤波表达式为：
gj=g..
IJIJ
<g'二gw+g(1-w)
iJiJ
g，二g
.
o<c
.Ju
c<o<c
o>c
.Jmax(2-26)
其中：w二1-C2/C2是Lee滤波的权函数;
uI
c,c
umax
为阈值;
C
I
I为局部标准差;
.
9
C
max
■v'3C
L为成像视数。
Kuan滤波算法假设噪声为与信号相关的加法噪声，然后运用最小方差估计
获得固定窗口中观察强度g和局部平均强度g的线性组合。Kuan滤波器与Leeij
滤波器的区别在于用一个信号加上一个依赖于信号的噪声来表示乘性模型的相干斑噪声。该方法是在图像上对每个像元逐个滤波移动的过程，局部统计量随着空间位置的改变而改变，公式如下：
g=g(i,j)二
ij
◎=◎(i,j)=
ij
1
(2M+1)(2N+1)
1
(2M+1)(2N+1)
k=j-Ml=i-N
理为((k,l)-g-)
ij
k=j-Ml=i-N
2-27)
2-28)
Kuan滤波表达式为：
g，二gw+g(i-w)
ijij
Kuan滤波算法与Lee滤波算法一样，存在着保持边缘